سودآوری هوش مصنوعی در بورس؛ برتری در آزمایش چرا تضمین سود نیست؟

جلو زدن یک عامل هوش مصنوعی از سبد مبنا، با اثبات سودآوری آن برای معاملهگر یکی نیست. گزارش تازه Catalyst Bench همین فاصله را مهم میکند: خروجی یک آزمایش را باید با قواعد همان آزمایش خواند، نه بهعنوان مجوز سپردن سرمایه به یک چتبات.
گزارش Fundamental Research Labs در ۱۷ نوامبر ۲۰۲۶ منتشر شد. آزمایش گذشتهنگر آن، ۳۲۰ سهم آمریکایی در هشت بخش را طی ۶ ژوئیه تا ۲ اکتبر بررسی میکند؛ سبدها پول فرضی دارند و تصمیمها هفتگیاند. نویسندگان برای عاملهای مبتنی بر Claude Sonnet 5.5 برتری نسبت به سبد هموزن گزارش میکنند؛ این نتیجه، سود ثبتشده حساب واقعی نیست.
بازده نسبی، همان سود حساب نیست
برای فهم تفاوت، یک مثال صرفاً آموزشی بزنیم: اگر سبد مبنا ۱۰ درصد زیان کند و روش دیگری ۸ درصد زیان بدهد، روش دوم دو واحد درصد بهتر عمل کرده؛ اما صاحب آن همچنان زیان دیده است. این اعداد نتیجه Catalyst نیستند. هدف مثال این است که پیش از خواندن هر تیتر «شکست بازار»، بپرسیم: بهتر از چه چیزی، در چه دورهای و با چه هزینهای؟
خود منبع هم در تعریف مبنا یک ابهام دارد: جدول اصلی از خرید هموزن و نگهداری تا پایان میگوید، اما پیوست B.1 بازتوازن هفتگی را شرح میدهد. بنابراین مقایسه عددی دقیق، بدون روشنشدن این تفاوت، نباید به وعده بازده تبدیل شود.

کدام بخش نتیجه به مدل مربوط است؟
در این مطالعه، مدل داخل سامانه عامل و ابزارهای پژوهش ارزیابی شده، نه صرفاً با یک سؤال در پنجره چت. ناشر پژوهش، سازنده تجاری Shortcut، یکی از محیطهای آزمودهشده، نیز هست. این رابطه نتیجه را خودبهخود باطل نمیکند؛ اما ارزیابی مستقل اهمیت دارد. طبق پیوست، بخشی از برتری نیز با عوامل قیمتی ساده توضیح داده میشود؛ بنابراین همه اختلاف را نباید به فهم گزارشهای مالی نسبت داد.
برای خریدار ابزار، واحد مقایسه باید «خدمت کامل» باشد: دادهای که دریافت میکند، کاری که اجازه انجامش را دارد و خروجی قابلکنترلی که تحویل میدهد. عوضکردن مدل بدون ثابتنگهداشتن این موارد، شبیه مقایسه دو راننده با دو خودرو و دو مسیر متفاوت است. حتی پاسخ درست به یک پرسش مالی، بهتنهایی نشان نمیدهد سامانه میتواند سفارش را درست اجرا یا ریسک کل حساب را مدیریت کند.
این گزارش برای معاملهگر ایرانی چه کاربردی دارد؟
نویسندگان محدودبودن دوره و نمایندهنبودن بخشهای انتخابی برای کل بازار را میپذیرند. نتیجه را نباید بدون آزمون جداگانه به رمزارز، بورس ایران یا معامله کوتاهمدت منتقل کرد.
کاربرد عملی برای خواننده، بهترشدن معیار مطالبه مدرک است، نه انتخاب یک سیگنال. هنگام بررسی ادعای سودآوری هر ابزار، این چهار مورد را جدا بخواهید:
- نوع نتیجه: شبیهسازی، معامله آزمایشی زنده یا حساب واقعی؟ این سه را در یک جدول مخلوط نکنید.
- مبنای مقایسه: سود مطلق حساب و اختلاف با سبد مرجع باید دو عدد جدا باشند.
- قابلیت بازسازی: تاریخ داده، قواعد تصمیم و فرض هزینه باید بهاندازه کافی روشن باشند تا نتیجه قابل بررسی باشد.
- حدود اختیار: تولید گزارش با اجازه اجرای سفارش و جابهجایی پول یکسان نیست. کیفیت متن، دلیل واگذاری اختیار بیشتر نیست.

برای بررسی بخش زمانی آزمون، راهنمای تشخیص نگاه به آینده در بکتست مسیر جداگانه و مرحلهبهمرحلهای دارد. برای انتخاب نقش ابزار نیز راهنمای هوش مصنوعی برای تحلیل و بکتست را ببینید.
پرسش مفید این نیست که «کدام هوش مصنوعی بازار را شکست داد؟»؛ این است که آیا همان نتیجه با قواعد روشن، در شرایط مربوط به کار شما و بدون تکیه بر یک دوره خوشاقبال، تکرار میشود. تا وقتی پاسخ مستند ندارید، فاصله میان نتیجه پژوهش و تصمیم سرمایهگذاری را حفظ کنید.






