#Gate广场AI测评官

Apakah orang yang menggunakan "Lobster" untuk trading saham menghasilkan uang?

Baru-baru ini, setelah OpenClaw ("Lobster") menjadi viral, banyak "orang cerdas" menerapkan "Lobster" di pasar saham, menggunakannya untuk review, pemilihan saham, dan menjadikannya sebagai "asisten trading saham". Lalu, apakah menggunakan "Lobster" untuk trading saham benar-benar dapat diandalkan?

😂"Trading Lobster, rugi 7000 dalam tiga hari"

Setelah mengalami kerugian 5840 yuan pada 17 Maret, "Lobster" menghibur Li Yue dalam review terakhir: "Operasi hari ini tidak lancar, pertarungan lagi besok."

Dari 13 hingga 17 Maret, "Lobster" milik Li Yue merekomendasikan tiga saham. "Semuanya rugi, ketiga saham dalam tiga hari perdagangan mengalami kerugian total 7000 yuan." Li Yue menunjukkan proses transaksinya pada 17 Maret. Pada 10:05 tanggal 17 Maret, saran "Lobster" adalah cut loss pada saham peralatan tenaga listrik tertentu, saham bersangkutan mengalami kerugian 6,33%; tiga menit kemudian, "Lobster" "membimbing" dia membeli saham konsep fotovoltaik tertentu, hingga penutupan hari itu, saham tersebut mengalami floating loss 3,27%.

Li Yue menyatakan bahwa saat ini dia menuntut "Lobster" untuk melaporkan rencana perdagangan hari itu sebelum pembukaan pasar setiap hari, melaporkan posisi kepemilikan setiap 20 menit selama perdagangan intrahari, dan merangkum pengalaman dan pelajaran hari itu setelah pasar tutup, agar "Lobster" terus berkembang.

Namun, setelah me-review operasi beberapa hari ini, Li Yue menemukan bahwa logika pemilihan saham "Lobster" terutama bergantung pada daftar dragon-tiger hari perdagangan sebelumnya. Selain itu, yang membuat Li Yue pusing bukan hanya kerugian di atas kertas, menurut pandangannya, "memori" "Lobster" agak buruk, beberapa hal yang sudah dikatakan berkali-kali, "Lobster" masih tidak bisa mengingat.

Bagi Mr. Wang dari Dalian, provinsi Liaoning, "Lobster" lebih seperti "asisten yang datang kerja tepat waktu". Mr. Wang mengatakan bahwa dia membiarkan "Lobster" menggunakan Python dan Financial API (Application Programming Interface) secara kombinasi, secara otomatis melakukan review pasar sesuai dengan logika yang telah ditetapkan, dalam proses review, "Lobster" akan memberikan skor pada berbagai saham, kemudian membuat laporan untuk dikirimkan kepadanya.

"Saya pertama kali mengenal 'Lobster' pada Januari tahun ini, secara keseluruhan pengalaman menggunakannya cukup bagus." Mr. Wang mengatakan bahwa pada akhirnya pemilihan sahamnya masih akan menggabungkan ekonomi makro dan lingkungan pasar untuk menentukan saham mana yang akan dibeli, "Lobster" hanya berfungsi sebagai bantuan penilaian saja.

👋"Dapat meningkatkan efisiensi, tidak dapat meningkatkan tingkat kemenangan"

Menurut Timi, seorang orang dalam industri, "Lobster" untuk trading saham hanya dapat meningkatkan efisiensi, tetapi tidak dapat meningkatkan tingkat kemenangan.

"Batas kemampuan model bahasa besar ditentukan oleh arsitektur teknologinya, karena konteks terbatas, hanya dapat memproses informasi dalam volume tertentu, bukan analisis data lengkap seperti yang dibayangkan."

Nilai sebenarnya dari "Lobster" terletak pada peningkatan efisiensi pemrosesan informasi, seperti menyusun data perusahaan publik dalam waktu singkat, membangun jaringan informasi yang lebih kaya, pada dasarnya masih merupakan perluasan dan leverage kemampuan pribadi, bukan alat perdagangan yang disruptif.

Bagi investor biasa, yang perlu diwaspadai adalah kesalahan persepsi. Jika seseorang belum pernah menguasai logika perdagangan dasar, hanya dengan pikiran "biarkan AI menghasilkan uang untuk saya", tingkat keberhasilan hampir nol. "Seperti perdagangan kuantitatif, banyak strategi perdagangan berada di tingkat milidetik, bukan bergantung pada saran yang diberikan 'Lobster' setelah penundaan puluhan detik."

💡Risiko apa saja yang ada?

Seiring dengan peningkatan efisiensi, sering kali disertai risiko yang tidak diketahui.

Pada 11 Maret, Platform Sharing Informasi Ancaman Keamanan Siber dan Kerentanan Kementerian Industri dan Teknologi Informasi merilis "Saran 'Enam Selalu dan Enam Tidak Pernah' untuk Mencegah Risiko Keamanan AI Agen Cerdas Sumber Terbuka OpenClaw", yang menunjukkan risiko yang ada dalam alat ini, merekomendasikan pengguna untuk melakukan deployment pada segmen jaringan terpisah saat deployment dan aplikasi, memperkuat manajemen izin, menetapkan mekanisme review manusia dan circuit breaker darurat, menambahkan mekanisme keamanan seperti konfirmasi kedua untuk operasi kritis.

"Lobster" dan AI agen cerdas lainnya memasuki kehidupan sehari-hari masyarakat biasa dengan karakteristik ambang rendah dan universal. Tetapi di balik kemudahan teknis tersembunyi risiko, dalam penggunaan sehari-hari, pengguna sering kali perlu membuka akun, kata sandi bahkan izin sistem kepada alat, yang menimbulkan kerentanan keamanan data. Ketika logika ini diperluas ke bidang investasi, risiko meningkat dari kebocoran informasi menjadi ancaman langsung terhadap keamanan dana.