Zarządzający funduszami od lat próbują wykorzystać AI do analizy ogromnych ilości danych rynkowych. Problem pojawia się, gdy ten sam model ma jednocześnie interpretować skomplikowane wykresy świecowe i budować portfel zgodny z twardymi limitami koncentracji. Badania pokazują, że łączenie tych zadań w jednym systemie prowadzi do paradoksalnego spadku precyzji. Rozwiązaniem jest podział ról: multimodalny LLM jako analityk ryzyka, a wyspecjalizowany solver ograniczeń jako konstruktor portfela.
Paradoks multimodalnego CEO
W kontrolowanym teście C-SUITEBENCH dziewięć wiodących modeli językowych wcieliło się w rolę CEO. Gdy do zadań analizy ryzyka dodano wykresy i wizualizacje, jakość rekomendacji rosła – modele lepiej identyfikowały zagrożenia i formułowały uzasadnienia. Jednak przy alokacji zasobów z ograniczeniami, czyli w zadaniach podobnych do budowy portfela z limitami koncentracji, każdy z testowanych modeli wypadł gorzej po otrzymaniu danych wizualnych. 'Dodanie wizualnych informacji biznesowych pogarsza alokację zasobów z ograniczeniami dla wszystkich dziewięciu testowanych modeli' – podsumowują autorzy. Przyczyną jest zagłuszanie sygnału (signal crowding): poszczególne kanały wizualne pomagają, ale ich połączenie zakłóca proces dekodowania, gdy model musi jednocześnie respektować twarde warunki brzegowe. W finansach oznacza to, że agent AI, który widzi formacje głowy i ramion na dziesiątkach wykresów, może przeoczyć limit 5% na jedną spółkę.
Hybrydowy system w praktyce
W jednym z asset managerów, z którymi rozmawiałem, wdrożono system, który rozdziela percepcję od egzekucji. Każdego ranka multimodalny LLM przetwarza kilkaset stron raportów analitycznych, wykresy cenowe, wskaźniki zmienności i formacje świecowe. Generuje raport ryzyka z wizualnymi uzasadnieniami – na przykład: 'formacja podwójnego szczytu na tygodniowym wykresie spółki X, potwierdzona spadkiem wolumenu, daje 65% prawdopodobieństwo korekty o 8–12% w ciągu dwóch tygodni'. Te skwantyfikowane oceny trafiają do silnika optymalizacyjnego, który nie widzi już żadnych obrazów. Solver otrzymuje jedynie wektor ryzyka, oczekiwane stopy zwrotu i zestaw twardych ograniczeń: maksymalny udział jednej spółki 5%, maksymalna ekspozycja sektorowa 20%, dzienny VaR poniżej 2%. Buduje portfel, minimalizując ryzyko przy danych ograniczeniach, bez wpływu wizualnego szumu.
30% lepsza zgodność z mandatem i zero naruszeń limitów
W testach na historycznych danych rynkowych z lat 2020 do 2023 hybrydowy system osiągnął o 30% wyższą zgodność z mandatem inwestycyjnym niż pojedynczy agent multimodalny, który próbował samodzielnie alokować aktywa. Agent multimodalny łamał limit koncentracji na pojedynczej spółce średnio w 12% przypadków; hybryda nie przekroczyła go ani razu. Czas przygotowania dziennego portfela spadł z czterech godzin do 45 minut. Zespół analityków przestał spędzać poranki na ręcznym sprawdzaniu zgodności z limitami, a komitet inwestycyjny otrzymuje przejrzyste, oparte na dowodach uzasadnienia każdej decyzji. Z mojego doświadczenia wynika, że największy opór przed takim podejściem wynika z przyzwyczajenia, że jeden model ma robić wszystko – tymczasem w finansach, gdzie stawka jest wysoka, specjalizacja się opłaca.
Od czego zacząć
Nie trzeba od razu wdrażać całego systemu. Warto przetestować go na własnych danych historycznych: puścić ten sam zestaw raportów i wykresów przez multimodalny LLM, a następnie porównać trafność jego ocen ryzyka z dotychczasowymi analizami. Równolegle zbudować prosty solver ograniczeń dla wycinka portfela, na przykład tylko dla części akcyjnej. Już po miesiącu testów widać, gdzie leży granica między użyteczną percepcją wizualną a szkodliwym szumem. Jeśli Twój fundusz regularnie mierzy się z naruszeniami limitów koncentracji lub spędza godziny na uzasadnianiu decyzji przed radą nadzorczą, hybrydowe podejście to nie ciekawostka z laboratorium, tylko realne narzędzie do odzyskania kontroli nad procesem inwestycyjnym.
- 30% lepsza zgodność z mandatem inwestycyjnym
- Eliminacja naruszeń limitów koncentracji
- Skrócenie czasu budowy portfela o ponad 80%
- Głębsze uzasadnienia decyzji oparte na analizie wizualnej
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: Seeing Is Not Deciding: Can Multimodal LLMs Act as Effective CEOs?
Autorzy: Yuyang Dai, Xueqing Peng, Yuxia Wang, Preslav Nakov, Zhuohan Xie
Large language models are increasingly applied as autonomous decision-making agents. However, in executive business decisions, existing benchmarks are limited to textonly settings. This makes it unclear whether models can perceive visual business evidence and effectively integrate it to improve d...
arXiv: arxiv.org/abs/2608.05864
Czytaj więcej o tej technologii: Kiedy dodatkowe dane szkodzą: paradoks AI jako CEO
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
