Когда инвестор спрашивает ИИ, сколько будет стоить акция через месяц, он ожидает число. Модель способна выдать число и подробно его обосновать, но такой ответ скрывает главный вопрос: какие новые факты появятся за этот месяц и как они соотнесутся с ожиданиями других участников рынка. История котировок этих фактов ещё не содержит.
Полезнее различать прогноз как точное обещание и прогноз как условный сценарий. В первом случае модель создаёт видимость знания будущего. Во втором помогает собрать факторы, при которых цена может измениться, и заранее определить, что опровергнет исходную идею. Три эксперта объясняют, почему эта разница важна. Как ИИ читает отчётность и находит бумаги для изучения, разбираем в соседних материалах.
Цена реагирует на сюрприз, а не только на результат
Допустим, компания увеличила прибыль. Для инвестора это хорошая новость лишь после сравнения с тем, чего рынок ожидал до публикации отчёта. Если участники торгов рассчитывали на ещё более сильный результат или компания дала осторожный прогноз, цена может упасть. ИИ, который увидел только строку «прибыль выросла», пропустит решающую часть истории.
Дмитрий Щукин использует модель для другой, более проверяемой задачи: разбирает собственные сделки с учётом комиссий, времени удержания позиции и финансового результата. Так можно увидеть повторяющуюся ошибку в уже совершённых действиях. Переносить эту полезность на предсказание следующего рыночного события он не советует:
Как трейдер, я регулярно разбираю свои сделки с помощью ИИ. Загружаю в модель выгруку всех своих сделок, со всеми комиссиями, информацией, где цены входа и выхода, длительность позиций, прибыль, убытки, финансирование. На выходе получаю полный разбор математического ожидания и все цифры по эффективности своей работы.
В анализе больших массивов данных ИИ действительно делает невероятные вещи. Или проводит огромные иссследования с тысячами источников. Всё, что уже случилось, он разложит на отлично. Но с будущим он не справится, потому что рынок нерационален.
Пример который был сейчас, технологическая компания показывает рост прибыли на 20%, а акции падают, потому что акционеры ждали 25%. То есть казалось бы нонсенс, компания отчиталась просто великолепно, а акции падабют. Или Трамп допустим, делает заявление, что делает удар по Ирану, и индексы летят вниз. Потом говорит, нет, не будем бить, передумали, и все отрастает обратно. Выходит новость о государственном биткоин-фонде, и крипта растёт на эйфории, а через день звучит, что вопрос откладывают, и всё снова рушится.
Очень много манипуляций и событий, которые ИИ никогда не предвидит в своем анализе будущего. Решения на рынке принимают люди, а их эмоции и действия крупного капитала логикой не описываются. Поэтому управление своими деньгами я бы ИИ не доверил, потому что всегда нужно закладывать нерациональность и непредсказуемость рынка. А ИИ наоборот, слишком прямолинеен в своей логике.
Здесь проходит важная граница. Анализ журнала сделок отвечает на вопрос «что произошло и как я действовал?». Прогноз акции требует ответа на вопрос «что произойдёт у компании, у конкурентов и на рынке, а также как это воспримут другие инвесторы?». Во второй задаче ошибка в одном неожиданном событии способна перечеркнуть аккуратный расчёт по истории.
По теме: ИИ для финансового анализа: какие нейросети выбрать для отчетности, акций, Excel и инвестиционного…
Почему удачный тест не доказывает устойчивость прогноза
Систему легко оценить задним числом: выбрать период, подобрать признаки и показать, как алгоритм «предсказал» уже известное движение. Сложнее проверить её на новых данных, при другом состоянии рынка и с реальными издержками на сделки. Поэтому единичный успешный эксперимент с ИИ-портфелем не говорит, что та же схема будет работать дальше.
Виктор Емченко разбирает возможности моделей на рынке и ограничения выводов, которые строятся на короткой истории наблюдений:
На прошлой неделе вышло исследование компании Saturn, о котором написала Financial Times, и цифры там отрезвляющие. Пять самых популярных ИИ-моделей, включая ChatGPT, Claude, Gemini, Copilot и Grok, проверили на более чем 10 000 финансовых вопросов. В среднем неверный ответ давался в 57% случаев. А если вопрос требовал не одного действия, а цепочки расчётов, ошибка возникала уже в 88% случаев, а у некоторых моделей и в 99%.
Что касается акций, на рынке есть и позитивные примеры. Investing.com сообщает, что в сентябре сразу несколько ИИ-стратегий обгоняют S&P 500, а лидер среди них, стратегия Tech Titans, опережает индекс более чем на четыре процентных пункта за месяц. Похожая картина с экспериментом Claude AI — агенту дали $50 000 и одну задачу, обогнать индекс, и за пять месяцев портфель принёс 19% против 12,24% у S&P 500. Правда, живёт эта история чуть больше полугода, и делать долгосрочные выводы пока рано. Но за яркими заголовками не стоит пропускать и то, что не все ИИ-стратегии обогнали S&P 500, а некоторые даже не вышли в плюс.
Что фактически делает ИИ? Просто ищет статистическую закономерность в данных. Но как только паттерн замечают многие участники одновременно, он перестаёт работать, потому что все начинают действовать одинаково. Показательный случай - китайский квантовый фонд High-Flyer, управляющий более чем 10 миллиардами долларов, потерял 15,7% капитала за одну неделю, когда переполненные алгоритмические позиции по моментуму начали резко разворачиваться. При этом есть и обратные истории - ИИ-хедж-фонд 24-летнего Леопольда Ашенбреннера показал доходность выше 1000% и получил инвестиции от Anthropic и Jane Street.
Из своей практики в NPB Markets мы видим, что трейдеры чаще используют нейросети как личный дневник сделок — загружают историю торгов и просят найти закономерности. Среди наших клиентов немало историй, где торговые роботы, разработанные с помощью ИИ, стабильно приносят результат, потому что строятся под конкретную стратегию и постоянно проверяются на реальных сделках, а не просто спрашивают у чат-бота, куда пойдёт цена.
Разумный подход простой. ИИ можно доверить чтение отчётности, поиск закономерностей в своей же торговой истории и первичный отбор идей для проверки. А вот точный прогноз цены или сложные финансовые расчёты, от которых зависят реальные деньги, стоит всегда перепроверять.
Чтобы результат теста имел практический смысл, нужно знать, когда была сформирована идея и какие данные были доступны модели на тот момент. Если в анализ незаметно попала информация, опубликованная позже, это уже не прогноз. Затем стоит учесть комиссии, ликвидность бумаги и то, что частая перестройка портфеля может съесть видимую доходность. Эти проверки не гарантируют будущий результат, но убирают самые очевидные источники самообмана.
По теме: Hyperliquid закрыла рынки Anthropic и OpenAI: что произошло с AI-активами на бирже
Сценарий полезен, если у него есть условия отмены
Вместо запроса «назови цену на 30 ноября» инвестор может попросить три сценария. Например: что изменится при росте выручки, при сохранении нынешней динамики и при ухудшении маржи. Для каждого сценария нужно назвать исходные данные, горизонт, факторы риска и событие, после которого расчёт придётся пересмотреть. Тогда вывод можно проверять по мере появления новой информации.
Ахмад Алханнаш, старший преподаватель Финансового университета, описывает ИИ как инструмент обработки больших массивов данных и поиска закономерностей, но не как систему, способную исключить рыночный риск:
Искусственный интеллект (ИИ) стал передовым инструментом в финансовом секторе. Теперь он способен обрабатывать огромные объемы данных за короткое время, извлекать индикаторы и тенденции, а также помогать в подготовке финансовых отчетов, обобщении информации и анализе показателей деятельности компаний. Он также может создавать модели для прогнозирования движения цен и выявления закономерностей, которые трудно обнаружить с помощью традиционного анализа, а также помогать инвесторам определять секторы или компании, заслуживающие дальнейшего изучения.
Однако эти возможности не означают, что ИИ может гарантировать результаты. Он может неправильно интерпретировать данные, полагаться на неполную или устаревшую информацию, а прогностические модели не могут предвидеть внезапные события, которые могут кардинально изменить рынки. В некоторых случаях система может дать, казалось бы, логичный и убедительный ответ, даже если он неточен.
Таким образом, на ИИ можно полагаться как на инструмент для помощи в составлении отчетов, анализе и выявлении возможностей, но он не заменяет человеческий анализ и финансовую экспертизу. Это различие становится еще более важным, когда речь идет об инвестициях, поскольку ни один алгоритм не может исключить риск или гарантировать направление движения цены. Истинная ценность ИИ заключается в его способности повышать скорость и качество анализа, в то время как окончательное решение по-прежнему требует независимой оценки данных, рисков и экономических условий.
Такой подход не превращает модель в инвестиционного управляющего. Он делает её помощником при подготовке вопросов: что рынок уже знает, какое допущение наиболее уязвимо, какие корпоративные и макроэкономические события нужно отслеживать. Даже если исходные данные точны, готовый ответ модели может быть ошибочным; Investor.gov советует сверять первоисточники перед инвестиционным решением.
Итоговый тест для любого ценового прогноза прост: можно ли восстановить его исходные данные, увидеть допущения и назвать условия, при которых он перестанет действовать? Если нет, точная цифра лишь создаёт ложную определённость. Для первоначального выбора компаний ИИ полезнее применять как инструмент поиска идей, которые затем проходят самостоятельную проверку.
