机器人私募首战,巨额亏损!
科技周边不知道大家是否熟悉?今天我将给大家介绍《机器人私募首战,巨额亏损!》,这篇文章主要会讲到等等知识点,如果你在看完本篇文章后,有更好的建议或者发现哪里有问题,希望大家都能积极评论指出,谢谢!希望我们能一起加油进步!
还记得几个月前,那个首先在行业内宣布使用人工智能机器人进行操盘的私募机构吗?
几个月后,机器人操盘的业绩出现了!
尽管该公司通过“使用大模型等人工智能技术”,对投资体系进行了重塑并落实到了实践,还自称“拥有业界少有的AI原生投资体系”。
该产品最终成功“实现”了-20%的累计亏损。
AI投资机器人怎么做成这样?
这个投资机器人的程序是不是“搞错”了?
净值再次下跌
据第三方平台:截至2023年9月20日,一只名为“XX至善私募基金”的产品单位净值为0.5430。
这个产品的创立日期是2016年8月17日,自成立以来净值下跌了20.09%
这些产品是XX至善成立后的首批产品之一,经过七年的运作,仍未实现正收益。根据中国基金业协会公布的信息,该产品的规模在2023年二季度末低于500万人民币
由于该产品成立时点处于A股指数低点,因此这只产品的运作难言“理想”。
“及时取消”平仓线
值得注意的是,“XX至善私募基金”2023年的年内净值跌幅达到14个点。
同时,这只产品的表现大幅落后于大盘股指数(沪深300),近三年净值亏损达到40个点。

在这种情况下,XX至善在今年6月20日向持有人发布公告,宣布不再设立预警和平仓机制(之前,该私募产品的预警线为0.70元,平仓线为0.60元)
还好它们及时取消了这两根线,否则以现在的单位净值推算,早被清仓了。
复盘发现,从今年6月21日开始,上述产品的净值跌破了之前设定的平仓线
在私募基金净值“跌穿”平仓线的前一天,这家私募发布了公告,提前避免了第二天的被动清盘

净值一度“休眠”
奇怪的是,从2023年4月26日到6月12日,"XX至善私募基金"的净值始终保持在0.6020
此后,它们重新“复活”,接着开始随市下跌。
如下图,该产品有段时间产品净值曲线完全“横盘”不动。

大概率是策略 "调整" 的内容需要被改写
那么,这只股票私募产品为何突然出现了停止操作的。
据该机构公告,他们可能在当时改变了策略
今年6月初,XX至善宣布计划安排公司的4位研究员和一个基于人工智能的机器人,独立管理5只不同的私募基金

此前,公开资料显示,这只私募产品的投资策略描述为核心品种+板块配置+仓位匹配,并称对于弱周期的品种,左侧交易的策略比较适合,对于周期性较强的品种,右侧交易比较适合。
然而,之后,XX至善的产品净值在6月末的“复活”,同时取消平仓线。7月初,该公司公告“机器人基金经理”已经正式接入XX至善管理的所有产品。
这家私募的背景是什么?
这家私募的“口气”可谓并不小,它们在公告中称所运用的机器人是结合先进AI技术的价值投资体系,兼容深度价值、价值成长、颠覆创新三大策略。
目前还没有国内百亿主观多头私募机构公开推出AI基金经理
协会备案资料显示:XX至善的创始人何某,早期曾在内蒙古自治区一中学担任团委助理。之后他在江苏省句容市一家投资有限公司,担任金融交易员一职。
截至最新,这家私募的管理规模仅为0-5亿元区间,全职员工为13人。
这家私募其他人员中,还有前知名百亿私募的总监、前公募互联网领域分析师,以及在东莞证券、万得信息任职过的人士。
机器人“帮忙”跌的更快?
虽然XX至善高调启用机器人基金经理,但并未挽救上文提及的老产品。
相反的是,当它们在7月份开始使用机器人之后,它们的下降速度比指数要快得多

截至9月20日,上述产品在过去三个月中的净值下跌了9.50%,而同期沪深300指数的下跌幅度为3.24%
可见,该产品净值跌幅是同期宽基指数的三倍,机器人的“干预”并不成功,净值反而跌幅更大了。
AI机器人应用条件是否成熟?
它们究竟有什么作用?
它们是否会引发其他副作用呢?
这需要行业和这家“敢于尝鲜”的私募,好好思考一下。
到这里,我们也就讲完了《机器人私募首战,巨额亏损!》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于机器人,操盘,私募的知识点!
马斯克不断公开恳求名人在 X 上发帖,如果他们选择其它平台就会生气
- 上一篇
- 马斯克不断公开恳求名人在 X 上发帖,如果他们选择其它平台就会生气
- 下一篇
- 中公教育推出AI数智课程,引入虚拟数字讲师
-
- 科技周边 · 人工智能 | 8小时前 | python · 人工智能 · Transformers apply_chat_template 聊天模板 chat_template 角色标签
- Transformers聊天模板与手写角色标签有什么兼容性差异
- 492浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | PyTorch checkpoint Accelerate 随机数状态 恢复训练
- Accelerate恢复训练时如何保存随机数状态
- 326浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 |
- Diffusers怎样使用Generator复现同一张生成图
- 118浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 模型 混合精度 优化器 分布式训练 Accelerate Accelerator.prepare
- Accelerate prepare为什么要同时接收模型与优化器
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · Hugging Face Datasets streaming IterableDataset Dataset.shuffle shuffle buffer
- Datasets流式读取与内存数据集的shuffle有什么区别
- 130浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 |
- Hugging Face Datasets map怎样同时删除旧字段
- 421浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 |
- PEFT适配器检查点为什么不包含完整基础模型
- 301浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | python · Hugging Face 提示词 Transformers generate input_ids
- Transformers生成结果为什么包含输入提示词
- 111浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 解码 token Transformers generate 新生成内容
- Transformers怎样只解码新生成的token
- 461浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | python · 人工智能 · Transformers offset_mapping 原始文本 Fast tokenizer 文本偏移
- Transformers分词偏移怎样映射回原始文本片段
- 330浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 463次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 527次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 545次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 494次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 314次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

