Может ли ChatGPT торговать лучше человека?
Нашёл свежий обзор исследований про LLM-агентов в трейдинге. Авторам конечно надо верить не на 100%, потому что косяки есть даже в тексте, но зерно правды в статье содержится. В paper разобраны системы, которые читают новости, отчётность и рыночные данные, а затем самостоятельно принимают торговые решения.
Спойлер: идеи интересные, но отдавать GPT деньги пока рано.
Все системы делятся на два типа.
1. LLM-трейдер
Модель получает новости, цены и финансовые отчёты, после чего отвечает: купить, продать или держать.
Более сложные агенты умеют:
- запоминать предыдущие сделки;
- анализировать собственные ошибки;
- спорить с другими агентами;
- корректировать стратегию через reinforcement learning.
Например, один агент предлагает купить акцию, другой ищет причины этого не делать, а третий оценивает риски.
2. LLM как исследователь
Более практичный вариант: модель не торгует напрямую, а ищет потенциальные источники альфы.
Она может:
- извлекать события из новостей;
- анализировать отчёты компаний;
- придумывать торговые факторы;
- писать формулы сигналов;
- объяснять неудачный бэктест;
- предлагать следующую гипотезу.
После этого идея проходит обычную количественную проверку и только потом попадает в торговую систему.
На мой взгляд, именно здесь у LLM есть реальная ценность. Не «предскажи цену NVIDIA», а «преврати тысячу документов в структурированные признаки, которые можно проверить».
На бэктестах некоторые LLM-агенты показывают годовую доходность на 15–30 процентных пунктов выше использованных базовых стратегий.
Но есть несколько нюансов:
- медианный период тестирования составляет всего 1,3 года;
- даты бэктестов часто выбраны произвольно;
- комиссии и проскальзывание обычно не учитываются;
- тестируют в основном популярные акции вроде TSLA, MSFT и META;
- полноценного forward- или live-тестирования почти нет;
- результаты разных исследований нельзя напрямую сравнивать.
И есть ещё одна фундаментальная проблема.
Если современная GPT анализирует новость 2021 года, она потенциально уже знает, что произошло с компанией после этой новости. Будущее может находиться не в промпте, а в весах модели.
Получается скрытый look-ahead bias: агент выглядит гениальным на исторических данных, потому что в некотором смысле уже видел ответы.
Главный вывод
LLM пока не выглядит доказанным автономным трейдером. Красивый бэктест ещё не означает наличия реальной альфы.
Для себя я ИИ в финансах использую преимущественно для проверки своих гипотез и написания бэктестов, объединения несколько стратегий в одну, поиск новых статьей на примере заданных.
Ознакомиться со статьей: https://arxiv.org/abs/2408.06361
