การเทรดด้วย AI ยังไม่ถึง "ช่วงเวลาแห่ง iPhone" ที่ทุกคนจะพกพาผู้จัดการพอร์ตโฟลิโอแบบอัลกอริทึมที่ใช้การเรียนรู้แบบเสริมแรงไว้ในกระเป๋า แต่ผู้เชี่ยวชาญกล่าวว่าสิ่งคล้ายกันนี้กำลังจะมาถึง
ที่จริงแล้ว พลังของ AI พบคู่แข่งที่เหมาะสมเมื่อเผชิญกับสนามการเทรดที่มีพลวัตและมีการแข่งขันสูง ต่างจากเอเจนต์ AI ที่ได้รับข้อมูลจากวงจรไม่สิ้นสุดของรถยนต์ไร้คนขับที่เรียนรู้การจดจำสัญญาณจราจรอย่างแม่นยำ ไม่มีข้อมูลและการสร้างโมเดลใดที่จะสามารถทำนายอนาคตได้
สิ่งนี้ทำให้การปรับปรุงโมเดลการเทรดด้วย AI เป็นกระบวนการที่ซับซ้อนและท้าทาย การวัดความสำเร็จโดยทั่วไปคือการประเมินกำไรและขาดทุน (P&L) แต่ความก้าวหน้าในการปรับแต่งอัลกอริทึมกำลังสร้างเอเจนต์ที่เรียนรู้อย่างต่อเนื่องในการสร้างสมดุลระหว่างความเสี่ยงและผลตอบแทนเมื่อเผชิญกับสภาวะตลาดที่หลากหลาย
การใช้ตัวชี้วัดที่ปรับตามความเสี่ยง เช่น อัตราส่วนชาร์ป (Sharpe Ratio) เพื่อให้ข้อมูลในกระบวนการเรียนรู้ช่วยเพิ่มความซับซ้อนของการทดสอบ กล่าวโดย Michael Sena ประธานเจ้าหน้าที่ฝ่ายการตลาดของ Recall Labs บริษัทที่ได้จัดการแข่งขันเทรด AI ประมาณ 20 ครั้ง ซึ่งชุมชนส่งเอเจนต์เทรด AI เข้าร่วม และเอเจนต์เหล่านั้นแข่งขันกันเป็นเวลาสี่หรือห้าวัน
"เมื่อพูดถึงการสแกนตลาดเพื่อหาอัลฟา นักพัฒนารุ่นต่อไปกำลังสำรวจการปรับแต่งและความเชี่ยวชาญเฉพาะของอัลกอริทึม โดยคำนึงถึงความต้องการของผู้ใช้" Sena กล่าวในการสัมภาษณ์ "การปรับให้เหมาะสมกับอัตราส่วนเฉพาะและไม่ใช่แค่ P&L ดิบนั้นคล้ายกับวิธีที่สถาบันการเงินชั้นนำทำงานในตลาดแบบดั้งเดิมมากกว่า ดังนั้น จึงดูสิ่งต่างๆ เช่น การขาดทุนสูงสุดของคุณคืออะไร มูลค่าความเสี่ยงของคุณมากแค่ไหนเพื่อให้ได้ P&L นี้"
ถอยกลับมามองภาพรวม การแข่งขันเทรดล่าสุดบนตลาดแลกเปลี่ยนแบบกระจายศูนย์ Hyperliquid ที่มีโมเดลภาษาขนาดใหญ่ (LLMs) หลายตัว เช่น GPT-5, DeepSeek และ Gemini Pro ได้กำหนดพื้นฐานว่า AI อยู่ตรงไหนในโลกการเทรด LLMs เหล่านี้ได้รับคำสั่งเดียวกันและทำงานโดยอัตโนมัติ ตัดสินใจด้วยตัวเอง แต่ตามที่ Sena กล่าว พวกมันไม่ได้ดีนัก แทบจะทำผลงานได้ดีกว่าตลาดเพียงเล็กน้อย
"เราได้นำโมเดล AI ที่ใช้ในการแข่งขัน Hyperliquid มาและให้ผู้คนส่งเอเจนต์เทรดที่พวกเขาสร้างขึ้นมาแข่งกับโมเดลเหล่านั้น เราต้องการดูว่าเอเจนต์เทรดดีกว่าโมเดลพื้นฐานหรือไม่ ด้วยความเชี่ยวชาญเฉพาะทางที่เพิ่มเข้ามา" Sena กล่าว
สามอันดับแรกในการแข่งขันของ Recall เป็นของโมเดลที่ปรับแต่งแล้ว "โมเดลบางตัวไม่ทำกำไรและทำผลงานได้ไม่ดี แต่เห็นได้ชัดว่าเอเจนต์เทรดเฉพาะทางที่นำโมเดลเหล่านี้มาใช้และประยุกต์ใช้ตรรกะเพิ่มเติม การอนุมาน และแหล่งข้อมูลและสิ่งต่างๆ เพิ่มเติม ทำผลงานได้ดีกว่า AI พื้นฐาน" เขากล่าว
การกระจายการเทรดด้วย AI สู่มวลชนทำให้เกิดคำถามที่น่าสนใจว่าจะมีอัลฟาเหลือให้ครอบคลุมหรือไม่ หากทุกคนใช้เทคโนโลยีการเรียนรู้ของเครื่องที่ซับซ้อนในระดับเดียวกัน
"ถ้าทุกคนใช้เอเจนต์เดียวกันและเอเจนต์นั้นกำลังดำเนินกลยุทธ์เดียวกันสำหรับทุกคน มันจะพังทลายลงมาหรือไม่?" Sena กล่าว "อัลฟาที่มันตรวจพบจะหายไปหรือไม่เพราะมันพยายามดำเนินการในขนาดใหญ่สำหรับทุกคน?"
นั่นคือเหตุผลที่ผู้ที่อยู่ในตำแหน่งที่ดีที่สุดที่จะได้รับประโยชน์จากข้อได้เปรียบของการเทรดด้วย AI ในที่สุดคือผู้ที่มีทรัพยากรในการลงทุนพัฒนาเครื่องมือที่กำหนดเอง Sena กล่าว เช่นเดียวกับในการเงินแบบดั้งเดิม เครื่องมือคุณภาพสูงสุดที่สร้างอัลฟามากที่สุดมักไม่เปิดเผยต่อสาธารณะ เขากล่าวเสริม
"ผู้คนต้องการเก็บเครื่องมือเหล่านี้ไว้เป็นส่วนตัวมากที่สุดเท่าที่จะเป็นไปได้ เพราะพวกเขาต้องการปกป้องอัลฟานั้น" Sena กล่าว "พวกเขาจ่ายเงินมากมายเพื่อมัน คุณเห็นสิ่งนั้นกับเฮดจ์ฟันด์ที่ซื้อชุดข้อมูล คุณเห็นได้กับอัลกอริทึมที่เป็นกรรมสิทธิ์ที่พัฒนาโดยแฟมิลี่ออฟฟิศ
"ผมคิดว่าจุดที่ลงตัวที่สุดจะเป็นที่ที่มีผลิตภัณฑ์ที่เป็นผู้จัดการพอร์ตโฟลิโอ แต่ผู้ใช้ยังคงมีส่วนร่วมในกลยุทธ์ของพวกเขา พวกเขาสามารถพูดได้ว่า 'นี่คือวิธีที่ฉันชอบเทรดและนี่คือพารามิเตอร์ของฉัน มาใช้สิ่งที่คล้ายกัน แต่ทำให้ดีขึ้น'"
เพิ่มเติมสำหรับคุณ
งานวิจัยโปรโตคอล: GoPlus Security
สิ่งที่ควรรู้:
เพิ่มเติมสำหรับคุณ
บริษัทคริปโต Tether เผยต้องการเข้าซื้อสโมสรฟุตบอลอิตาลี Juventus
ผู้ออกสเตเบิลคอยน์ยอดนิยมกล่าวว่าหากการเสนอซื้อสำเร็จ บริษัทเตรียมลงทุน 1 พันล้านดอลลาร์ในสโมสรฟุตบอล
สิ่งที่ควรรู้:



