Московская биржа проанализировала эффективность ИИ-агентов на виртуальных торгах, созданных командами участников MOEX AI Hackathon. Результаты показали, что большинство ИИ-агентов смогли показать доходность выше индекса Мосбиржи на виртуальных торгах. Такой вывод следует из результатов исследования офиса развития искусственного интеллекта Московской биржи (есть у «РБК Инвестиций»).

За период проведения состязания индекс Мосбиржи снизился на 3,7% — с 2589,83 (открытие 28 мая) до 2493,18 по состоянию на 10 июня 15:00 мск. Однако на фоне снижающегося рынка сразу 36 из 39 ИИ-агентов смогли показать результат лучше рынка, и только три агента продемонстрировали доходность ниже бенчмарка.

«За две недели торгов топ-5 ИИ-агентов показали доходность от 1,3% до 3,9%, их торговый оборот составил от 829 тыс. до 28,7 млн виртуальных рублей», — следует из результатов.

Директор по инновационному развитию искусственного интеллекта Московской биржи Даниил Наумов подчеркнул, что результаты были зафиксированы на коротком горизонте, поэтому говорить об их устойчивости пока рано.

«MOEX AI Hackathon подтвердил потенциал ИИ-агентов как нового класса участников рынка, но показал, что положительный результат на коротком отрезке времени еще не означает, что агент нашел устойчивое торговое преимущество, он мог удачно «угадать», — отметил он.

По словам Наумова, для устойчивого результата необходимы специализированная инфраструктура и единый протокол взаимодействия.

Выводы исследования планируется использовать при разработке стандартов рыночной инфраструктуры для безопасной интеграции автономных систем в биржевые торги. В частности, Московская биржа намерена создать машиночитаемый слой данных, AI-протокол и систему верификации ИИ-агентов.

Какие факторы повлияли на результаты ИИ-агентов

При определении победителей организаторы учитывали не только итоговую доходность и торговый оборот, но и уровень автономности ИИ-агента при принятии решений, прозрачность алгоритмической логики, качество риск-менеджмента и используемых данных.

Учитывая все эти критерии, победителем стала команда, чей ИИ-агент показал шестое место по доходности (0,9%), но в то же время продемонстрировал наиболее сбалансированную архитектуру.

Анализ результатов показал, что частое совершение сделок негативно сказалось на результатах, и наиболее убыточными оказались ИИ-агенты, совершавшие максимальное количество сделок. Один из аутсайдеров выполнил около 7,7 тыс. сделок при обороте 1,8 млрд виртуальных рублей.

Лидеры рейтинга, напротив, действовали более избирательно, и их торговый оборот составил от 13 млн до 40 млн виртуальных рублей.

Еще одним фактором успеха стала способность ИИ-агентов учитывать новостной фон при принятии инвестиционных решений. Если сообщения СМИ или корпоративные события противоречили техническим индикаторам, агент отказывался от сделки или менял позицию, отмечают авторы исследования. Такой механизм использовали все пять команд, занявшие первые места, — их ИИ-агенты анализировали более 30 RSS-лент (технология автоматического получения обновлений с сайтов) и новостных источников, применяли алгоритмы верификации данных для минимизации галлюцинаций и ранжировали информацию по уровню доверия.

Кроме того, две трети ИИ-агентов использовали сразу несколько источников сигналов — рыночные данные, технические индикаторы, новостной фон и корпоративные события.

Одна из лидирующих команд также воспроизвела внутри ИИ-агента структуру, напоминающую инвестиционный комитет: в нее вошли модель машинного обучения (ML-модель), специализированные LLM-слои для обработки новостей и рыночных данных, а также роли аналитика, критика, стратега, валидатора и риск-менеджера.

«Современный биржевой ИИ-агент должен представлять собой гибридную систему», — отмечают авторы исследования. По их оценке, исполнительская часть сохраняет принципы классического алгоритмического трейдинга, тогда как принятие решений все чаще строится на сочетании языковых моделей, анализа новостей и механизмов внутренних дебатов, которые позволяют критически оценивать гипотезы и обосновывать каждую сделку.

Какую роль для итогового результата сыграл риск-менеджмент

Как показал анализ архитектур ИИ-агентов, в половине случаев риск-параметры своевременно ограничивали избыточный оборот и пресекали агрессивные торговые стратегии, напрямую влияя на результаты торговли.

В то же время в 20% решений риск-контур носил формальный характер и не влиял на логику принятия решений. Так, у ИИ-агента, занявшего последнее место в рейтинге, модуль риск-менеджмента, несмотря на корректную реализацию, имел «декоративную функцию» и не мог повлиять на совершаемые сделки. В результате агент выполнил почти 7,7 тыс. сделок и потерял большую часть виртуального бюджета на комиссиях.

Среди наиболее распространенных рискованных сценариев авторы исследования называют торговлю ради увеличения оборота, чрезмерную частоту сделок, агрессивное использование капитала, отсутствие лимитов убытков и неоправданно узкие уровни стоп-лосс и тейк-профит (автоматические заявки для ограничения убытка и фиксирования прибыли соответственно).

Как сейчас используется ИИ на финансовом рынке

Участники финансового рынка также активно внедряют ИИ-технологии в свою работу. В конце прошлого года брокер «ВТБ Мои Инвестиции» внедрил сервис инвестирования на основе ИИ. Алгоритм адаптируется под индивидуальный профиль каждого инвестора и сам совершает сделки.

Мосбиржа планирует в этом году запустить индекс, который будет рассчитываться искусственным интеллектом. По словам главы торговой площадки Виктора Жидкова, главная цель задумки — сравнить подход, наработанный регулятором, биржей и рыночными аналитиками, с подходом к составлению бенчмарка ИИ.

Технологию на базе искусственного интеллекта готовит и Банк России. В конце октября прошлого года руководитель службы по защите прав потребителей и обеспечению доступности финансовых услуг Банка России Михаил Мамута в эфире РБК Радио сообщал, что регулятор намерен протестировать специализированного ассистента на базе искусственного интеллекта. По словам Мамуты, ИИ-ассистент будет анализировать и объяснять простым языком содержание договоров к финансовым продуктам. Позднее пилот этого проекта был запущен на площадке ассоциации «Финтех».