Bloomberg опубликовал материал о том, как программисты и даже энтузиасты без технического бэкграунда обучают ИИ-агентов торговать акциями, криптой и контрактами на рынках прогнозов. Журналисты пришли к выводу, что эксперимент пока что упирается в фундаментальные ограничения самих языковых моделей.
Эксперимент на $100 000
29-летний разработчик из США потратил две с половиной недели, обучая Claude собственной торговой логике: уровням риска, точкам входа, размеру позиции. Затем запустил агента на симуляторе брокерской платформы Alpaca с виртуальными $100 000.
За 30 дней бот показал доходность около 7% против 4,5% у S&P 500 за тот же период, но путь был нервным: просадка достигала 22%, а агент регулярно тяготел к голубым фишкам вместо рискованных сделок, так что владельцу приходилось вмешиваться вручную.
Одна история особенно показательна: Когда котировки Nvidia резко пошли вверх, агент сам с собой поспорил и решил не гнаться за ростом. Решение было правильным: покупка на пике обошлась бы портфелю примерно в $10 000.
Осторожность — встроенное ограничение
Языковые модели обучаются на огромных массивах финансовых текстов и воспроизводят усредненный взгляд на инвестирование. Трейдеры, которые хотят получить что-то отличное от рекомендации «купи ETF на индекс», вынуждены специально «расшатывать» эту консервативность, причем не всегда успешно.
Биржи при этом охотно поддерживают тренд: Polymarket, OKX, Bybit и Kraken уже запустили интерфейсы, оптимизированные под работу с ботами, а в X и Telegram расцвел отдельный жанр из постов с заявлениями о 1000% доходности за несколько дней. Один такой материал собрал 4,7 млн просмотров, но его разоблачил другой аккаунт, тоже управляемый ИИ. Часть таких публикаций ведет напрямую к вредоносному программному обеспечению.
Почему ИИ плохо работает там, где нужен edge
Агент, который парсит Google и ставит на наиболее вероятный исход, не добавляет в систему нового знания, а лишь рециклирует то, что уже есть в интернете. Если таких ботов становится слишком много, предсказательный рынок перестает быть механизмом прогнозирования и превращается в эхо-камеру усредненного мнения.
Герой статьи проверил агента на Kalshi, дав ему $30 для ставок на спортивные события — безрезультатно. С прогнозами ценовых диапазонов биткоина вышло чуть лучше: около 60% верных сделок, но в итоге бот слил и эти деньги.