Торговля с поддержкой ИИ еще не достигла «момента iPhone», когда у каждого в кармане будет алгоритмический менеджер портфеля с обучением с подкреплением, но что-то подобное грядет, говорят эксперты.

На самом деле, мощь ИИ встречает достойного соперника, сталкиваясь с динамичной, противоборствующей ареной торговых рынков. В отличие от ИИ-агента, информированного бесконечными циклами самоуправляемых автомобилей, обучающихся точно распознавать сигналы светофора, никакое количество данных и моделирования никогда не сможет предсказать будущее.

Это делает совершенствование моделей торговли с ИИ сложным и требовательным процессом. Мерой успеха обычно было измерение прибыли и убытков (PNL). Но достижения в области настройки алгоритмов порождают агентов, которые постоянно учатся балансировать риск и вознаграждение при столкновении с множеством рыночных условий.

Использование скорректированных на риск показателей, таких как коэффициент Шарпа, для информирования процесса обучения увеличивает сложность теста, сказал Майкл Сена, директор по маркетингу в Recall Labs, компании, которая провела около 20 торговых арен с ИИ, где сообщество представляет торговых агентов с ИИ, и эти агенты соревнуются в течение четырех или пяти дней.

«Когда дело доходит до сканирования рынка на предмет альфы, следующее поколение разработчиков исследует настройку и специализацию алгоритмов, учитывая предпочтения пользователей», — сказал Сена в интервью. «Оптимизация для определенного коэффициента, а не только для чистого PNL, больше похожа на то, как работают ведущие финансовые учреждения на традиционных рынках. Так что, смотрим на такие вещи, как, какова ваша максимальная просадка, насколько был ваш риск для получения этого PNL?»

Отступая назад, недавнее торговое соревнование на децентрализованной бирже Hyperliquid, с участием нескольких больших языковых моделей (LLM), таких как GPT-5, DeepSeek и Gemini Pro, в некотором роде установило базовый уровень для ИИ в торговом мире. Все эти LLM получили одинаковый запрос и выполнялись автономно, принимая решения. Но они не были такими хорошими, по словам Сены, едва превосходя рынок.

«Мы взяли модели ИИ, использованные в конкурсе Hyperliquid, и позволили людям представить своих торговых агентов, которых они создали для конкуренции с этими моделями. Мы хотели увидеть, лучше ли торговые агенты, чем базовые модели, с этой дополнительной специализацией», — сказал Сена.

Первые три места в соревновании Recall заняли настроенные модели. «Некоторые модели были убыточными и показали низкие результаты, но стало очевидно, что специализированные торговые агенты, которые берут эти модели и применяют дополнительную логику, выводы и источники данных поверх них, превосходят базовый ИИ», — сказал он.

Демократизация торговли на основе ИИ поднимает интересные вопросы о том, останется ли какая-либо альфа для покрытия, если все используют один и тот же уровень сложных технологий машинного обучения.

«Если все используют одного и того же агента, и этот агент выполняет одну и ту же стратегию для всех, не приведет ли это к коллапсу?» — сказал Сена. «Не исчезнет ли альфа, которую он обнаруживает, потому что он пытается выполнить ее в масштабе для всех остальных?»

Вот почему те, кто лучше всего позиционирован для получения выгоды от преимущества, которое в конечном итоге принесет торговля с ИИ, — это те, у кого есть ресурсы для инвестирования в разработку пользовательских инструментов, сказал Сена. Как и в традиционных финансах, инструменты самого высокого качества, генерирующие наибольшую альфу, обычно не являются общедоступными, добавил он.

«Люди хотят сохранить эти инструменты как можно более приватными, потому что они хотят защитить эту альфу», — сказал Сена. «Они заплатили за это много. Вы видели это с хедж-фондами, покупающими наборы данных. Вы можете видеть это с проприетарными алгоритмами, разработанными семейными офисами.

«Я думаю, что волшебная точка будет там, где есть продукт, который является менеджером портфеля, но пользователь все еще имеет некоторое влияние на свою стратегию. Они могут сказать: 'Вот как я люблю торговать, и вот мои параметры, давайте реализуем что-то похожее, но сделаем это лучше'».