Сравнительный тест 8 нейросетей на биржевых данных: почему для трейдинга подходит только одна
Решил устроить жесткий стресс-тест популярным AI-моделям. Задача сугубо прикладная и с четкими математическими границами — найти на фондовом рынке компании под классическую стратегию отката по тренду («Buy the dip»).
Промт был составлен максимально строго, с шестью фильтрами:
— Капитализация: от $5 млрд
— Тренд: цена выше 200 DMA (долгосрочный бычий тренд)
— Коррекция: откат 5–15% от локального пика и тест 50 DMA
— Осциллятор: дневной RSI строго между 40 и 50 (снятие перегрева)
— Фундаментал: рост выручки и EPS год к году (YoY) выше 15%
— Оценка рынка: консенсус-апсайд аналитиков Wall Street от 25%
В битву вступили 8 участников: ChatGPT, Kimi, Claude (Sonnet 5), Perplexity, DeepSeek, Gemini, Qwen (две версии) и Copilot.
Результаты удивили: разброс поведения — от точных скриптов до опасных галлюцинаций и иллюзии правдоподобия.
Главная ловушка для ИИ: синдром отличника
На реальном рынке часто бывает так, что из-за перекупленности или ротации ни одна бумага не подходит под все 6 жестких критериев одновременно.
И здесь модели разделились на три лагеря:
Прагматики-честняги: признают, что точных совпадений нет, и показывают, кто на чем срезался.
Инженеры: пишут код и находят реальные пограничные бумаги в базе.
Галлюцинаторы и симуляторы: любой ценой пытаются выдать красивый список, подгоняя индикаторы и котировки под запрос.
Разбор полетов по участникам
🥇 1 место: Kimi (Инженерный подход через код)
Kimi подошел к задаче как алгоритмический скринер: сам написал скрипт, выгрузил историю цен по пулу из 24 крупных growth-компаний, посчитал формулы RSI по Уайлдеру и точные скользящие средние.
Результат: нашел реальные совпадения (Amazon и Nvidia) и идеально разложил пограничные кейсы (Google отсеялся из-за просадки 15.8% — всего на 0.8% глубже фильтра, TSMC срезалась по RSI 56.9).
🥈 2 место: ChatGPT (Трейдерская логика и риск-менеджмент)
Единственный, кто сразу заявил: при буквальном скрининге всего рынка на последнем закрытии идеальных совпадений нет.
Выкатил «кладбище кандидатов» с причинами отсева: Arista Networks (ANET) идеальна по технике, но апсайд аналитиков лишь 17% вместо 25%; Celestica (CLS) подходила день назад, но отскочила на 5.4% и выбила RSI из диапазона.
🥉 3 место: Claude Sonnet 5 (Гиперответственный параноик)
Claude честно предупредил: «У меня нет терминала для одновременного сканирования 5000 тикеров, а веб-поиск дает несинхронные данные». Врать отказался, проверил Micron, выявил нестыковку и предложил сузить сектор для ручной проверки. Ноль риска дезинформации.
4 место: Perplexity (Честный фактчекинг)
Нашел подходящего гиганта (AMZN), дал прямые ссылки на свежие аналитические сводки и честно признал, что веб-поиск не заменит Bloomberg или TradingView.
Середняки и симуляторы
• Gemini (Убедительная синтетика):
Выдал идеально вылизанную таблицу из 5 бумаг (CRWD, ANET, NOW, AMD, MELI), где все метрики математически подогнаны ровно под условия задачи (RSI 43–48, просадка 8–13%, апсайд строго 25–29%).
Однако при проверке котировок вскрылся рассинхрон с рынком: например, CrowdStrike указан по ~$275 (при реальных ~$206 на закрытии), а AMD — по фантастическим ~$465. Модель продемонстрировала типичную генеративную симуляцию: нарисовала правдоподобную картинку, не опираясь на сырые биржевые базы.
• DeepSeek: честно признал отсутствие совпадений, но не справился с фундаментальными базами данных — оставил много прочерков «н/д» в строках выручки и EPS.
Антигерои: как нейросети сливают депозиты
• Qwen 3.8 Max (Временная петля): нарисовал таблицу с цитатами, но взял котировки двухлетней давности. Выдал Google по $165 (акция уже давно торгуется в районе $300+) и подогнал под эти цены индикаторы. Новичок с таким скринером просто потерялся бы в терминале.
• Microsoft Copilot (Полный провал):
Абсолютный аутсайдер. Собрал в выборку падающие ножи в глубоких даунтрендах. Указал Twilio по $227 (вместо реальных около $100), включил бумагу с апсайдом 17% при фильтре «от 25%», а Aptiv приписал рост EPS на 670%, перепутав разовый бухгалтерский эффект с реальным бизнесом.
Итоговый рейтинг теста
• Kimi: расчет через Python-код | Точность: 10/10 | Пригодность: Высокая
• ChatGPT: глубокий отсев, логика рынка | Точность: 10/10 | Пригодность: Высокая
• Claude: отказ от генерации выдумок | Точность: 8/10 | Пригодность: Осторожная
• Perplexity: поиск с пруфами и ссылками | Точность: 8/10 | Пригодность: Средняя
• Gemini: красивая подгонка, рассинхрон цен | Точность: 6/10 | Пригодность: Только как шаблон
• DeepSeek: логика есть, базы хромают | Точность: 6/10 | Пригодность: Ниже среднего
• Qwen 3.8: смешал котировки прошлых лет | Точность: 3/10 | Пригодность: Опасно
• Copilot: галлюцинации цен, ошибки логики | Точность: 1/10 | Пригодность: Непригоден
Мораль
Если вы используете текстовые нейросети для инвестиций или работы с точными цифрами:
Никогда не верьте моделям, которые слишком легко дают идеальный результат. Если жесткий фильтр выдает пустой экран — это нормальная рыночная ситуация, а не повод дорисовывать цифры.
Для скрининга выбирайте модели с поддержкой исполнения кода (Code Execution) либо перепроверяйте сетапы вручную на графиках в TradingView.
А вы доверяете финансовый ресерч нейросетям или крутите скринеры исключительно вручную?
Подписывайся, если хочешь узнать, как я использую ИИ для инвестиций: пишу код для TradingView, собираю свой домашний Bloomberg на коленке в Google Таблицах и делаю полноценный Equity Research по бумагам на уровне Уолл-стрит.
Ставь плюс, если хочешь, чтобы в следующем посте я показал, как пишу рабочий код для TradingView вообще без навыков программирования.
