AI 交易员“海选”惨败：华尔街的“面试”揭示了什么？
如果你以为交给AI几亿美元，它就能在华尔街横冲直撞、轻松赚钱，那你可能想错了。彭博社最近披露了一个令人意外的测试结果：在多家对冲基金和自营交易公司组织的“选拔赛”中，大量AI交易机器人表现糟糕，不仅没能跑赢市场，甚至大部分处于亏损状态。这个结果之所以值得关注，因为它撕开了“AI万能论”的浪漫面纱，向市场展示了从“大模型”到“真金白银”之间那道难以逾越的鸿沟。
“海选”现场：多数AI未能通过压力测试
这场“选拔”并非简单的回测游戏，而是将AI直接送入模拟真实市场环境、甚至部分实盘的“试训场”。报道指出，参与选拔的AI算法主要是基于深度强化学习和大语言模型构建的交易智能体，它们被期望通过模式识别来预测股价走势并执行交易。然而，结果相当惨淡：超过六成的AI机器人在测试周期结束时录得净亏损，只有极少数的算法能够勉强达到交易公司设定的最低风险调整后收益门槛。
华尔街策略师评论称，这些AI模型在历史数据上表现完美，但一旦面对突发事件、市场情绪骤变或流动性枯竭等“黑天鹅”场景，其决策逻辑迅速崩溃。一些机器人甚至在测试中出现了“高频刷单”行为，不仅没有盈利，反而贡献了惊人的交易手续费。
数据“甜区”与真实世界的鸿沟
为何在实验室里风光无限的AI，到了华尔街的“复试”环节就失灵？核心原因在于“分布漂移”。AI模型本质上是在寻找历史数据中的重复规律，但金融市场是一个动态博弈的复杂系统，对手盘是同样越来越聪明的机构和算法。当AI的决策逻辑被市场对手发现并反向利用时，其原有的优势便会迅速消失。
此外，测试中暴露出的另一个关键问题是“过度自信”。交易公司发现，很多AI模型缺乏对自身不确定性的校准能力。它们能给出精确到小数点后四位的买卖价位，却无法回答“这个预测有几分把握”。当市场走势与模型预期相悖时，AI不仅不会止损，反而会加剧杠杆押注，结果导致单笔巨额亏损。因此，尽管大语言模型能让AI理解财报和新闻，但将其转化为可靠的交易信号，依然是全行业面临的巨大挑战。
AI暂时取代不了交易员，但未来已来
这次“海选”的失败，并不意味着AI在金融交易领域毫无价值。恰恰相反，它划出了一条明确的边界：AI擅长的是在重复性、高信号/噪声比、规则清晰的领域提升效率；而在需要全局判断、反身性思考和风险敬畏的决策层面，人类交易员的经验依然不可或缺。
包括Two Sigma、DE Shaw在内的头部量化机构已经调整策略：不再试图让AI完全替代交易员，而是将其作为辅助工具，用于行业信号筛查、监控市场异常以及自动化执行小额订单。这次选拔的真正意义在于提醒整个行业——在将最核心的资产（资本）交给AI之前，我们不仅需要更好的模型，更需要一套能够识别“AI何时犯错”的容错机制。
对投资者而言，或许最稳妥的AI策略不是让它“做决策”，而是让它“做助手”。毕竟，在华尔街这场永无止境的选拔中，活得久的，才永远是赢家。
