Разработчик провел исследование жизнеспособности торгового бота на базе больших языковых моделей, предназначенного для работы на криптовалютном рынке. В ходе эксперимента система анализировала новостные заголовки и рыночные данные для принятия решений о покупке или продаже активов. Целью проекта была проверка гипотезы о том, что современные модели способны находить неэффективности рынка и обеспечивать доходность выше рыночной.
Результаты тестирования показали отсутствие статистического преимущества у предложенного алгоритма. Несмотря на способность модели интерпретировать рыночный контекст, итоговая доходность стратегии оказалась сопоставима с показателями случайного выбора или пассивного удержания активов. Основными факторами неудачи стали высокая волатильность рынка, задержки в обработке данных и неспособность модели предсказывать краткосрочные ценовые движения, которые уже заложены в текущую стоимость.
Данный кейс подчеркивает ограничения применения LLM в высокочастотных финансовых операциях, где критически важна скорость исполнения и точность прогнозов. Исследование наглядно демонстрирует разницу между способностью модели к анализу текста и её эффективностью в качестве инструмента для извлечения прибыли в условиях конкурентной рыночной среды. Полученные данные служат важным напоминанием о необходимости тщательного бэктестинга и критического подхода к автоматизированным торговым системам на базе ИИ.