Đầu tư AI trên thị trường cổ phiếu và tiền mã hóa: Bằng chứng và giới hạn

Tóm tắt

Bài tổng quan đánh giá các ứng dụng AI trên cổ phiếu, ETF, thị trường tiền mã hóa tập trung, hợp đồng tương lai vĩnh cửu và hoạt động trên chuỗi. Bài viết mô tả con đường dẫn đến lợi nhuận đầu tư theo từng bước: dữ liệu tại đúng thời điểm phải tạo cơ sở cho tín hiệu đáng tin cậy, vị thế khả thi, lệnh có thể thực thi và hiệu suất điều chỉnh theo rủi ro dương sau chi phí. Các phương pháp được khảo sát gồm học máy, mô hình chuỗi thời gian và ngôn ngữ, học tăng cường, cùng các tác nhân tự động. Tiến bộ được báo cáo rõ nhất ở dự báo, phân tích văn bản, thiết kế danh mục và quy trình nghiên cứu.

Bài tổng quan nhận thấy bằng chứng công khai về khả năng sinh lời ròng bền vững còn ít. Kết quả lịch sử có thể bị suy yếu bởi rò rỉ dữ liệu, lựa chọn chiến lược lặp đi lặp lại, hiệu ứng sống sót, so sánh kém, chi phí giao dịch, hạn chế của sàn và năng lực giao dịch hạn chế. Bài cũng ghi nhận khả năng dự báo suy giảm, lỗi nhìn trước đã được sửa, kết quả hướng tới tương lai trái chiều và hiếm có bằng chứng về vốn thực được kiểm toán. Tiền mã hóa cần được phân tích theo đặc thù thị trường vì giao dịch giao ngay, hợp đồng vĩnh cửu và thị trường phi tập trung có dòng tiền và điều kiện khớp lệnh khác nhau. Bài tổng quan không tìm thấy phương pháp AI nào được chứng minh là tạo alpha ròng bền vững qua nhiều chế độ thị trường và mức năng lực giao dịch. Đánh giá tốt hơn cần đầu vào tại đúng thời điểm, mục tiêu gắn với quyết định giao dịch, kiểm tra kết hợp danh mục và thực thi, khả năng thích ứng có kiểm soát, đánh giá tiến cứu và cơ chế quản trị phù hợp; những thực hành này cải thiện bằng chứng nhưng không thể đảm bảo lợi nhuận.

Ý chính

• Năng lực AI tiến xa hơn trong dự báo và hỗ trợ quy trình so với bằng chứng về khả năng sinh lời bền vững.
• Một tín hiệu đầu tư hữu dụng phải vượt qua từng bước từ thông tin tại đúng thời điểm đến lợi nhuận có thể thực thi sau chi phí.
• Nhiễm bẩn dữ liệu, hiệu ứng lựa chọn, chuẩn so sánh yếu, trở ngại triển khai và năng lực giao dịch có thể làm suy giảm kết quả lịch sử.
• Cần diễn giải bằng chứng về cổ phiếu và tiền mã hóa trong bối cảnh cấu trúc thị trường và dòng tiền riêng của từng loại.
• Kiểm thử tiến cứu và đánh giá kết hợp danh mục, thực thi cùng quản trị giúp củng cố các nhận định nhưng không đảm bảo lợi nhuận.

Thẻ

# 2609.04917


# Artificial Intelligence in Equity and Crypto Markets: Progress, Profitability Evidence, and the Limits of Automated Investing









Artificial intelligence (AI) now supports investment workflows from data and prediction through research, portfolios, execution, and tool use. Technical capability, however, is not evidence of investment profitability. This critical state-of-the-art review examines public research available through 31 August 2026 on listed equities, exchange-traded funds, centralized crypto spot, perpetual futures, and on-chain markets. We organize evidence with an alpha-translation chain: point-in-time information must yield a stable signal, feasible positions, executable orders, and risk-adjusted returns after costs. Across machine learning, time-series foundation models, financial language models, reinforcement learning, and agents, the examined record shows real but mainly upstream progress in prediction, text processing, portfolio design, and workflow integration. Evidence is thinner for durable net performance. Temporal contamination, repeated selection, survivorship, weak benchmarks, implementation costs, venue mechanics, and capacity can break translation to net alpha. Strong historical results coexist with predictor decay, corrected look-ahead failures, mixed prospective evidence, and few audited live-capital records. Crypto adds informative state but requires separate treatment of spot, perpetual, and decentralized cash flows and execution. Within the public evidence examined here, no general AI architecture is shown to deliver persistent, cross-regime, capacity-aware net alpha. More credible claims require point-in-time data and models, decision-aligned objectives, joint portfolio--execution evaluation, controlled adaptation, prospective tests, and authority-matched governance. These conditions can improve evidence and implementation; they do not guarantee profit.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.