dumai
ИИarXiv cs.AI

Торговые ИИ не обыграли случайный выбор акций тех же отраслей на прошлых данных

Препринт, ещё не рецензирован · ранние данные

Кратко

Авторы провели 91 пробный запуск шести ИИ на данных за три периода американского рынка. В половине запусков движение рынка и тип выбранных акций объясняли не менее 78% доходности. При этом ИИ надёжно следовали заданным правилам: у одного из них указание держать часть денег наличными сократило долю акций на 30,3 пункта, если измерять долю в процентах. Так было во всех шести парах запусков.

Зачем это знать?

Историческая проверка торговых ИИ показывает, что доходность может отражать движение рынка и выбор определённых типов акций, а не умение находить лучшие из них. Авторы проверяли ИИ на исторических данных, а не в реальной торговле.

Разбор

Авторы проверили решения ИИ на трёх периодах американского рынка: при росте, падении и обвале. Они показывали новостные заголовки не раньше минуты публикации и сравнивали каждый выбор акций со случайным выбором акций той же отрасли в тот же день.

Случайность заметно влияла на итог. Два запуска одной и той же модели, отличавшиеся только случайной настройкой, расходились по доходности в среднем на 5,2 пункта. ИИ покупали акции с самыми позитивными новостями, но при проверке без заголовков зарабатывали столько же.

Ключевые цифры

5,2 пунктаНа столько в среднем различалась доходность двух запусков одной модели, отличавшихся только случайной настройкой.
91 запускСтолько пробных запусков ИИ авторы включили в основную проверку на исторических данных.

Можно ли доверять

Авторы провели 91 запуск шести ИИ на исторических данных и сравнили их выбор со случайным выбором акций той же отрасли в тот же день. Модели могли запомнить часть данных о прошлых годах, а в реальной торговле их здесь не проверяли, поэтому результаты нельзя считать проверкой работы с будущим рынком.

  • Это препринт, ещё не прошедший рецензирование.
  • Результат получен в историческом бэктесте на трёх периодах американского рынка, а не в реальной торговле.
  • Часть периодов могла быть знакома моделям по обучающим данным; для некоторых моделей чистота периода 2026 года неполная.

Пересказано ИИ по научной статье. Это научпоп, а не совет врача. Как это устроено

Источник и детали
ЖурналarXiv (cs.AI)
Дата публикации у нас17 ноября 2026 г.
Дата источника14 ноября 2026 г.
ОригиналОткрыть
АвторыJackson Wang