تربية الكركند وتداول الأسهم، هل هو "علم" أم "غيبية"؟

【عمق】تربية الروبيان في تداول الأسهم، هل هو “علمي” أم “فلسفي”؟

مؤخرًا، أصبحت “تربية الروبيان” (نشر، تدريب، واستخدام وكيل الذكاء الاصطناعي مفتوح المصدر OpenClaw) حديث الجميع على الإنترنت، حيث تدفق العديد من المستثمرين للمشاركة في هذه الموجة الحارة.

لاحظت صحيفة界面 أن النقاشات حول “تداول الأسهم باستخدام الروبيان” على وسائل التواصل الاجتماعي أصبحت أكثر حيوية مؤخرًا، حيث أعجب البعض بكفاءة وسهولة تتبع السوق على مدار 24 ساعة باستخدام “الروبيان”، بينما عبر آخرون عن استيائهم قائلين: “استخدام الروبيان في التداول، تكاليف الرموز token تتجاوز الرسوم بأكثر من 10 مرات”، وبدأ آخرون في الاستفسار عن حالة OpenClaw، وهناك من شكك في أمان وموثوقية “تداول الأسهم باستخدام الروبيان”…

منذ أن حقق DeepSeek نجاحًا كبيرًا العام الماضي، بدأ المزيد من المستثمرين في سوق الأسهم الصينية (A股) في تجربة طرق مختلفة لاحتضان الذكاء الاصطناعي، لكن تجاربهم العملية كانت متفاوتة جدًا.

المستثمر تشن شو (اسم مستعار) كان يتنقل بين عدة منصات لنماذج الذكاء الاصطناعي الكبرى بحثًا عن “كلمة سر الثراء”، لكنه خسر حوالي 20% من رأس ماله خلال سوق صاعدة، وقالت: “كل إخلاص يُنفق بلا جدوى”.

بالنسبة لقائد فريق التحليل الكمي في جنوب الصين، تشين بينغ (اسم مستعار)، فإن “الرفيق” الذكي يُعد أداة “سحرية” للبحث والاستثمار، حيث زادت كفاءته بمضاعفات عديدة.

كيف يظهر الذكاء الاصطناعي حاليًا في سيناريوهات التداول؟

كفاءة، ولكنها ليست دائمًا موثوقة

عند مواجهة مشكلة، أصبح أول رد فعل لدى هه فنغ (اسم مستعار)، وهو من المستثمرين في قوانغدونغ، هو “التحقق بسرعة” عبر “Doubao” (منصة استعلام).

سواء كانت أخبارًا عاجلة أو مفاهيم جديدة، عادةً ما يستغرق الأمر دقيقة أو دقيقتين للحصول على إجابة مبدئية، وإذا رأى ضرورة التعمق، يغير كلمات البحث وأساليب السؤال، وبعد بضع دقائق، يحصل على إجابة أكثر توافقًا مع توقعاته، وهو أمر “سهل المنال”.

قبل ظهور نماذج الذكاء الاصطناعي الكبرى، كان هه فنغ يحتاج إلى وقت كبير لتصفح مواقع الأخبار، المنتديات، ووسائل التواصل الاجتماعي، وجمع المعلومات الكافية، ثم يدمجها ويحللها بنفسه ليصل إلى إجابة مرضية.

يحب تشين بينغ دمج نموذج اختيار الأسهم الكمي الخاص به مع نماذج الذكاء الاصطناعي الكبرى.

يختار نموذج الأسهم يوميًا مجموعة من الأسهم تلقائيًا بناءً على تدفقات الأموال، ودرجة حرارة السوق، واتجاهات السعر والحجم، ثم يعيد تصفيتها بناءً على أساسيات الشركات، والمواضيع الساخنة، وغيرها، ليحدد الهدف النهائي. مع مساعدة الذكاء الاصطناعي، تقل مدة العمل اليدوي في تصفية الأسهم من 3-5 ساعات إلى 30-50 دقيقة، مما يضاعف الكفاءة.

بالإضافة إلى ذلك، أثناء كتابة أو تعديل نماذج اختيار الأسهم، يختار تشين بينغ أحيانًا أن يترك بعض المهام البسيطة للذكاء الاصطناعي.

“الكفاءة” هي الكلمة التي يتبادر إلى أذهان الكثير من المستثمرين عند الحديث عن تداول الأسهم باستخدام الذكاء الاصطناعي، فهناك أكثر من 5000 شركة مدرجة في سوق الأسهم الصينية، وتُحدث أنواع المعلومات المالية على مدار الساعة، واستخراج الجزء المطلوب من هذه الكميات الهائلة من البيانات يتجاوز قدرات أي مستثمر فردي، وهذه الأعمال المعقدة تعتبر “سهلة جدًا” على الذكاء الاصطناعي.

لكن العديد من المصادر التي استُطلعت منهم أشاروا إلى أن غالبًا ما تكون الإجابات التي يقدمها نماذج الذكاء الاصطناعي غير موثوقة.

على سبيل المثال، عند سؤال النموذج عن علاقة سهم معين بموضوع معين، غالبًا ما يحصل على إجابة تبدو منطقية جدًا، لكن الكثير من المحتوى يكون غير قائم على حقائق.

كما يذكر المستثمرون أن طلب من النموذج أن يبحث عن أعلى 10 أسهم بأقل نسبة PE في السوق، في الواقع، يكتفي بجمع بيانات من عدة أسهم ويعطي إجابة، وبعض البيانات قد تكون من سنوات سابقة أو حتى خاطئة.

كما يظهر “الرفيق” الذكي أحيانًا شخصية “مُرضية” جدًا، فمثلاً إذا سألته “هل A أفضل من B؟”، سيقدم لك العديد من المعلومات لدعم هذا الرأي، وعندما تسأله عكس ذلك “هل B أفضل من A؟”، سيكرر نفس الأسلوب ويقدم أدلة داعمة. وإذا طلبت منه تحليل صناعة معينة ثم استفسرت عن القطاعات التي تستحق الاهتمام الآن، غالبًا ما تكون تلك القطاعات التي ذكرها سابقًا ضمن القائمة.

تقريبًا جميع من استُطلعت آراؤهم واجهوا ظاهرة “هلوسة الذكاء الاصطناعي” أثناء استخدام نماذج الذكاء الاصطناعي في التداول، حيث تبدو الإجابات معقولة وشاملة، لكنها في الواقع تتضمن الكثير من الحقائق والبيانات والأحداث التي لا وجود لها، وأحيانًا تتعارض مع المبادئ الأساسية للمعرفة، وتُعد نوعًا من “الهراء” الجاد.

في مجال الاستثمار، أي خطأ في القرار قد يؤدي إلى خسائر حقيقية، وهذه الظواهر تخلق مشكلات أخرى، فبينما يحتاج المستثمرون فقط بضع دقائق للحصول على إجابة من النموذج، فإنهم يقضون أضعاف ذلك الوقت في تصحيح أو مراجعة إجابات الذكاء الاصطناعي، أو يضطرون إلى تعديل أساليب استفساراتهم باستمرار لمحاولة الحصول على إجابة أكثر موثوقية.

أين المشكلة؟

بدأت تشن شو باستخدام نماذج الذكاء الاصطناعي الكبرى بعد أن علمت أن شركة DeepSeek تعتمد على “فانغ فانغ” (نموذج كمي قوي جدًا).

تُعلن العديد من صناديق التحوط الكمية الرائدة عن استثمارها في مجال الذكاء الاصطناعي، لكن القليل من الناس يفهمون حقًا الدور الذي يلعبه الذكاء الاصطناعي في قرارات الاستثمار الخاصة بهذه الشركات، ومدى تأثيره على العائدات، وكمية التداول عالي التردد التي تساهم في ذلك.

وفقًا لمصدر من إحدى الصناديق الرائدة في شنغهاي، فإن مجرد سؤال النموذج الذكي بشكل بسيط أثناء التداول يختلف تمامًا عن الاستثمار الكمي الذي يطبق تقنيات الذكاء الاصطناعي بشكل حقيقي.

عادةً، يُعد الاستثمار الكمي وسيلة تعتمد على نماذج رياضية، وطرق إحصائية، وبرامج حاسوبية، لتحل محل الحكم الشخصي في اتخاذ قرارات الاستثمار، وتتميز بانضباط عالٍ، وبيانات مدفوعة، وتوزيع محفظة متنوع، وإدارة مخاطر صارمة.

بالنسبة لمعظم المستثمرين العاديين الذين يستخدمون نماذج الذكاء الاصطناعي في عملياتهم، فإن الأمر في جوهره لا يختلف عن اتخاذ القرارات النهائية بواسطة الإنسان، ولا يزال ينتمي إلى نطاق الاستثمار الذاتي، وغالبًا ما يكون حجم الحيازات محدودًا جدًا، مما يصعب تنويعها بشكل كافٍ لمواجهة المخاطر الناتجة عن أخطاء الذكاء الاصطناعي.

من ناحية أخرى، هناك فرق جوهري بين النماذج العامة مثل Doubao، Qianwen، وDeepSeek، والنماذج الذكية التي تطورها صناديق التحوط الكمية بشكل خاص.

وفقًا لمعلومات界面، فإن الصناديق الكمية تركز بشكل رئيسي على ثلاثة عناصر أساسية في الذكاء الاصطناعي: البيانات، القدرة الحاسوبية، والخوارزميات، وتزيد من استثماراتها في هذه المجالات باستمرار.

يُشير محللون إلى أن البيانات هي أساس تدريب نماذج الذكاء الاصطناعي، وفي مجال الاستثمار المالي، تعتبر البيانات عالية الجودة، الواقعية، المحدثة، والكاملة ضرورية جدًا، بينما تعتمد النماذج العامة على بيانات نصية أكثر، وتفتقر إلى كمية كافية من البيانات المالية عالية الجودة.

أما من ناحية القدرة الحاسوبية، فبالرغم من أن الاستثمارات في الأجهزة الخاصة بالنماذج العامة قد تتجاوز بكثير تلك الخاصة بالصناديق الكمية، إلا أن نطاق عملها أوسع، وبالتالي حجم التدريب أكبر.

وفيما يخص الخوارزميات، فإن الصناديق الرائدة تتبع غالبًا نمط “الابتكار الذاتي”، حيث تتشابه خوارزمياتها الأساسية مع تلك المستخدمة في النماذج العامة، لكن عمليات التخصيص والتعديل تختلف تمامًا، وغالبًا ما تكون الخوارزميات الأساسية سرًا من أسرارها، ويصعب الكشف عنها للعامة.

كما أشار المصدر إلى أن بعض شركات الوساطة وغيرها من المؤسسات تعمل على تطوير نماذج ذكاء اصطناعي مخصصة للقطاع المالي، لكن رغم تركيزها على المجال المالي وامتلاكها لبيانات مالية حديثة، فإن أبحاثها في مجال النماذج الذكية تواجه قيودًا من حيث القدرة الحاسوبية والتوافق مع اللوائح، مما يصعب عليها تلبية توقعات المستثمرين بشكل كامل.

“حتى لو كانت النماذج الذكية العامة تختلف تمامًا عن النماذج الكمية، فهذه الأخيرة تجمع بين العديد من معارف الاستثمار، فلماذا لا تقدم نصائح استثمارية أكثر منطقية مثل تلك التي يقدمها كبار المستثمرين؟” تساءل العديد من المستثمرين، بمن فيهم تشن شو، عن هذا الأمر.

وفي رد على ذلك، قال ران يوي، من المستثمرين في تشنغدو، في مقابلة مع界面: “قد لا يكون طلب دقة البيانات من المستثمرين الذاتيّين صارمًا مثل المستثمرين الكميين، لكن قراراتهم لا تزال تعتمد على بيانات حديثة وموثوقة، وغالبًا ما تكون البيانات التي يجمعها النموذج العام غير محدثة أو مشوشة، والاعتماد على هذه البيانات في التحليل غير موثوق.”

وأضاف: “المشكلة الأهم أن النماذج الذكية العامة تفتقر إلى نظام استثمار متكامل. كل استراتيجية استثمار لها خصائصها وظروف السوق التي تناسبها، ومن منظور استراتيجي مختلف، قد تكون نتائج شراء أو بيع سهم معين مختلفة تمامًا. فمثلاً، من وجهة نظر المستثمرين على المدى المتوسط والطويل، قد يكون السهم فرصة جيدة للشراء، بينما يراه المستثمرون على المدى القصير جدًا أنه يجب بيعه. على الرغم من أن النماذج تعلمت العديد من استراتيجيات الاستثمار، إلا أنها تفتقر إلى بيانات تطبيقية داعمة، مما يصعب عليها فهم المنطق الحقيقي وراء كل استراتيجية واختلافاتها.”

هل من الأفضل أن نُعطي النموذج الذكي إطار واستراتيجيات كبار المستثمرين، ونطلب منه أن يجيب وفقًا لمنطقهم؟

جرب تشين بينغ ذلك، ورفض الفكرة، حيث يرى أن ما يُعطى للنموذج هو فقط الآراء والمنطق التي يعلنها كبار المستثمرين علنًا، وغالبًا ما يكون هؤلاء لم يعبروا عن كامل استراتيجياتهم أو لم يستطيعوا، بالإضافة إلى أن أنظمة استثمارهم تتطور باستمرار مع تغير ظروف السوق.

وحتى لو استطاع النموذج أن يقدم نصائح استثمارية أكثر منطقية، هل يلتزم المستثمرون فعلاً بتنفيذها بدقة؟

الجواب غالبًا لا.

التعاون بين الإنسان والآلة هو الاتجاه السائد

كيف يمكن للمستثمر العادي أن يستخدم النموذج الذكي بكفاءة، رغم أنه فعال لكنه قد لا يكون دائمًا موثوقًا؟

قالت تشن شو، بعد أكثر من عام من التجربة، إن الاعتماد الكامل على الذكاء الاصطناعي غير ممكن، ويجب أن يبني المستثمر نظامه الخاص.

مؤخرًا، أوقفت تداولاتها الحية، وقررت أن تركز على تعلم المزيد من المعرفة الاستثمارية، وعندما تتقنها، ستعيد بدء استثماراتها. وخلال هذه الفترة، اكتشفت جانبًا جديدًا من النماذج الذكية، وهو: “قدرتها على تحليل النصوص مذهلة، فهي ممتازة في البحث وتلخيص المعلومات الاستثمارية!”

أما تشين بينغ، الذي يقيّم النموذج بشكل إيجابي، فيقول إنه خلال مرحلة جمع المعلومات، يكون أداء الذكاء الاصطناعي أسرع بكثير من الإنسان، لذلك يمكن الاعتماد عليه أكثر في هذه المرحلة؛ وفي مرحلة التحليل، هو أيضًا أكثر كفاءة، لكنه قد يخطئ أحيانًا، لذا يمكن تحسين النتائج عبر تغيير أسلوب السؤال وإضافة تلميحات؛ أما قرار الاستثمار، فهو أكثر تعقيدًا وأهمية، ويجب أن يتخذ الإنسان قراراته بشكل شخصي.

يرى المشاركون أن المستقبل سيشهد تطور نماذج الذكاء الاصطناعي بشكل تدريجي، وسيظهر العديد من النماذج المتخصصة في المجال المالي، لكن الذكاء الاصطناعي لن يحل محل الإنسان تمامًا، بل سيظل أداة مساعدة، وسيظل التعاون بين الإنسان والآلة هو الاتجاه السائد.

من ناحية، فإن نماذج الذكاء الاصطناعي تُدرب بواسطة البشر، ويحدد البشر مقدار القدرة الحاسوبية المستخدمة، والبيانات التي تُقدم، والخوارزميات التي تُعتمد، وهذه كلها قرارات بشرية، وعلى الأقل في المستقبل القريب، لن تتمكن النماذج من العمل بشكل مستقل تمامًا دون سيطرة بشرية.

تبحث نماذج الذكاء الاصطناعي عادة عن أنماط في البيانات التاريخية، لكن السوق المالي لا يتكرر بشكل بسيط، فـ"الطائر الأسود" (الأحداث غير المتوقعة) يمكن أن يحدث في أي وقت، والنماذج تفتقر بطبيعتها إلى القدرة على التعامل مع مثل هذه السيناريوهات، لذلك من الصعب أن يوجد “وكيل” شامل في مجال الاستثمار.

من ناحية أخرى، من الناحية التقنية، قد يكون من الممكن في المستقبل أن يتفوق الذكاء الاصطناعي على الإنسان في التداول، لكن هناك مخاطر كثيرة تجعل من غير المحتمل أن نمنح جميع القرارات للذكاء الاصطناعي.

على سبيل المثال، التماثل في الاستراتيجيات هو مشكلة معروفة، فكلما زاد عدد المؤسسات والمستثمرين الذين يستخدمون بيانات وأساليب متشابهة لتدريب النماذج، زادت احتمالية ظهور استراتيجيات متشابهة، مما يؤدي إلى تزايد التداول التماثلي، ويزيد من تقلبات السوق، ويهدد الاستقرار النظامي.

أيضًا، تتميز نماذج الذكاء الاصطناعي بخصائص “الصندوق الأسود”، حيث يصعب تتبع عمليات اتخاذ القرار، وإذا حدث خطأ، فإن النموذج لا يتحمل المسؤولية، ويصعب تحديد ما إذا كانت عوامل بشرية قد أثرت على النتائج. وإذا تم تفويض كامل للذكاء الاصطناعي، فهناك خطر أن يتحكم بعض الجماعات في النموذج ويستخدمه للتلاعب بالسوق، مما يصعب اكتشافه والسيطرة عليه. لذلك، من وجهة نظر تنظيمية، من المرجح أن تقتصر تطبيقات الذكاء الاصطناعي في المجال المالي على نطاق محدود، بهدف الحد من المخاطر.