港大研究揭示AI外匯交易能力 阿里巴巴通義千問表現稱冠 回報率達9.9%

港大經管學院人工智能評測實驗室（AIEL）公佈一項具突破性的研究結果，深入評估了當前主流人工智能（AI）模型作為獨立外匯交易員的實質表現。隨著大型語言模型（LLMs）近年從生成文字迅速演進至能獨立執行複雜任務並使用各種複雜工具，市場尤其關注AI智能體在充滿不確定性的真實環境中，能否作出具盈利能力的決策。 由蔣鎮輝教授領導的AIEL團隊，透過其推出的「Agentic Trader」平台，旨在評估LLM智能體在即時外匯市場中的自主交易能力。研究結果揭示了多項重要發現： 1. **阿里巴巴（09988）旗下通義千問（Qwen）錄得最高交易回報。**
2. 各個模型的累計資產淨值差距顯著，例如Qwen的回報率高達9.9%，而DeepSeek則錄得15.1%的跌幅，反映不同AI模型的實戰表現存在明顯差異。
3. 研究亦指出，交易次數較多的模型未必能錄得更高回報，反映頻繁交易不一定帶來更佳表現。同樣地，即使模型能夠採取更高風險的投資策略，亦未必會帶來更理想的收益。 **研究啟示：挑戰傳統AI評估標準** 是次即時外匯交易實驗的結果，與AIEL早前發布的推理能力評測結果並不完全一致。這項發現意味著在推理、知識問答或生成代碼等靜態任務中表現領先的AI模型，未必能在動態且複雜的金融市場中取得最佳收益。這同時反映，隨著LLM逐漸從回答問題的工具，演變為持續參與真實決策的智能體，傳統的靜態基準測試已難以全面反映其實際能力。 展望未來，AI評估應更進一步關注模型在動態、不確定環境中的長期決策表現，為AI智能體的真實部署、持續評估與治理提供更具實踐意義的研究基礎。 **AI的終極測試：金融市場的挑戰** 有別於數學或編程等標準化測試，由於金融市場的劇烈波動，要求AI模型進行即時交易是其中一項難度最高的真實能力測試。模型不僅需要即時處理資訊、作出高風險判斷，同時亦需在有限時間內進行交易，並持續管理由過往決策帶來的後果。 為進行這項嚴謹評估，「Agentic Trader」平台連接了10個業界領先的AI模型至即時外匯數據。參與測試的模型來自多間主要科技企業，包括OpenAI、Anthropic、Google、阿里巴巴、Moonshot AI、智譜（02513）AI、字節跳動及DeepSeek。為確保公平性，所有測試模型均以相同的初始資本，並在一致的即時市場環境下運作。研究主要評估這些AI系統能否超越基本推理，及時作出決策、主動控制風險，並靈活回應市場變化，以產生實質成果。 港大經管學院創新及資訊管理學教授兼夏利萊伉儷基金教授、人工智能評測實驗室主任蔣鎮輝教授表示，研究結果顯示，當大型語言模型需要持續解讀不斷變化的環境，並即時調整策略時，其表現差距會愈加明顯。他補充，金融交易不僅考驗模型處理資訊及在不確定情況下推理的能力，亦考驗其控制風險、管理倉位，以及長時間持續作出決策的綜合能力。