Süni intellekti insan zəifliklərindən azad, fond bazarında ideal qazanc maşınına çevirmək arzusu yenidən reallıq sınağından keçə bilməyib. Bəzi əvvəlki tədqiqatlar böyük dil modellərinin və onların əsasında qurulan süni intellekt agentlərinin daha yüksək gəlirlilik və risklərin daha effektiv idarə olunmasını təmin etdiyini göstərsə də, daha ciddi və əhatəli sınaqlar zamanı bu üstünlük yoxa çıxır. The Wall Street Journal süni intellekt modellərinin və agent sistemlərinin daha da mürəkkəbləşdirilməsinin mövcud çatışmazlıqları aradan qaldırmağa niyə kifayət etməyə biləcəyini araşdırıb.
Nə sınaqdan keçirilib?
ABŞ, Böyük Britaniya və Cənubi Koreyadan olan alimlərin apardığı tədqiqatda böyük dil modelləri əsasında qurulmuş bir neçə sistem, o cümlədən FinMem, FinAgent, FinRobot və FinGPT iştirak edib. Bunlar əsasən GPT-4o və ya GPT-4o-mini modelləri üzərində qurulmuş açıq agent sistemləri olub.
Onların nəticələri üç qrup strategiya ilə müqayisə edilib. Birinci qrupa hərəkətli orta göstəricilərin kəsişməsi kimi ənənəvi ticarət strategiyaları, ikinci qrupa ARIMA kimi statistik proqnozlaşdırma modelləri, üçüncü qrupa isə Proximal Policy Optimization (PPO) kimi möhkəmləndirici öyrənmə alqoritmləri daxil olub.
Bundan əlavə, tədqiqatçılar ən sadə investisiya strategiyalarından biri olan “al və saxla” yanaşmasını da sınaqdan keçiriblər. Ümumilikdə bek-testdə 15 strategiya iştirak edib.
Sınaqlar necə aparılıb?
Tədqiqatçılar 2000–2024-cü illər ərzində ABŞ-də ticarət olunan 7 min səhm üzrə məlumatlardan istifadə ediblər. Məlumat bazasına sonradan birjadan çıxarılan şirkətlərin səhmləri də daxil edilib.
Kotirovkalardan başqa, məlumat bazasında təxminən 16 milyon maliyyə xəbəri və şirkətlərin ABŞ Qiymətli Kağızlar və Birjalar Komissiyasına təqdim etdikləri bütün hesabatlar yer alıb.
İlk mərhələdə strategiyaların ticarət aparacağı beş səhm seçilib. Bunun üçün dörd fərqli yanaşmadan istifadə olunub: momentum, volatillik, təsadüfi seçim və FinCon alqoritmi.
Daha sonra 15 strategiyanın hər biri seçilmiş hər bir səhm üzrə 20 illik dövrdə sınaqdan keçirilib.
Tədqiqatçılar sürüşən pəncərələr metodundan istifadə ediblər. Hər ilin sonunda beş səhm üzrə orta nəticələr, o cümlədən gəlirlilik, volatillik, maksimum geriləmə, Şarp və Sortino əmsalları qeydə alınıb. Bundan sonra səhmlərin siyahısı əvvəlcədən müəyyən edilmiş seçim prinsipinə uyğun olaraq yenidən formalaşdırılıb.
Bütün hesablamalarda hər səhm üçün 0,0049 dollar komissiya nəzərə alınıb. Hər sifariş üzrə minimum komissiya isə 0,99 dollar müəyyən edilib. Şarp və Sortino əmsallarının hesablanması üçün risksiz gəlirlilik dərəcəsi illik 3% qəbul olunub.
Böyük dil modelləri əsasında qurulan agentlər üçün əlavə olaraq alfa və beta göstəriciləri hesablanıb, həmçinin onların həddindən artıq aktiv ticarətə nə dərəcədə meylli olduğu qiymətləndirilib.
Bu tədqiqat niyə əhəmiyyətlidir?
Əvvəlki tədqiqatlarda böyük dil modellərinə əsaslanan sistemlərin üstünlüyü çox vaxt cəmi bir neçə il ərzində və bir neçə məşhur şirkətin səhmləri üzərində aparılan bek-testlərlə əsaslandırılırdı.
Bu isə bir neçə ciddi problem yaradırdı.
Birinci problem “sağ qalma qərəzi” idi. Əvvəlki sınaqlara birjadan çıxarılmış səhmlər daxil edilmədiyindən real risklər olduğundan aşağı, gəlirlilik isə olduğundan yüksək görünə bilərdi.
İkinci problem “gələcəyə baxma” qərəzi idi. Model qərar qəbul edərkən həmin tarixdə bazar iştirakçılarına hələ məlum olmayan məlumatlardan istifadə edə bilərdi.
Üçüncü problem həddindən artıq uyğunlaşdırma, yəni overfitting idi. Kiçik məlumat dəsti üzərində öyrədilən model təsadüfi bazar səs-küyünü real qanunauyğunluq kimi qəbul edə bilərdi. Beləliklə, test zamanı əldə edilən yaxşı nəticələrin real bazarda təkrarlanması mümkün olmurdu.
Tədqiqatçılar bek-testlərini bu təhriflərdən mümkün qədər təmizləməklə real bazar şəraitinə daha yaxın nəticələr əldə ediblər.
Nəticə nə olub?
Belə sınaq şəraitində böyük dil modellərinə əsaslanan strategiyaların üstünlüyü yoxa çıxıb.
Bu sistemlər yüksələn bazarda həddindən artıq ehtiyatlı, enən bazarda isə həddindən artıq aqressiv davranıblar. Nəticədə böyük dil modelləri əsasında qurulan strategiyalar digər iştirakçıların demək olar ki, hamısından geri qalıb.
Üstəlik, modellərin mürəkkəbliyi üstünlük deyil, maneəyə çevrilib. Süni intellekt sistemləri statistik səs-küyü mürəkkəb şəkildə təhlil etməyə çalışdığı halda, daha sadə alqoritmlər əsas bazar siqnallarına fokuslanıb.
Ən diqqətçəkən nəticələrdən biri isə “al və saxla” strategiyası ilə bağlı olub.
Yüksələn bazarda aktiv idarəetmə strategiyalarının heç biri ən sadə “al və saxla” yanaşmasını üstələyə bilməyib.
Üfüqi hərəkət edən bazarda bu strategiya liderlərdən cüzi fərqlə üçüncü yeri tutub.
Yalnız enən bazar şəraitində aktiv idarəetmə daha yaxşı nəticə göstərib. Lakin burada da üstünlük böyük dil modellərinə əsaslanan strategiyalara deyil, digər aktiv ticarət yanaşmalarına məxsus olub.
