AI-агенты, обученные на массивах финансовых данных и советах экспертов, не всегда приносят прибыль. Один из примеров — разработчик, который обучил бота своему стилю торговли и запустил его в симуляции с $100 000.
За первую неделю бот показал одно удачное решение, но затем последовала серия убыточных сделок. Однако модель избежала роста акций Nvidia, сэкономив около $10 000 убытков. После настройки стратегии результат за месяц составил +7%, что опережает индекс S&P 500 (~4,5%). Но при этом просадки портфеля достигали -22%, что ставит под вопрос целесообразность использования таких агентов.
Главная проблема заключается в том, что AI-модели по умолчанию «слишком умные»: они обучены избегать риска и выбирают скучные активы, упуская потенциальную прибыль.
Несмотря на нестабильные результаты, тренд на передачу сделок AI-агентам набирает обороты. Многие трейдеры и институциональные инвесторы массово внедряют подобные решения, надеясь на автоматизацию и снижение эмоциональной нагрузки. Однако практика показывает, что такие модели не всегда способны адаптироваться к резким изменениям рынка и извлекать выгоду из волатильности.
Эксперты отмечают, что AI-агенты пока не готовы заменить человека в трейдинге. Они могут быть полезны для анализа данных и выявления паттернов, но их решения часто оказываются слишком консервативными.
В условиях высокой неопределённости на рынках такие модели могут привести к значительным убыткам, как показал пример с просадкой в -22%.
