Новые дебаты на рынках криптовалют и прогнозов ставят под сомнение идею о том, что большие языковые модели (LLM) могут самостоятельно безопасно реализовывать торговые стратегии.
Количественные аналитики, исследователи и трейдеры Polymarket оспаривают эту точку зрения. Их аргумент заключается в том, что, хотя LLM могут звучать интеллектуально, они не были разработаны для торговли на финансовых рынках.
В своем твите Жоао Ведсон, основатель и генеральный директор Alphractal, предупредил трейдеров о том, чтобы они не полагались на LLM для автоматизации торговли.
По словам Ведсона, LLM созданы для понимания языка, организации информации и прогнозирования текста. Они не предназначены для прогнозирования финансовых рынков.
Он заявил, что использование их для торговли, например, на высокорискованных рынках бессрочных фьючерсов, опасно без мощных систем, стоящих за ними. Ведсон подчеркнул, что плохие торговые настройки становятся более рискованными при использовании ИИ.
Без надлежащего контроля рисков, тестирования на исторических данных и адаптации к меняющимся рыночным условиям модель ИИ может просто быстрее масштабировать ошибочные решения.
Его сообщение заключалось в том, что если бы прибыльная торговля с помощью ИИ была так же проста, как подключение LLM к рынку, ведущие руководители ИИ уже зарабатывали бы на этом миллиарды.
Он добавил, что успешная торговля зависит от выживания, проверки, управления рисками и повторяемых систем, а не от интеллекта, который просто звучит убедительно.
Мнение Ведсона отражает традиционный количественный подход к торговле. Это означает, что стратегии должны быть тщательно протестированы с использованием исторических данных. Они также должны пройти настройку параметров и проверку эффективности в различных рыночных условиях: бычьи рынки, медвежьи рынки, периоды высокой волатильности и боковые движения.
В этой системе ИИ по-прежнему играет роль. Однако он должен работать в рамках проверенных торговых систем, а не выступать в качестве автономного трейдера.
С другой стороны, исследователь ИИ Рохан Пол отметил исследование, предполагающее, что современные ИИ-агенты могут не усваивать абстрактные концепции так, как это делают люди.
Исследование показало, что производительность ИИ резко падала при нарушении систем структурированной памяти. Однако производительность менялась очень мало при изменении правил обобщенного резюме.
Результаты предполагают, что LLM могут в большей степени полагаться на распознавание исторических шаблонов, чем на подлинное рассуждение или концептуальное понимание.
Для трейдеров это различие имеет значение. Если ИИ испытывает трудности с обобщением уроков в меняющихся условиях, его производительность может стать ненадежной при изменении рыночных условий.
Дебаты о торговле с помощью ИИ разделяют отрасль на два лагеря. Одна сторона считает, что боты на базе LLM трансформируют автоматизацию торговли. Другая сторона утверждает, что без строгой количественной дисциплины, управления рисками и проверенных стратегий торговля с помощью ИИ просто становится более быстрым способом потери денег.
Примечательно, что интерес к торговле с помощью ИИ вырос на фоне общедоступных репозиториев GitHub. Некоторые платформы даже подключают LLM к реальным рынкам для предоставления аналитики и торговых рекомендаций.
Несмотря на ажиотаж, многие трейдеры остаются осторожными. Их мнение заключается в том, что эти инструменты могут улучшить анализ и эффективность рабочего процесса, но не являются надежными самостоятельными торговыми системами.
