AI Trading: ਪਬਲਿਕ ਟੈਸਟਾਂ ਵਿੱਚ ਫੇਲ੍ਹ! ਅਸਲੀ ਮੁਨਾਫੇ ਵਾਲੀਆਂ ਰਣਨੀਤੀਆਂ ਗੁਪਤ?

ਏਆਈ ਟਰੇਡਿੰਗ ਟੈਸਟਾਂ ਵਿੱਚ ਵੱਡਾ ਘਾਟਾ

ਪਬਲਿਕ ਏਆਈ ਟਰੇਡਿੰਗ ਮੁਕਾਬਲਿਆਂ, ਜੋ ਕਿ ਏਆਈ ਦੀ ਟਰੇਡਿੰਗ ਸਮਰੱਥਾ ਨੂੰ ਪਰਖਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਨ, ਵਿੱਚ ਬਹੁਤ ਮਾੜੇ ਨਤੀਜੇ ਸਾਹਮਣੇ ਆਏ ਹਨ। ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਜੇ ਮਨੁੱਖੀ ਫੰਡ ਮੈਨੇਜਰਾਂ ਦੀ ਥਾਂ ਲੈਣ ਲਈ ਤਿਆਰ ਨਹੀਂ ਹੈ। Alpha Arena ਵਰਗੇ ਟੈਸਟਾਂ ਵਿੱਚ, ਅੱਠ ਮੁੱਖ ਏਆਈ ਸਿਸਟਮਾਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ Google's Gemini ਅਤੇ OpenAI's ChatGPT ਸ਼ਾਮਲ ਹਨ, ਨੂੰ $10,000 ਦੀ ਪੂੰਜੀ ਦਿੱਤੀ ਗਈ ਸੀ ਤਾਂ ਜੋ ਉਹ ਦੋ ਹਫ਼ਤੇ ਲਈ ਅਮਰੀਕੀ ਟੈਕ ਸਟਾਕਾਂ ਵਿੱਚ ਟਰੇਡ ਕਰ ਸਕਣ। ਇਨ੍ਹਾਂ ਸਾਰੇ ਟੈਸਟਾਂ ਵਿੱਚ, ਏਆਈ ਪੋਰਟਫੋਲੀਓ ਨੇ ਲਗਭਗ ਆਪਣੀ ਸ਼ੁਰੂਆਤੀ ਪੂੰਜੀ ਦਾ ਇਕ ਤਿਹਾਈ ਹਿੱਸਾ ਗੁਆ ਦਿੱਤਾ। 32 ਟਰੇਡਿੰਗ ਸਥਿਤੀਆਂ ਵਿੱਚੋਂ, ਸਿਰਫ਼ ਛੇ ਹੀ ਮੁਨਾਫੇ ਵਾਲੀਆਂ ਸਨ, ਜੋ ਕਿ ਏਆਈ ਦੀ ਮੌਜੂਦਾ ਟਰੇਡਿੰਗ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਸਖ਼ਤ ਤਸਵੀਰ ਪੇਸ਼ ਕਰਦੀਆਂ ਹਨ। ਇੱਕ ਮੁੱਖ ਸਮੱਸਿਆ ਬਹੁਤ ਜ਼ਿਆਦਾ ਟਰੇਡਿੰਗ (over-trading) ਸੀ; ਇੱਕ ਏਆਈ ਨੇ ਇੱਕੋ ਹਦਾਇਤ ਨਾਲ 1,418 ਟਰੇਡ ਕੀਤੇ, ਜਦੋਂ ਕਿ ਦੂਜੇ ਨੇ ਬਹੁਤ ਘੱਟ 158 ਟਰੇਡ ਕੀਤੇ। ਇਹ ਅਨੁਸ਼ਾਸਨ ਦੀ ਕਮੀ ਅਤੇ ਪੁਜ਼ੀਸ਼ਨ ਸਾਈਜ਼ ਜਾਂ ਸਮੇਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਵਿੱਚ ਅਸਮਰੱਥਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਏਆਈ ਦੀਆਂ ਮੁਸ਼ਕਲਾਂ ਮਨੁੱਖੀ ਫੰਡ ਮੈਨੇਜਰਾਂ ਵਰਗੀਆਂ

ਇਹ ਏਆਈ ਪ੍ਰਦਰਸ਼ਨ ਉਸੇ ਤਰ੍ਹਾਂ ਹੈ ਜਿਵੇਂ ਜ਼ਿਆਦਾਤਰ ਮਨੁੱਖੀ ਫੰਡ ਮੈਨੇਜਰ ਵੀ ਬਾਜ਼ਾਰ ਇੰਡੈਕਸਾਂ ਨੂੰ ਹਰਾਉਣ ਲਈ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਨ। ਏਆਈ ਮਾਡਲਾਂ ਨੇ ਵੱਖ-ਵੱਖ 'ਵਿਅਕਤਿਤਵੇਂ' ਦਿਖਾਏ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕੁਝ ਲੰਬੇ ਸਮੇਂ ਦੀਆਂ ਪੁਜ਼ੀਸ਼ਨਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਸਨ, ਕੁਝ ਸ਼ਾਰਟ-ਸੇਲਿੰਗ ਕਰਦੇ ਸਨ, ਅਤੇ ਕੁਝ ਉੱਚ ਲੀਵਰੇਜ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਨ, ਜਿਸ ਲਈ ਮਨੁੱਖੀ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਵਾਂਗ ਉਨ੍ਹਾਂ ਦੇ ਆਊਟਪੁੱਟ ਦੇ ਸਰਗਰਮ ਪ੍ਰਬੰਧਨ ਦੀ ਲੋੜ ਪੈਂਦੀ ਸੀ। Nof1 ਦੇ ਸੰਸਥਾਪਕ, ਜਿਸ ਨੇ Alpha Arena ਚਲਾਇਆ, ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਏਆਈ ਮਾਡਲਾਂ ਨੂੰ 'ਸਫਲ ਹੋਣ ਦਾ ਮੌਕਾ ਦੇਣ ਲਈ ਇੱਕ ਬਹੁਤ ਹੀ ਸੂਖਮ ਸੈੱਟਅੱਪ ਅਤੇ ਡਾਟਾ ਪਲੇਟਫਾਰਮ ਦੀ ਲੋੜ ਹੈ।' ਇਹ ਸਿਰਫ਼ ਏਆਈ ਮਾਡਲ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਵਿਆਪਕ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਵੀ ਉਜਾਗਰ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਏਆਈ ਪੈਟਰਨ ਲੱਭਣ ਅਤੇ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡਾਟਾ ਪ੍ਰੋਸੈਸ ਕਰਨ ਵਿੱਚ ਚੰਗਾ ਹੈ, ਇਹ ਜਨਤਕ ਟੈਸਟਾਂ ਇਸ ਦੀਆਂ ਮੌਜੂਦਾ ਸੀਮਾਵਾਂ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ, ਜਿਸ ਵਿੱਚ ਬਾਜ਼ਾਰ ਦੀਆਂ ਸੂਖਮਤਾਵਾਂ ਨੂੰ ਸਮਝਣਾ, ਟਰੇਡਾਂ ਦਾ ਗਲਤ ਸਮਾਂ ਨਿਰਧਾਰਨ ਕਰਨਾ, ਅਤੇ ਜੋਖਮ ਦਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ।

ਅਸਲ ਏਆਈ ਵਰਤੋਂ: ਫਰਮਾਂ ਦੇ ਅੰਦਰ, ਜਨਤਕ ਟੈਸਟਾਂ ਵਿੱਚ ਨਹੀਂ

ਇਨ੍ਹਾਂ ਪ੍ਰਯੋਗਾਤਮਕ ਅਸਫਲਤਾਵਾਂ ਦੇ ਉਲਟ, ਸਥਾਪਿਤ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਧਿਆਨ ਨਾਲ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ, ਅਕਸਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਟਰੇਡਿੰਗ ਡੈਸਕ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਦੀ ਬਜਾਏ ਮਨੁੱਖਾਂ ਦੀ ਮਦਦ ਕਰਨ ਲਈ। JPMorgan Chase & Co. ਅਤੇ Balyasny Asset Management ਵਰਗੀਆਂ ਫਰਮਾਂ ਖ਼ਬਰਾਂ ਨੂੰ ਪੜ੍ਹਨ, ਮੀਮੋ ਲਿਖਣ ਅਤੇ ਧੋਖਾਦੇਹੀ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਰਗੇ ਕੰਮਾਂ ਲਈ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ, ਪਰ ਟਰੇਡਿੰਗ ਦਾ ਪ੍ਰਬੰਧਨ ਅਜੇ ਵੀ ਮਨੁੱਖਾਂ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹੈੱਜ ਫੰਡ ਅਤੇ ਪ੍ਰੋਪਰਾਈਟਰੀ ਟਰੇਡਿੰਗ ਫਰਮਾਂ ਵੀ ਖੋਜ, ਟਰੇਡਿੰਗ ਸਿਗਨਲ ਲੱਭਣ ਅਤੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ, ਪਰ ਆਮ ਤੌਰ 'ਤੇ ਸਖ਼ਤ ਨਿਗਰਾਨੀ ਹੇਠ। ਉਦਾਹਰਨ ਲਈ, Man Group ਦਾ AlphaGPT ਟਰੇਡਿੰਗ ਵਿਚਾਰ ਤਿਆਰ ਕਰਦਾ ਹੈ ਅਤੇ ਟੈਸਟ ਕਰਦਾ ਹੈ, ਪਰ ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ। ਏਆਈ ਨੇ ਫੋਕਸ ਕੀਤੇ, ਡਾਟਾ-ਭਾਰੀ ਕੰਮਾਂ ਵਿੱਚ ਵਧੇਰੇ ਭਰੋਸੇਯੋਗ ਸਫਲਤਾ ਦਿਖਾਈ ਹੈ, ਜਿਵੇਂ ਕਿ ਅਰਨਿੰਗ ਅਨੁਮਾਨਾਂ ਦੀ ਦਿਸ਼ਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ, ਜਿੱਥੇ OpenAI's ChatGPT ਨੇ Q4 2025 ਵਿੱਚ 68% ਸਮੇਂ ਲਈ ਸਹੀ ਕੰਮ ਕੀਤਾ। ਏਆਈ ਦੇ ਹੁਨਰਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਨਵੇਂ ਬੈਂਚਮਾਰਕ ਵੀ ਦਿਖਾਈ ਦੇ ਰਹੇ ਹਨ।

ਆਟੋਨੋਮਸ ਏਆਈ ਟਰੇਡਿੰਗ ਨੂੰ ਕਿਉਂ ਆਉਂਦੀਆਂ ਹਨ ਰੁਕਾਵਟਾਂ?

ਕਈ ਮਹੱਤਵਪੂਰਨ ਚੁਣੌਤੀਆਂ ਏਆਈ ਦੀ ਸਿੱਧੀ ਟਰੇਡਿੰਗ ਲਈ ਵਿਆਪਕ ਵਰਤੋਂ ਨੂੰ ਰੋਕਦੀਆਂ ਹਨ। ਟੈਸਟਿੰਗ ਵਿੱਚ ਇੱਕ ਮੁੱਖ ਸਮੱਸਿਆ 'ਲੁੱਕਅਹੈੱਡ ਬਾਇਸ' ਹੈ, ਜਿੱਥੇ ਏਆਈ ਮਾਡਲ ਸਿਮੂਲੇਸ਼ਨਾਂ ਦੌਰਾਨ ਭਵਿੱਖ ਦੀਆਂ ਘਟਨਾਵਾਂ ਨੂੰ ਜਾਣਦੇ ਹਨ। ਇਹ ਪਿਛਲੇ ਨਤੀਜਿਆਂ ਨੂੰ ਅਵਿਸ਼ਵਾਸ਼ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਲਾਈਵ ਮਾਰਕੀਟ ਟੈਸਟਿੰਗ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਏਆਈ ਟਰੇਡਿੰਗ ਸਿਸਟਮਾਂ ਨੂੰ ਪ੍ਰੋਡਕਸ਼ਨ-ਰੇਡੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸਿਰਫ਼ ਰੌ ਮਾਡਲ ਇੰਟੈਲੀਜੈਂਸ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਸਪੀਡ, ਬ੍ਰੋਕਰ ਕਨੈਕਸ਼ਨ ਅਤੇ ਮੋਨੀਟਰਿੰਗ 'ਤੇ ਵੀ ਧਿਆਨ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਮਾਹਰ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਕੋਈ ਵੀ ਏਆਈ ਟਰੇਡਿੰਗ ਬੋਟ ਜੋ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਫਾਇਦਾ ਦਿਖਾਉਂਦਾ ਹੈ, ਉਹ ਸੰਭਵ ਤੌਰ 'ਤੇ ਗੁਪਤ ਰੂਪ ਵਿੱਚ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ, ਜਿਸਨੂੰ ਵਿਸ਼ੇਸ਼ ਟਰੇਡਿੰਗ ਫਰਮਾਂ ਦੁਆਰਾ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਪ੍ਰੋਪਰਾਈਟਰੀ ਤਕਨੀਕਾਂ ਦੁਆਰਾ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਜਨਤਕ ਤੌਰ 'ਤੇ ਟੈਸਟ ਕੀਤੇ ਗਏ ਮਾਡਲ ਸੰਸਥਾਈ ਸਫਲਤਾ ਨੂੰ ਦੁਹਰਾਉਣ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹਨ। ਅਧਿਐਨ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਮਜ਼ਬੂਤ ਸਮਝ ਹੁਨਰ ਵਾਲੇ ਏਆਈ ਮਾਡਲ ਵੀ ਗੁੰਝਲਦਾਰ ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਸੰਘਰਸ਼ ਕਰ ਸਕਦੇ ਹਨ, ਜੋ ਕਿ ਵਿੱਤੀ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਇੱਕ ਜ਼ਰੂਰੀ ਕਦਮ ਹੈ। ਨਾਲ ਹੀ, ਕਈ ਏਆਈ ਮਾਡਲ 'ਬਲੈਕ ਬਾਕਸ' ਹੁੰਦੇ ਹਨ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੀ ਫੈਸਲਾ ਲੈਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੁੰਦੀ, ਜਿਸ ਨਾਲ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਸੰਬੰਧੀ ਗੰਭੀਰ ਚਿੰਤਾਵਾਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ। ਲਾਗਤ ਅਤੇ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿਚਕਾਰ ਸਮਝੌਤਾ ਵੀ ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਚੁਣੌਤੀ ਬਣੀ ਹੋਈ ਹੈ।

ਵਿੱਤ ਵਿੱਚ ਏਆਈ: ਮਨੁੱਖਾਂ ਦੀ ਮਦਦ ਕਰਨਾ, ਉਨ੍ਹਾਂ ਨੂੰ ਬਦਲਣਾ ਨਹੀਂ

ਮੌਜੂਦਾ ਜਨਤਕ ਏਆਈ ਟਰੇਡਿੰਗ ਪ੍ਰਯੋਗ, ਭਾਵੇਂ ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਹੋਣ, ਏਆਈ ਦੀ ਅੰਤਿਮ ਟਰੇਡਿੰਗ ਸੰਭਾਵਨਾ ਦਾ ਨਿਰਣਾ ਕਰਨ ਲਈ ਬਹੁਤ ਸੀਮਤ ਦਾਇਰੇ ਅਤੇ ਮਿਆਦ ਦੇ ਹਨ। ਇਹਨਾਂ ਟੈਸਟਾਂ ਵਿੱਚ ਅਕਸਰ ਪ੍ਰੋਪਰਾਈਟਰੀ ਖੋਜ ਤੱਕ ਪਹੁੰਚ ਨਹੀਂ ਹੁੰਦੀ ਅਤੇ ਸੰਸਥਾਈ ਖਿਡਾਰੀਆਂ ਨਾਲੋਂ ਮਾੜੀ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਸਮਰੱਥਾ ਹੁੰਦੀ ਹੈ। ਜਦੋਂ ਕਿ ਏਆਈ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਖੋਜ ਵਿੱਚ ਸੁਧਾਰ, ਕੰਮਾਂ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ, ਅਤੇ ਉੱਨਤ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਦਾਨ ਕਰਕੇ ਵਿੱਤੀ ਉਦਯੋਗ ਨੂੰ ਬਦਲ ਰਿਹਾ ਹੈ, ਸਿੱਧੀ ਟਰੇਡਿੰਗ ਵਿੱਚ ਇਸਦੀ ਭੂਮਿਕਾ ਇੱਕ ਵਿਕਾਸਵਾਦੀ ਪ੍ਰਕਿਰਿਆ ਜਾਪਦੀ ਹੈ। ਆਮ ਰਾਏ ਇਹ ਹੈ ਕਿ ਏਆਈ ਮਨੁੱਖੀ ਨਿਰਣੇ ਅਤੇ ਸਿਰਜਣਾਤਮਕਤਾ ਨੂੰ ਵਧਾਉਣ ਲਈ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਾਧਨ ਵਜੋਂ ਕੰਮ ਕਰੇਗਾ। ਇਹ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਅਤੇ ਪੋਰਟਫੋਲੀਓ ਮੈਨੇਜਰਾਂ ਨੂੰ ਵਧੇਰੇ ਡਾਟਾ ਪ੍ਰੋਸੈਸ ਕਰਨ, ਬਿਹਤਰ ਪ੍ਰਸ਼ਨ ਪੁੱਛਣ, ਅਤੇ ਸਮਾਰਟ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਅਤੇ ਰਣਨੀਤੀ ਨੂੰ ਬਦਲਦਾ ਹੈ। ਸੱਚੀ ਏਆਈ ਟਰੇਡਿੰਗ ਸਫਲਤਾ, ਜਦੋਂ ਇਹ ਆਵੇਗੀ, ਸੰਭਵ ਤੌਰ 'ਤੇ ਸੂਖਮ ਕੁਆਂਟੀਟੇਟਿਵ ਫੰਡਾਂ ਦੇ ਅੰਦਰ ਇੱਕ ਅਦਿੱਖ, ਪ੍ਰੋਪਰਾਈਟਰੀ ਫਾਇਦੇ ਵਜੋਂ ਦਿਖਾਈ ਦੇਵੇਗੀ, ਜੋ ਜਨਤਕ ਨਜ਼ਰ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹੋਵੇਗੀ।