有感而发，聊聊 AI 给 Trading 带来的到底是什么？ 我个人会更倾向于四个方面： - 信息的快速提炼与反馈（Information Acceleration) - 意图的无偏解析与微观执行（Agentic Brokerage) - 策略的零门槛生成与分发（Strategy Democratization) - 能力的规模化复制与克隆（Paradigm Distillation) 而要理解 AI 为什么是在这四个维度，而不是在预测未来价格、做更好的交易员上掀起变革，我想先拉长视角，回顾交易与资管形态在历史上的三次范式转移： TradFi Trading 到 On-Chain Trading 再到 AI Trading —--------------- 传统的交易/资管为什么倾向于是一个黑盒？ 传统金融里资管的逻辑，最典型的模式就是GP与LP的组合。GP通常需组建专业团队，从交易员、到研究员、到工程师、法务、财务等等，并形成了经典的”2+20”模式，收取2%的管理费，用于维持庞大团队的日常运转，并拿取20%的业绩提成，当 GP 真正为 LP 创造了超过基准的 Alpha 时， 从中攫取奖励，实现双方利益绑定。 在这套模式中，Alpha 收益是 LP 独享的，且 GP 的策略本身对 LP 也是不完全透明的，因此想要获取超额收益，必须要成为 LP，而这一切可以成立的前提： 1）策略具有强烈的排他性 为了保证边际收益，需要有一整套机制去保护策略不被泄漏或抄袭。一旦交易模式公开，不仅容量会被稀释，而且会被对手盘抢跑，导致 Alpha 衰减乃至彻底失效。 2）组织本质是一个信用抵押物 投资人买的不单单是策略，更是对手方的履约保证。一家沉淀了品牌成本的机构、一个可被起诉的法律实体，加上第三方审计与专业托管，构成了最基础的信任壁垒。 3）策略本身不可验证且高度保密 外部人无从知晓，LP 也无法确切知道策略底层的具体细节，任何人都无法轻易随意复刻相应策略，这奠定了“必须成为 LP 才能获取收益、并为此付费”的商业基础。 —--------------- On-Chain 改变了交易的什么，但为何只剩 Beta? 2020 年 DeFi 浪潮，将无许可（Permissionless）、非托管（Non-custodial）、代码即法律（Code is Law）基因带入了资管领域。人们看到用智能合约去改变 GP/LP 那套昂贵且笨重模式的可能性，即，把原本需要靠专业团队、法律实体、审计与托管才能维持的信任，全部打包写进代码里， @SetProtocol @enzymefinance 这些都是当时链上资管/金库的先锋协议，但最终都没有真正意义上成长为能与传统资管抗衡的规模化生态。 为什么？ 因为智能合约虽然推翻了传统的信任成本，但透明度也使得 Alpha 无所遁形。理论上来说，一个策略市场能够真正成立并良性运转，在微观上必须满足两个核心条件： 条件 A（买方动力）： 买方认为付费购买/跟随策略的收益 > 不付费。 条件 B（卖方动力）： 卖方觉得把策略公开/分发的收益 > 自己使用。 在完全透明的智能合约或链上账本中，策略的持仓变动、交易逻辑与实时挂单是全网暴露的。聪明的资金（买方）根本不需要向策略作者缴纳管理费或业绩提成，完全可以通过监控链上Vault 的交易行为或异动，进行实时抄单乃至抢跑，条件 A 被破坏。 对顶尖交易员来说，Alpha 极其脆弱且具有排他性。一旦将策略逻辑写进透明的链上，不仅源代码和参数会暴露无遗，而且成千上万的资金同时响应同一个链上信号，会迅速引发滑点踩踏与策略容量稀释，导致 Alpha 的消失。 在这双重打击下，这批协议遭遇了严重的逆向选择： 真正有 Alpha 的顶级交易员拒绝上链；而留存在链上 Vault 里的，大多只能是一些不需要保密、也没有 Alpha 可言的纯 Beta 类策略，如指数基金、杠杆代币、简单的 Yield Farming 策略等。这也是为何，今天你即便看到他们中的一些仍旧存活，但基本都是不太怕被抄袭的被动型产品了，侧重点也变成了自动化执行，而非 Alpha。 链上 Vault，直到后来模块化借贷盛行，才又重新发展。 但这也算是后话了。 —--------------- Copy Trading：不是资管产品，但避开了透明度悖论 另一个最近几年才衍生出的跟单交易，在各类 CEX 和 On-Chain Social Trading App 中屡见不鲜，这种模式反倒又很好的 PMF，你可以说是因为KOL本身就有流量，自带分发属性，也可以说交易者真金白银入局，知行合一，天然更能够赢得跟单者的信任。 但更本质的原因，我觉得在于它某种程度上满足了散户的核心心理需求：寻找倾诉对象与情绪价值，即，在充满随机性与巨幅波动的金融市场中，绝大多数散户既缺乏独立研究的能力，也无法承受独立决策带来的巨大焦虑，而跟单交易恰好提供了一个心理避风港。 因此，跟单交易严格意义上并不算一个金融资管产品，而更多是一个买方消费情绪与人设，卖方出卖流量与暴富叙事的情感与流量交易平台。只是在这种模式下： 卖方无需公开源策略与微观逻辑，Alpha 不会被直接抄袭抢跑，同时也多了一份跟单分成收入；买方则更多是信任 “人设” 而非 “策略” 本身。只是这种模式恰好绕过了之前链上 Vault 因极致透明而导致的逆向选择，因此在商业上取得了不小的成功，但也碰到了新的局限性： 1）生物精力的瓶颈 依赖操盘手个人的看盘精力。面对 24/7 不休市、高波动的 Crypto 市场，人类物理上无法做到全天候无死角的覆盖，极易因为疲劳、情绪失控或单边执念造成亏损。 2）严重的滑点踩踏 当大量账户在同时间响应操盘手的某一笔交易时，系统的 API 延迟与订单流冲击会导致巨大的跟单滑点，最终呈现出带单老师实盘盈利，跟单粉丝账户被割的滑稽局面。 —--------------- 那么 AI 来了之后，你会去跟单一个 AI 模型吗？ 就我个人的理解来说，很难。 就像前文所说，跟单交易的底层驱动力不是单纯的收益期望，还有散户不想独立决策、渴望跟大佬同车的安全感。买方消费的是交易员的人设、战绩以及在波动中同舟共济的情绪价值。如果只是面对一个冰冷的号称能预测未来的 AI 模型，散户很难产生情感共鸣。 并且大概率，LLM 也不会是一个好的交易员， 因为所有的大语言模型本质上只是基于海量历史文本和数据的概率拟合，而金融市场是一个典型的二阶混沌系统，当一种能获利的交易模式被识别并成为一种公共预期，这种反馈本身就会改变参与者的博弈行为与市场的微观结构，导致原有的规律和 Alpha 失效。这就是金融的“反身性”，也是为什么不存在一劳永逸的交易策略。 所以回到我们开头的问题， AI 给 Trading 带来的究竟是什么呢？ 我会更倾向于把它作为一种基础设施，去把顶级交易员的能力、经验与逻辑进行无损复制与克隆，以 24/7 的无偏理性去修补人类与传统资管的局限性，即依然是人的影子与智慧，只是这个智慧被 AI 赋予了更强的交付载体。 这具体体现在四个维度： 1）信息的快速提炼与反馈（Information Acceleration) 每天爆炸式涌现的海量非结构化数据（推特、研报、链上突发异动、宏观新闻），人类交易员无法实时进行消化和反应，也容易产生认知过载，而 AI 的优势恰好在于信息搜集和快速反应。主要切这个维度的项目我看到的是 @newsliquidX 其内核是 real-time news → AI 给新闻打"市场影响分" → 转成 signal ，主打信息差抢跑。 2）意图的无偏解析与微观执行（Agentic Brokerage） 传统的券商更多只是一个通道，只负责接收指令，无法理解交易员背后的真实意图，也无法对复杂的市场做出动态响应，AI 可以改变这一现状。主要切这个维度的是 @get_truenorth 它的内核是用海量的真实金融数据、盘面上下文与历史交易记录对专用模型进行深度微调，让交易终端不再是一个被动的订单传送器，而是一个能听懂你意图，也了解你风险偏好和目标的智能助手，还能帮你去做执行，你用得越多，它也越了解你。 3）策略零门槛生成/分发（Strategy Democratization) 过去，构建一个严谨的量化策略（从策略撰写、因子挖掘到历史数据回测）是少数量化团队的特权， AI 与 Vibe Coding 的出现则帮助普通交易者跨过了这一门槛。交易者用自然语言表达想法，AI 就能将其转化为可执行的策略代码并完成回测校验，让人人皆可量化成为现实。主要切这个维度的是 @minara 不仅实现了策略生成的平民化，也利用可信环境封装执行，不泄露策略源代码。 4）能力的规模化复制与克隆（Paradigm Distillation) 顶级交易员的逻辑、看盘直觉、仓位管理与风控范式极其宝贵，但受限于生物体力的极限，且无法规模化复制。目前看到在切这个的是 @questflow 其内核是让交易员将自己的策略和范式蒸馏并拟合为专属的 AI Agent，主打交易员能力与经验的规模化外溢，实现 24/7 不间断的盘面盯防与无偏执行，与人类交易员同台竞技。 —--------------- AI 是不是在给资管/交易，提供一种更优解？ 在实际演进的过程中，上述项目也并不局限于单一维度，而是大概率会随着业务的深入转向多维度交叉，因为在金融博弈中，信息、意图、策略分发与范式复刻本身就不是相互割裂的，而且它本身也很像是一套连续的演进过程： 从最初让 AI 帮你在海量信息中快速响应，到让它精准理解你对海量信息的处理方式和微观意图，并完成对你策略的执行；再到当你验证出高胜率策略后，借由 AI 进行低门槛分发变现，扩大你的资金体量；最终，将你的交易范式完全蒸馏为 Agent，实现 24/7 规模化复制扩张。 这是不是就是一种更优解？ 而在金融这个数据量极大、反馈极即时的领域，似乎天然就适合 AI 去优化。密集且即时的交易信号，让专用模型能以极高效率完成自我迭代；同时数据量大也意味着单个用户依靠自己或者依赖 Vibe Coding 规模不经济，比不上第三方平台摊薄这部分成本来的划算。 - 传统 GP/LP 模式成本高昂、笨重 - On-Chain 策略透明度悖论杀死 Alpha，最终流于 Beta - Copy Trading 突破不了人类生物精力的极限 AI Trading? 还刚刚开始
LLMs can't trade & higher reasoning doesn't help. we ran SOTA models for a 2y period. TL;DR: they suck & reasoning doesn't help. - no model comes close to simple static baseline - more reasoning ≠ better trading - when losing money Sol trades less instead of better details 👇
· 1.6K Views
