ИИ предсказывает рынки - но не всегда точноРегуляторы и исследователи всё громче говорят об ограничениях таких моделей

Модели машинного обучения стали обычным инструментом прогнозирования цен на рынках, но за точностью скрываются риски, которые регуляторы начали требовать раскрывать.

Новости ИИОбновлено 12.11.20267 мин чтения
ИИ предсказывает рынки - но не всегда точно
▲ коротко: ИИ предсказывает рынки - но не всегда точно✓ Модели машинного обучения для прогнозирования цен на акции обсуждаются в научной литературе уже несколько лет.✓ Исследования фиксируют заметный риск «галлюцинаций» - уверенных, но неподтверждённых ответов - в финансовых задачах.✓ Доля компаний из списка публичных эмитентов, раскрывающих риски ИИ в отчётности, выросла с 4% в 2020 году до более 43% к 2024 году.✓ SEC создала отдельную рабочую группу по ИИ и рассматривает требования к раскрытию информации об использовании таких моделей.
4% → 43%рост доли эмитентов, раскрывающих риски ИИ в отчётности (2020-2024)
до 41%зафиксированная в отдельных исследованиях доля ошибочных ответов моделей в финансовых запросах
2025год создания отдельной рабочей группы SEC по ИИ

ИИ в прогнозировании рынков - не новость, но масштаб вырос

Использование моделей машинного обучения для прогнозирования цен на акции и других финансовых инструментов обсуждается в академической литературе не первый год: от классических алгоритмов до современных моделей глубокого обучения, которые пытаются находить закономерности в огромных массивах рыночных данных. Разница 2025-2026 годов - в масштабе внедрения: такие модели встраивают не только крупные фонды с собственными исследовательскими отделами, но и более широкий круг участников рынка, включая консультационные сервисы для частных инвесторов.

Одновременно растёт и количество научных обзоров, которые пытаются оценить, насколько эти модели действительно надёжны, а не просто эффектно выглядят на исторических данных.

Часть таких обзоров прямо указывает на разрыв между результатами моделей на исторических тестовых данных и их реальной точностью на новых, ранее не встречавшихся рыночных условиях - разрыв, который в индустрии принято называть переобучением под прошлое.

Проблема «галлюцинаций» в финансовых задачах

Отдельная категория риска, которую всё активнее изучают исследователи, - это так называемые галлюцинации: ситуации, когда модель выдаёт уверенный, грамматически правильный, но фактически неподтверждённый ответ. В финансовых задачах такие ошибки особенно опасны, потому что решения на их основе напрямую связаны с деньгами.

Исследователи, изучающие этот риск для бизнес-приложений, отмечают, что проблема не ограничивается редкими случаями: в некоторых обзорах речь идёт о десятках процентов запросов определённого типа, где ответ модели расходится с проверяемыми фактами, и это ставит под вопрос прямое использование таких ответов без дополнительной проверки человеком.

  • в части исследований фиксируется высокая доля ошибочных ответов именно в прогнозах на горизонте дальше нескольких отчётных периодов;
  • отдельно отмечается риск при автоматических расчётах показателей риска, где модель может использовать неподтверждённые предположения;
  • причина в самой природе генеративных моделей - они предсказывают наиболее вероятную последовательность слов или чисел, а не проверяют факт по первичному источнику.
▲ хроника✓ 2020 · около 4% эмитентов из крупных индексов упоминают риски ИИ в отчётности✓ 2023 · рост интереса к LLM как инструменту анализа финансовых данных✓ 2024 · доля компаний, раскрывающих риски ИИ в отчётности, превышает 43%✓ 2025-08 · SEC создаёт рабочую группу по искусственному интеллекту✓ 2025-12 · консультативный комитет SEC рекомендует требовать раскрытия влияния ИИ на компании✓ 2026-05 · международный регулятор IOSCO публикует инструментарий по надзору за ИИ на рынках капитала

Регуляторы начали действовать

Рост использования ИИ в финансовом секторе не остался незамеченным для регуляторов. Анализ отчётности крупных публичных компаний показывает, что доля эмитентов, упоминающих риски, связанные с ИИ, в своих годовых отчётах выросла с примерно 4% в 2020 году до более 43% к 2024 году - рост более чем в десять раз за четыре года.

В 2025 году Комиссия по ценным бумагам и биржам США (SEC) создала отдельную рабочую группу по искусственному интеллекту, а консультативный комитет регулятора в конце того же года проголосовал за рекомендацию требовать от эмитентов раскрытия информации о влиянии ИИ на их бизнес. Параллельно международный орган IOSCO, объединяющий регуляторов рынков капитала разных стран, выпустил отдельный инструментарий по надзору за использованием ИИ участниками рынка.

Почему чёрный ящик - это не просто метафора

Одна из ключевых претензий регуляторов касается прозрачности. Многие модели глубокого обучения и обучения с подкреплением по своей природе устроены так, что сложно объяснить, почему именно модель пришла к конкретному прогнозу - это называют проблемой «чёрного ящика». Для индустрии, где уже действуют требования к документированию и аудиту решений, принимаемых от имени клиентов, такая непрозрачность создаёт прямой конфликт с существующими нормами.

В частности, для зарегистрированных инвестиционных консультантов в США действует требование принять письменные политики, предотвращающие нарушения законодательства о такой деятельности - и использование непрозрачного ИИ-инструмента без достаточного контроля всё чаще рассматривают как потенциальное нарушение именно этого требования.

Разработчики финансовых систем на основе ИИ в ответ экспериментируют с инструментами формальной проверки и более строгими ограничениями на поведение моделей - цель этих разработок в том, чтобы система физически не могла выдать ответ, не прошедший заранее заданные правила проверки, а не только полагалась на обучение модели быть аккуратной.

Что это значит для инвестора

Для частного инвестора главный практический вывод - не отказ от любых инструментов с ИИ, а осторожность к уверенности, с которой такие инструменты формулируют прогнозы. Модель может звучать убедительно и при этом ошибаться, особенно на длинных горизонтах прогнозирования или в нестандартных рыночных условиях, которых было мало в обучающих данных. Похожая осторожность уместна и при чтении материалов о крупных частных инвестиционных платформах, например о запуске фонда TWG Global на 40 миллиардов долларов.

Редакция считает разумным относиться к ИИ-прогнозам как к одному из источников информации среди прочих, а не как к готовому решению - особенно с учётом того, что сами регуляторы пока формируют правила именно для того, чтобы участники рынка не воспринимали такие прогнозы как гарантированный результат. Схожая логика применима и к оценке инструментов, упомянутых в материале про ИИ-ассистента BNP Paribas для сотрудников.

Практический совет для тех, кто всё же пользуется такими инструментами: запрашивать у сервиса не только сам прогноз, но и источник данных, на которых он основан, и относиться с особым вниманием к любым расчётам показателей риска, где, по данным исследований, доля необоснованных допущений выше, чем в простых фактических запросах. Больше материалов по смежным темам - в разделе ИИ в финансах.

Что изменилось с тех пор

На момент обновления материала конкретных обязательных правил раскрытия информации об использовании ИИ в прогнозировании рынков в США ещё не введено - решение SEC находится на стадии рекомендации консультативного комитета. Тема остаётся в активной работе регуляторов нескольких стран, и редакция планирует вернуться к ней, когда появятся окончательные формулировки требований.

Весной 2026 года международный регулятор IOSCO выпустил собственный инструментарий для надзора за использованием ИИ участниками рынков капитала - документ описывает, на что надзорным органам разных стран стоит обращать внимание при оценке таких систем, не вводя при этом единых обязательных стандартов.

Таблица: кто и что раскрывает

ГодДоля эмитентов, раскрывающих риски ИИ
2020~4%
2024более 43%

Рост этой доли больше чем в десять раз за четыре года - один из самых заметных сдвигов в корпоративной отчётности последних лет, и он говорит не столько о том, что риски ИИ резко выросли именно в эти годы, сколько о том, что компании раньше просто не считали нужным формально их описывать.

Вопросы и ответы

Можно ли доверять ИИ-прогнозам цен на акции?

Частично: модели умеют находить закономерности в данных, но подтверждённые исследования фиксируют заметный риск ошибочных, но уверенно сформулированных прогнозов, особенно на длинных горизонтах.

Что такое галлюцинации в контексте финансовых моделей?

Это ответы модели, которые звучат правдоподобно, но не подтверждены реальными данными - модель предсказывает вероятную последовательность, а не проверяет факт по первоисточнику.

Какие шаги предприняла SEC по ИИ?

В 2025 году регулятор создал рабочую группу по искусственному интеллекту, а консультативный комитет рекомендовал требовать от компаний раскрытия информации о влиянии ИИ на бизнес.

Почему модели ИИ называют «чёрным ящиком»?

Потому что для многих моделей глубокого обучения сложно объяснить, по каким именно причинам получен конкретный прогноз, что затрудняет аудит и соответствие требованиям регуляторов.

Ещё по теме

Следующая новость уже в ленте