Handel wspomagany przez AI nie osiągnął jeszcze „momentu iPhone'a", kiedy każdy nosi w kieszeni algorytmicznego menedżera portfela uczącego się przez wzmocnienie, ale coś takiego nadchodzi, twierdzą eksperci.

W rzeczywistości moc AI spotyka swojego godnego przeciwnika w obliczu dynamicznej, antagonistycznej areny rynków handlowych. W przeciwieństwie do agenta AI zasilanego niekończącymi się obwodami samochodów autonomicznych uczących się dokładnie rozpoznawać sygnały drogowe, żadna ilość danych i modelowania nigdy nie będzie w stanie przewidzieć przyszłości.

To sprawia, że udoskonalanie modeli handlowych AI jest złożonym, wymagającym procesem. Miarą sukcesu było zazwyczaj szacowanie zysków i strat (P&L). Ale postępy w dostosowywaniu algorytmów tworzą agentów, którzy nieustannie uczą się równoważyć ryzyko i nagrodę w obliczu wielu warunków rynkowych.

Pozwolenie, aby metryki dostosowane do ryzyka, takie jak wskaźnik Sharpe'a, informowały proces uczenia, zwiększa wyrafinowanie testu - powiedział Michael Sena, dyrektor ds. marketingu w Recall Labs, firmie, która przeprowadziła około 20 aren handlowych AI, gdzie społeczność przesyła agentów handlowych AI, a ci agenci konkurują przez okres czterech lub pięciu dni.

„Jeśli chodzi o skanowanie rynku w poszukiwaniu alfy, następne pokolenie twórców eksploruje dostosowywanie i specjalizację algorytmów, biorąc pod uwagę preferencje użytkowników" - powiedział Sena w wywiadzie. „Optymalizacja pod kątem określonego wskaźnika, a nie tylko surowego P&L, jest bardziej zbliżona do sposobu działania wiodących instytucji finansowych na tradycyjnych rynkach. Więc patrzymy na takie rzeczy jak: jaki jest twój maksymalny drawdown, jaka była twoja wartość narażona na ryzyko, aby osiągnąć ten P&L?"

Cofając się o krok, niedawny konkurs handlowy na zdecentralizowanej giełdzie Hyperliquid, z udziałem kilku dużych modeli językowych (LLM), takich jak GPT-5, DeepSeek i Gemini Pro, w pewnym sensie ustalił punkt odniesienia dla miejsca AI w świecie handlu. Wszystkie te LLM otrzymały tę samą instrukcję i działały autonomicznie, podejmując decyzje. Ale nie były zbyt dobre, według Seny, ledwo przewyższając rynek.

„Wzięliśmy modele AI używane w konkursie Hyperliquid i pozwoliliśmy ludziom przesyłać agentów handlowych, których zbudowali, aby konkurować z tymi modelami. Chcieliśmy zobaczyć, czy agenci handlowi są lepsi niż modele podstawowe, z tą dodatkową specjalizacją" - powiedział Sena.

Trzy pierwsze miejsca w konkursie Recall zajęły dostosowane modele. „Niektóre modele były nieopłacalne i miały słabe wyniki, ale stało się oczywiste, że wyspecjalizowani agenci handlowi, którzy biorą te modele i stosują dodatkową logikę, wnioskowanie i źródła danych oraz inne rzeczy na górze, przewyższają podstawową AI" - powiedział.

Demokratyzacja handlu opartego na AI rodzi interesujące pytania o to, czy pozostanie jakakolwiek alfa do pokrycia, jeśli wszyscy będą używać tego samego poziomu zaawansowanej technologii uczenia maszynowego.

„Jeśli wszyscy używają tego samego agenta i ten agent realizuje tę samą strategię dla wszystkich, czy to nie zapadnie się samo w sobie?" - powiedział Sena. „Czy alfa, którą wykrywa, nie zniknie, ponieważ próbuje ją wykonać na dużą skalę dla wszystkich innych?"

Dlatego najlepiej przygotowani do skorzystania z przewagi, jaką ostatecznie przyniesie handel AI, są ci, którzy mają zasoby do inwestowania w rozwój niestandardowych narzędzi, powiedział Sena. Podobnie jak w tradycyjnych finansach, narzędzia najwyższej jakości, które generują najwięcej alfy, zazwyczaj nie są publiczne, dodał.

„Ludzie chcą zachować te narzędzia jak najbardziej prywatne, ponieważ chcą chronić tę alfę" - powiedział Sena. „Zapłacili za to dużo. Widziałeś to z funduszami hedgingowymi kupującymi zestawy danych. Możesz to zobaczyć z własnościowymi algorytmami opracowanymi przez family office.

„Myślę, że magicznym punktem będzie miejsce, gdzie istnieje produkt, który jest menedżerem portfela, ale użytkownik nadal ma coś do powiedzenia w swojej strategii. Mogą powiedzieć: 'Tak lubię handlować i oto moje parametry, zaimplementujmy coś podobnego, ale zróbmy to lepiej.'"