ხელოვნური ინტელექტი – ინსტრუმენტი და არა პანაცეა

ხელოვნურმა ინტელექტმა შეცვალა და მომავალში კარდინალურად შეცვლის ცხოვრების ყველა სფეროს, მათ შორის ფინანსურ ბაზრებს. თუმცა, ხელოვნური ინტელექტი გვთავაზობს, როგორც უპრეცედენტო შესაძლებლობებს, ისე ახალ და რთულ გამოწვევებს.

განსაკუთრებით საშუალო ვადიანი ტრეიდერებისთვის, რომლებიც ხელით აანალიზებენ გრაფიკებს და არ არიან ღრმად გათვითცნობიერებულნი ფუნდამენტურ ანალიზში, ხელოვნური ინტელექტი შესაძლებელია გახდეს მძლავრი ასისტენტი სავაჭრო გადაწყვეტილებების მიღებაში.

ამასთან, ბევრ ტრეიდერს ავიწყდება, რომ ხელოვნური ინტელექტი, როგორებიცაა ChatGPT ან DeepSeek, ვერ შეძლებს ადამიანის ბიოლოგიური ინტელექტის, ბიოლოგიური თანდაყოლილი ან/და შეძენილი ცოდნის, გამოცდილების და ინტუიციის ჩანაცვლებას. განსაკუთრებით საშიშია ამის დავიწყება ზე მოკლე ვადიანი ვაჭრობისათვის (სკალპინგი ან სვინგ-ტრეიდინგი).

როგორც არ უნდა იყოს, ხელოვნურ ინტელექტს ტრეიდინგში იყენებენ როგორც ბაზრის აღიარებული გიგანტები, ისე ჩვეულებრივი ტრეიდერები, ანუ მე და თქვენ.

შესაბამისად, კონკურენცია ხელოვნური ინტელექტის ალგორითმების შემუშავებაში, დანერგვასა და მუდმივად ადაპტაციაში – კოლოსალურია.

სტატიაში ვისაუბრებ, თუ რა როლს ასრულებს ხელოვნური ინტელექტი ტრეიდინგში. გავერკვევით, რამდენად აუცილებელია ხელოვნური ინტელექტის ასისტენტი ჩვენთვის, ასევე მოაქვთ თუ არა მათ რეალურ მოგება.

✅ საუკეთესო ტვინები მილიარდებს გამოიმუშავებენ

ამჟამად OpenAI (ChatGPT-ის დეველოპერი) სამუშაოდ იწვევს/გადმოიბირებს  JPMorgan-იდან, Morgan Stanley-დან, Goldman Sachs-დან და სხვა ფინანსური გიგანტებიდან ყოფილ ანალიტიკოსებს.

მათ ერთი ამოცანა აქვთ – 150$/საათში ხელფასის სანაცვლოდ ასწავლონ AI-მოდელებს ფინანსების გაგება.

ამისთვის, სპეციალისტები წერენ მოთხოვნებს AI-სთვის (ამზადებენ პრომტებს) და ასწავლიან ალგორითმებს, რათა მოდელებმა შეაფასონ ინვესტიციები, იმუშაონ ფინანსურ მაჩვენებლებთან და გამოთვალონ კომპანიების რეალური ღირებულება.

150$/საათში = 1200$/8-საათიანი სამუშაო დღე = 25000$-ზე მეტი/თვეში = 300 000$-ზე მეტი წელიწადში.

დამეთანხმებით, ეს ძალიან კარგი ხელფასია ნებისმიერი კრიტერიუმით. სწორედ ამიტომ, უოლ-სტრიტის მრავალი მაღალი კლასის სპეციალისტი ყოველგვარი ყოყმანის გარეშე გადადის AI-ინდუსტრიაში.

ეს ტრენდი გვიჩვენებს, რომ ხელოვნური ინტელექტი იწყებს იმ სამუშაოს შესრულებას, რასაც ადრე ინვესტიციური ბანკირები ასრულებდნენ. და ეს მომსახურება  უფრო იაფად ჯდება.

როგორც ჩანს, OpenAI ემზადება, როგორც თავისი ფინანსური AI-მრჩეველების ან/და AI-რჩევების გასაყიდად, ასევე ასობით მილიონ და მილიარდ დოლარიანი სავაჭრო ოპერაციების განსახორციელებლად.

ამავდროულად, წამყვანი ბანკები და საინვესტიციო ფონდები იმავეს ასწავლიან თავიანთ AI-მოდელებს და უკავშირდებიან საუკეთესო პროგრამისტებს.

✅ რამდენიმე ყველაზე ცნობილი მაგალითი:

BlackRock იყენებს თავის პლატფორმას Aladdin-ს (“Asset, Liability, Debt and Derivative Investment Network”), როგორც ცენტრალურ ტვინს რისკების მართვის, მონაცემთა ანალიზის და სავაჭრო იდეების გენერირებისთვის.

ძირითადი თავისებურება – აქცენტი კეთდება რისკების მართვასა და გიგანტური, ხშირად პასიური, პორტფელების ოპტიმიზაციაზე, და არა სპეკულაციურ ტრეიდინგზე.

Vanguard ხელოვნურ ინტელექტს და მონაცემთა ვრცელ მასივებს ძირითადად ორი მიზნით იყენებს:

და

სხვათა შორის, აზიის, რუსეთის და ახლო აღმოსავლეთის ქვეყნების მომხმარებლები უკვე მიჩვეულები არიან პერსონალიზირებული ფინანსური მრჩეველების სერვისს  წამყვან ბანკებში, რომლებიც ბროკერულ მომსახურებას უწევენ თავიანთ კლიენტებს.

თუ ვისაუბრებთ ხელოვნურ ინტელექტზე მოკლე ვადიანი და ზე მოკლე ვადიანი სპეკულაციებზე, აქ აღიარებული ლიდერი არის Renaissance Technologies, რომელსაც ეკუთვნის Medallion ფონდი.

ეს ფონდი ერთ-ერთი ყველაზე ცნობილი და წარმატებულია ფინანსურ სამყაროში. მასში გამოიყენება კომპლექსური მათემატიკური მოდელები, სტატისტიკური არბიტრაჟი და მანქანური სწავლება ბაზრებზე მოკლევადიანი არა ეფექტურობების მოსაძებნად.

ამავე კონტექსტში უნდა აღვნიშნოთ DE Shaw & Co., დაარსებული დევიდ შოუს მიერ (დევიდ შოუ – გამოთვლითი ფინანსების სფეროში ერთ-ერთი პიონერი).

ფონდი ცნობილია თავისი სტატისტიკური არბიტრაჟის სტრატეგიებით და მაღალსიხშირული სისტემებით.

✅ AI-ასისტენტი ვაჭრობისთვის

რამდენიმე მაგალითი იმისა, თუ როგორ ეხმარებიან AI-ასისტენტები სავაჭრო გადაწყვეტილებების მიღებაში screen-trader-ებს –  ანუ იმ ტრეიდერებს, რომლებიც გრაფიკებს დამოუკიდებლად, ხელით აანალიზებენ, მაგრამ სურთ გამოიყენონ ხელოვნური ინტელექტი როგორც დამხმარე საშუალება და არა სრულად ავტომატური ტრეიდერის სახით. ამგვარი ასისტენტები შესაფერისია, მათ შორის, ზე მოკლევადიანი ვაჭრობისთვისაც.

✅ AI-ასისტენტი პატერნების მოსაძებნად

AI სკანირებს ასობით ინსტრუმენტს და ავტომატურად აღნიშნავს გრაფიკულ ფიგურებს: დროშა, სამკუთხედი, თავი და მხრები, ორმაგი მწვერვალები. ასევე ასეთი AI-დამხმარე პოულობს მხარდაჭერა/წინააღმდეგობის დონეებს, ტრენდის ხაზებს, ლიკვიდურობის ზონებს.

მაგალითისთვის, შეგვიძლია მოვიყვანოთ CNN-ის ტიპის მოდელი, რომელიც გაწვრთნილია გრაფიკების სურათების ანალიზისთვის. იგი გვაწვდის აქტივების სიას “სუფთა” პატერნებით, შემდგომში  ხელით ანალიზისთვის. ტრეიდერი ხსნის მხოლოდ ამ გრაფიკებს და თავიდან იცილებს ამ პატერნების მრავალსაათიანი  ხანგრძლივი რუტინული ძიების საჭიროებას.

✅ ახალი ამბების AI-ფილტრი უშუალოდ სამუშაო ეკრანზე

Sentiment analysis-ის მოდეული პირდაპირ გრაფიკზე აჩვენებს საინფორმაციო ფონის ინდიკატორს და უახლესი ტვიტების ან სტატიების მოკლე რეზიუმეს ამა თუ იმ აქტივის შესახებ.

მაგალითად, NASDAQ-ზე ვაჭრობისას ეკრანზე გამოისახება: Sentiment +0.72 → საინფორმაციო ფონი პოზიტიურია (ზრდა მოსალოდნელია).

ამრიგად, ტრეიდერი ხედავს მხოლოდ სიახლის კონტექსტს და აღარ გადააქვს ყურადღება თავად სიახლის წაკითხვაზე ჩაღრმავებულ ანალიზზე და დასკვნის გამოტანაზე.

✅ AI-მინიშნებები/რჩევები პოზიციაში შესვლის და გამოსვლის დონეების შესახებ

AI აანალიზებს ლოკალურ ექსტრემუმებს, მოცულობებს და ვოლატილობას, რათა გამოავლინოს პოზიციაში შესვლისა და გამოსვლის  პოტენციური ზონები.

მაგალითისთვის შეიძლება მოვიყვანოთ XGBoost-ზე და volume profile-ზე დაფუძნებული მოდელები, რომლებიც აფასებენ დონიდან ასხლეტის ალბათობას.

ხოლო, ტრეიდერი თავად წყვეტს, რა უნდა გააკეთოს: გახსნას ახალი კონტრტრენდული გარიგება თუ დახუროს მოგებითი პოზიცია, რომელიც ადრე იყო გახსნილი.

✅ მასების ქცევის AI-ანალიზი

(იგულისხმება ხალხთა მასა, ანუ ტრეიდერების მასა)

Screen-trader-ს შეუძლია მიიღოს ანალიტიკა, რომელიც დაფუძნებულია ორდერების ნაკადებზე და რიტეილ ტრეიდერების ქცევაზე.

ალგორითმი აჩვენებს, სად არის კონცენტრირებული სტოპ-ლოსები, ასევე მიიღოს გაფრთხილება შესაძლო “short squeeze” ან “stop hunt” სცენარების შესახებ, რაც ტრეიდერს საშუალებას აძლევს, თავი აარიდოს მასების და მასებისთვის დაგებულ ხაფანგებს.

✅ ხმოვანი ბრძანებების AI-დამხმარე

ტრეიდერი ხმამაღლა ამბობს: “აჩვენე ბოლო სიგნალები EUR/USD-ზე” ან “მონიშნე უახლოესი მოცულობის დონე”. AI (ChatGPT API-ის ან Copilot-ის მეშვეობით) მყისიერად აახლებს ეკრანს და ახდენს გრაფიკის მარკირებას.

✅ ვაჭრობის სტილის ეფექტურობის AI-შეფასება

✅ რას ამბობს ვაჭრობაში AI-ის გამოყენების დაგროვილი გამოცდილება

არსებობს ძალიან საკამათო და დაუსაბუთებელ-დაუდასტურებელი მოსაზრება, რომ AI-მიდგომები აჩვენებენ უკეთეს შედეგებს, ვიდრე ფასების კლასიკური პროგნოზირების მეთოდები.

მაგალითად, პლატფორმა Tickeron აცხადებს, რომ მისმა «AI Trading Agent-მა» დააფიქსირა 90%-მდე მომგებიანი გარიგება და აჩვენა წლიური მომგებიანობა 100%  გარკვეულ აქტივებზე.

პლატფორმა AlgosOne-ის ანალიტიკა იუწყება, რომ AI-ბოტების მოგების საშუალო კოეფიციენტი (win-rate) შეადგენს დაახლოებით 60-80%-ს, მაშინ, როცა screen-ტრეიდერების მომგებიანობა შეადგენს დაახლოებით 40-55%-ს.

მაგრამ ამ ოპტიმისტურ მონაცემებში ჩადებულია ინტერესების ფარული კონფლიქტი, რადგან პლატფორმები ტრეიდერებს შორის პოპულარიზაციას უწევენ საკუთარ AI-მოდელებს.

გარდა ამისა, დამოუკიდებელი კვლევები აჩვენებს, რომ უმარტივესი სტრატეგია რთული AI-ის გამოყენების გარეშე ყოველთვის ჯობნის ცუდად გაწვრთნილ AI-მოდელებს.

ასევე, AI-ბოტების რეალური მომხმარებლური მონაცემები (განსაკუთრებით რიტეილ-ტრეიდერებისთვის) win rate-ს აჩვენებენ დაახლოებით 55-65%-ის დონეზე, რაც გაცილებით ნაკლებია ვიდრე მარკეტინგული ტექსტები გვპირდებიან.

რამდენიმე ხნის წინ ChatGPT5-მა ბირჟაზე მასზე მინდობილი 10 000 დოლარიდან წააგო 65%-ზე მეტი, Gemini 2.5 PRO-მ კი 55%. Claude Sonnet 4.5 – დეპოზიტის 16,5%-მდე ჩამოვიდა, ხოლო Grok 4-მა ნულის ირგვლივ იტრიალა.

ამავდროულად, DeepSeek 3.1-მა 9,6% დაუმატა დეპოზიტს, ხოლო QWEN3 Max-მა მყარი 7,3% მოგიტანა.

როგორც ვხედავთ, ამ ექსპერიმენტში ჩინელებმა გაუსწრეს ამერიკელებს. ეს მანიპულაციაა, კონკურენციაა, მიკერძოებულობაა თუ რეალური შედეგებია – კაცის შვილმა არ იცის.

✅ რეზიუმე

ხელოვნური ინტელექტი — ძლიერი ინსტრუმენტია ტრეიდინგში და იგი დროთა განმავლობაში უფრო და უფრო გაძლიერდება.

იგი ეფექტურია გამოცდილი სპეციალისტების ხელში, რომლებსაც ერთდროულად ესმით როგორც ფინანსების არსი, ისე მანქანური სწავლების პროგრამული არსი.

და ყოველთვის ისე ხდება, რომ ეს საუკეთესო სპეციალისტები – სხვადასხვა ადამიანები არიან, რომლებიც მუშაობენ ერთ გუნდში, რომელთაც ხელფასს უხდიან მსხვილი საინვესტიციო ფონდები ან AI-მოდელების დეველოპერები. პირველები თავისკენ სამუშაოდ იზიდავენ პროგრამისტებს, ხოლო მეორენი კი ფინანსისტებს.

დაახლოებით 50-60%-იანი მოგება, რისი იმედიც თეორიულად შეგვიძლია ვიქონიოთ AI-ის გამოყენებისას, დიდ კომპანიებს სრულიად აკმაყოფილებს, იმ პირობით, რომ მკაცრი რისკ-მენეჯმენტია დაცული.

რაც შეეხება screen-ტრეიდერებს, ანუ ჩვენ, ყოველთვის უნდა გვახსოვდეს, რომ AI  ნამდვილად არ არის ჯადოსნური ჯოხი.

თუ 50-65%-იან win rate-ს განვიხილავთ, მაშინ მომგებიანი გარიგებების ასეთი პროცენტი ხშირ შემთხვევაში შეიძლება ჩვენ არ გვაწყობდეს ერთი მიზეზის გამო: რისკ-მენეჯმენტის დარღვევის მაღალი ალბათობა.

ეს მიდგომა, რომელსაც შეგვიძლია ვუწოდოთ „AI-მოდელების ანსამბლი“, საშუალებას გვაძლევს ერთი სისტემის სუსტი მხარეები ჩავანაცვლოთ სხვა  AI-მოდელების ძლიერი მხარეებით.

და ბოლოს, მიმაჩნია და უკანასკნელ ამოსუნთქვემდე ამ აზრზე ვიქნები, რომ: