Kết quả của cuộc thi làm dấy lên câu hỏi liệu các mô hình AI có thể thay thế những chuyên gia tài chính trong tương lai hay không.

Mô hình AI nào đầu tư lãi nhất?

Mới đây, Phố Wall đã chứng kiến một cuộc so tài chưa từng có: Giải Alpha Arena 1.5 do trung tâm nghiên cứu Nof1.ai tổ chức, nơi các mô hình AI hàng đầu thế giới cạnh tranh khả năng đầu tư chứng khoán hiệu quả nhất.

Giải đấu được xem như một phép thử liệu rằng các mô hình ngôn ngữ lớn (LLM) có thể thay thế những chuyên gia đầu tư, nhà quản lý quỹ trong tương lai hay không.

Mỗi mô hình được cấp 10.000 USD và được thả trực tiếp vào thị trường chứng khoán Mỹ ngoài đời thực. Thử thách đặt ra là: giao dịch như một chuyên gia trong vòng 2 tuần, hoàn toàn không có sự can thiệp của con người.

Mọi chiến lược, quyết định, điểm cắt lỗ và tính toán đều do AI tự vận hành, không có gợi ý từ kỹ sư, không có nút can thiệp khẩn cấp.

Khi cuộc thi khép lại vào ngày 3/12, chỉ có duy nhất một mô hình tạo ra lợi nhuận, đó là Grok-4.20 của tỷ phú Elon Musk, do xAI phát triển. Mô hình này dẫn đầu với mức sinh lời 12,11%, biến khoản vốn 10.000 USD thành khoảng 12.200 USD.

Tất cả các đối thủ còn lại - gồm GPT-5.1 của OpenAI, Gemini-3-Pro của Google, DeepSeek-Chat-V3.1 của High-Flyer Quant, Qwen3-Max của Alibaba, Kimi-K2 của Moonshot AI và Claude Sonnet 4.5 của Anthropic - đều nhận về khoản thua lỗ. Mô hình về chót mất hơn một nửa số vốn.

Kết quả cuộc thi làm dấy lên câu hỏi liệu Grok chiến thắng vì nó thực sự giỏi hơn, hay chỉ đơn giản là may mắn hơn? Liệu chúng ta đang tiến tới một tương lai nơi các mô hình AI có thể thay thế được các chuyên gia phân tích?

Kết quả cuộc thi Alpha Arena 1.5 cho thấy Grok-4.20 là mô hình duy nhất tạo ra lợi nhuận. 

Mỗi AI có một phong cách đầu tư

Trước khi đối đầu trên thị trường chứng khoán, những mô hình AI này đã tham gia một cuộc thi khác: giao dịch Bitcoin và Ethereum qua hợp đồng phái sinh. Mỗi mô hình cũng được cấp 10.000 USD vốn ban đầu, với toàn quyền tự chủ trong quyết định giao dịch và không có sự can thiệp của con người.

Tuy nhiên, kết quả cuộc thi tiền mã hoá hoàn toàn khác so với sàn đấu chứng khoán.

Mô hình chiến thắng cuối cùng là Qwen3-Max của Alibaba. Qwen3-Max đạt mức sinh lời 22,32% trên thị trường crypto, nhưng sau đó lại mất gần 30% trong cuộc thi giao dịch cổ phiếu. Sự chênh lệch này cho thấy một thực tế đáng suy ngẫm: ngay cả cùng một hệ thống AI cũng có thể hành xử và đạt hiệu quả hoàn toàn khác nhau tùy theo loại tài sản.

Phân tích sau cuộc thi mang lại hiểu biết sâu hơn về “tính cách đầu tư” của từng mô hình. Chẳng hạn, Qwen3-Max thể hiện phong cách kỷ luật, tần suất giao dịch thấp, chỉ thực hiện 43 giao dịch trong cuộc thi crypto. Mô hình này chỉ sử dụng đòn bẩy cao khi tín hiệu thị trường đủ rõ ràng, thường dựa vào các chỉ báo kỹ thuật quen thuộc và kiểm soát rủi ro chặt chẽ. Ngược lại, DeepSeek-V3.1 ưa chuộng danh mục đa dạng, đòn bẩy trung bình và thời gian nắm giữ dài hơn - phản ánh logic của một quỹ phòng hộ định lượng.

Theo ThinkChina, những mô hình khác bộc lộ nhiều khiếm khuyết. Claude quá thận trọng để tạo ra lợi nhuận đáng kể. Grok-4 giao dịch theo đà tăng rất quyết liệt nhưng thiếu các điểm cắt lỗ hiệu quả. Gemini-2.5-Pro thực hiện tới 238 giao dịch, liên tục bán khống trong những điều kiện bất lợi. Trong khi đó, GPT-5.1 ra quyết định chậm và các lệnh đi ngược xu hướng thường xuyên, dẫn tới thua lỗ nặng.

Dù tiếp cận cùng một dữ liệu thị trường, các mô hình AI này lại cho ra những kết quả rất khác nhau - không phải do may rủi, mà do logic nội tại được “lập trình cứng” trong kiến trúc mô hình.

Kết quả của cuộc thi khiến các chuyên gia trong ngành đưa ra cảnh báo.

Một chuyên gia trong lĩnh vực AI định lượng tại Trung Quốc nhận định rằng thành công ngắn hạn như vậy có thể chỉ mang tính ngẫu nhiên, và chưa đủ để chứng minh tính khả thi dài hạn. Quan trọng hơn, quá trình ra quyết định của các mô hình vẫn cực kỳ khó hiểu. Trong những thị trường biến động nhanh hoặc chịu tác động của nhiều yếu tố, chỉ một sai lệch nhỏ trong diễn giải dữ liệu cũng có thể dẫn đến các giao dịch phi lý - đặt ra thách thức nghiêm trọng cho công tác kiểm soát rủi ro.

Công thức đầu tư của AI

Để hiểu cách AI thực sự kiếm tiền trên thị trường, chuyên gia công nghệ Yang Yang đã đưa ra một phép so sánh sinh động: hãy coi AI như một đầu bếp. Việc nó có thể tạo ra một “bữa tiệc” sinh lời hay không phụ thuộc vào 3 nguyên liệu - thuật toán, năng lực tính toán và dữ liệu.

Thuật toán là công thức nấu ăn, quyết định cách thông tin được xử lý và cách các quyết định được đưa ra. Năng lực tính toán là dụng cụ nhà bếp: công cụ càng nhanh, càng mạnh - chẳng hạn như hàng nghìn GPU cao cấp - thì AI càng “nấu” nhanh và chính xác. Dữ liệu là danh sách nguyên liệu: giá cổ phiếu, báo cáo lợi nhuận, báo chí, thảo luận trên mạng xã hội. Dữ liệu càng mới và đa dạng, bữa ăn càng ngon. Nếu dùng nguyên liệu lỗi thời hoặc “ôi thiu”, ngay cả thuật toán tốt nhất cũng chỉ cho ra kết quả rác.

Hiện nay, sự tiến hóa của AI trong lĩnh vực tài chính đang diễn ra chóng mặt.

Năm 2018, các LLM hầu như chỉ trả lời được những câu hỏi đơn giản như “Ngày mai thời tiết thế nào?”. Đến năm 2020, chúng bắt đầu phân tích được báo cáo lợi nhuận. Năm 2022, chúng đánh giá tác động của tin tức và cảm xúc lên giá tài sản.

Ngày nay, các mô hình hàng đầu có thể tiếp nhận dữ liệu đa phương thức - văn bản, biểu đồ, hình ảnh, thậm chí cả video - và tổng hợp chúng như một chuyên gia tài chính chỉ trong vài phút.

Theo ông Yang Yang, quy trình ra quyết định đầu tư diễn ra qua 3 giai đoạn: thu thập, phân tích và quyết định. Trong giai đoạn thu thập, AI không thu thập dữ liệu một cách ngẫu nhiên mà xây dựng các “mạng lưới liên kết”. Chẳng hạn, khi phân tích cổ phiếu Tesla, AI không chỉ xem xét các chỉ số của riêng Tesla, mà còn dữ liệu về nhà cung ứng, đối thủ, thay đổi chính sách và tâm lý toàn cầu đối với xe điện. Trong khoảng mười phút, AI có thể tập hợp một mạng lưới hiểu biết mà một nhà phân tích con người phải mất nhiều ngày.

Tiếp theo là giai đoạn phân tích, trong đó yếu tố then chốt là khả năng suy luận nhân quả. Tại đây, các mô hình AI rất dễ nhầm lẫn giữa tương quan và nguyên nhân - một trong những rủi ro lớn nhất của tài chính định lượng. Vì vậy, các nhà nghiên cứu đang huấn luyện AI để phân biệt đâu chỉ là sự trùng hợp ngẫu nhiên, đâu mới là động lực thật sự của thị trường.

Cuối cùng là giai đoạn ra quyết định, nơi AI phải đồng thời cân bằng rủi ro và lợi nhuận. Không giống con người, AI không tham lam hay hoảng sợ. Thách thức thực sự nằm ở khả năng thích nghi: biết thay đổi chiến lược khi thị trường lên, xuống hoặc đứng yên. Những việc như đặt điểm cắt lỗ, phân bổ lại danh mục hay điều chỉnh đòn bẩy vẫn cần đến sự phán đoán của con người.

Theo ThinkChina

Lê Ngọc

Link gốc