Yapay zeka çok şey biliyor, ancak şu anda 'güvenilir değil'.
Yazar ve kaynak: Yang Xia, Yang Xia'nın Tüm İşler Dükkanı
Son zamanlarda, Agent Trading aracını araştırıp hazırlıyordum.
Çok sayıda AI işlem yöntemi, aracını ve platformunu denedikten, milyonlarca token harcadıktan sonra,
Bir temel hissiyat,
Yapay zeka çok şey biliyor, ancak şu anda 'güvenilir değil'.
Biliyorum, birçok kişi önceki karides hırsı sırasında kendine çeşitli finansal beceriler kazandırdı,
Piyasada büyük başarılar elde etmeye heyecanla hazırlanın,
Sonuç olarak ses渐渐消沉, yengeç iptal edildi, hepsi 14 yuan/kg oldu.
Gerçek piyasa koşullarında güvenilir, uygulanabilir ve yinelenebilir bir işlem ajanı nasıl kurulur
Geçen aylarda yaşadığım hatalar, 100.000 kelime boyutunda bir deneyim yazabilirim,
Ancak bugün, şimdilik bunu bir kenara bırakalım.
AT mimarisi bilgisi oluştururken rastladığım bir makale, paylaşmak için çok değerli.
Özellikle herkes AI işlemine dair bir cennet kaybı içindeyken, geleceğin AI'nın yatırım sürecine tamamen dahil olacağı açıkça görülüyor.
Yazarlar, AI-Trader çerçevesini, ana akım LLM modellerinin tamamen özerk, gerçek zamanlı ve veri kirliliğinden arındırılmış bir ortamda finansal karar alma performansını değerlendirmeyi amaçlayarak sunmuştur.
Aslında, AI'nın hisse senedi işlem performansını test etmek.
Deneme, ABD hisse senedi piyasasındaki Nasdaq 100 bileşenleri, Çin hisse senedi piyasasındaki Şanghay 50 bileşenleri ve 10 ana kripto varlık olmak üzere üç sınıf varlık havuzu üzerinde gerçekleştirilmiştir ve saatlik (ABD hisseleri) ve günlük (Çin hisseleri, kripto varlıklar) işlem sıklığı desteklenmektedir.
Farklı AI modelleri, aynı Agent'e paketlenerek MCP aracılığıyla haberleri, bilgileri, finansal raporları ve piyasa verilerini çağırır, duygusal analiz yapar, sayısal hesaplamalar gerçekleştirir ve işlem emirleri verir.
6 yarışmacı (o sırada DS-V4 hâlâ yayınlanmamıştı),
• DeepSeek-v3.1
• MiniMax-M2
• Claude-3.7-Sonnet
• GPT-5
• Qwen3-Max
• Gemini-2.5-Flash
25 Kasım'dan 7 Kasım'a kadar gerçek pazar yarışı başlatıldı, sonuçlar belirlendi.
MiniMax-M2, ABD hisse senedi (saatlik) ve Çin hisse senedi (günlük) kategorilerinde birinci oldu,
DS-V3.1, kripto grubunda birinci oldu.
Ancak acımasız olan,
Çoğu model gerçek piyasalarda zayıf performans gösterir, düşük getiri ve zayıf risk yönetimi ile.
Bu hatalar, büyük model performans testlerinde ortaya çıkmaz.
Aynı model, farklı pazarlarda tamamen farklı bir stil sergiliyor,
Örneğin, şampiyon MINIMAX, ABD hisse senedi piyasasında getiri hedeflerken, Çin hisse senedi piyasasında savunma stratejisi benimsiyor (düşük dalgalanma, düşük çekim). Bu, eğitim veri setinin bu iki piyasa arasındaki farkları iyi anladığını gösteriyor.
ABD hisse senedinde, birden fazla model QQQ'yu geçebiliyor,
A hisse senedi piyasasında, Şanghay 50'yi geçecek tek bir hisse yoktur; sen巴菲特 geldin, en güçlü AI geldi, benim büyük A'mda hâlâ diz çüküyorsunuz.
Hatta yerli, kantitatif kanlı DeepSeek bile,
ABD hisse senedi ve kripto piyasalarında iyi performans göstermek, Çin hisse senedi piyasasında da iyi olmak anlamına gelmez.
Amerika'daki Gemini, ABD hisse senedi piyasasında ortalama 3,79 işlem yaparken, Çin hisse senedi piyasasında 4,74'e kadar çıkmış, yani yerel geleneklere uygun hareket etmek gerek.
Bazı başarılı örnekler vardır,
Örneğin, DS, 10 Ekim'de Search aracını kullanarak Trump'ın "Çin'e ek gümrük vergisi" hakkında haberini alarak teknoloji hisselerindeki yüksek riski çıkarım yapmış ve savunma stratejisini uygulamıştır:
Teknoloji hisselerindeki pozisyon %99'dan %70'e düşürüldü.
Tüketim gerekli ürünlerini (PEP) ve kamu hizmetlerini (AEP) artırın
17,3% nakit korunacak
Kayıpları başarıyla azaltın, çoğu modelden daha iyi performans gösterin
Aynı şekilde, DS de tüm yapay zekâların yaptığı hatayı yaptı,
Tek bir kaynaktan alındı,
Yapısal yavaş boğa haberi alındı, ancak çapraz doğrulama yapılmadı
Hatalı şekilde geleneksel enerji ve banka hisselerine pozisyon alarak piyasanın ana yükseliş dalgasını kaçırdınız.
Sistem, bilgi doğrulama ve dinamik düzeltme konularındaki yetersizliklerini ortaya koydu.
İyi bir bilgi arayüzü ve veri uyumu ortamında, AI genel anlamda "hallüsinasyon" hataları yapmamaktadır,
Gerçek «pratik eksiklik» şu ki,
Ya yanlış analiz yapıldı (sahte bilgi),
ya sık sık işlem yapın (geçersiz işlemler)
Ya risk kontrolü başarısız olur (patlar).
Bu, geçen aylar boyunca AI deneyimlerimde doğrudan yaşadığım birkaç doğal eksiklik.
Ancak bu sorunların çözümü vardır.
Metindeki birkaç yazar,
İnsan-makine işbirliği deneyimlerini takip etmek ve geliştirmek için özel bir web sitesi kuruldu.
Mevcut becerilerini doğrudan yükleyip bir işlem yarışmasına katılabilirsiniz.