Du sitter uppe efter stängning, kanske runt midnatt, och du har precis klistrat in ett skärmdump av NQ i en chattbot med frågan vad den tror händer imorgon. Svaret kommer på sekunden, i fullständiga meningar, med stödnivåer och en slutsats som låter som den kommer från någon som faktiskt vet. Du känner dig lugnare en stund. Sen öppnar marknaden och gör något helt annat, och du funderar på om frågan var fel formulerad eller om verktyget bara inte är där ännu. Frågan var fel redan innan svaret kom.
Det mönstret har blivit vanligt i takt med att allt som marknadsförs som ai trading har vuxit fram, och jag förstår dragningen. Att sitta ensam framför en chart med pengar på spel är tungt, och ett verktyg som alltid svarar och alltid låter säkert på sig känns som sällskap i ett jobb som annars är ensamt. Sällskap och edge är dock två skilda saker, och den som blandar ihop dem hamnar snabbt i samma typ av problem oavsett hur bra den annars sköter sitt tekniska hantverk.
Där modellen bär sin vikt
En språkmodell är bra på språk. Det låter trivialt men det är precis där gränsen mellan nytta och fara ligger. Skriver du ner varför du tog en trade, vad du kände innan och vad du gjorde efteråt, kan modellen läsa igenom en veckas anteckningar och visa dig mönster i ditt eget språk som du är för nära för att se själv. Den kan peka ut att ordet säker dyker upp i nästan varje anteckning strax innan en förlust, eller att formuleringar som liknar hämnd smyger sig in efter en röd dag. Det är läsning i skala, ett sätt att se sitt eget beteende utifrån, och nyttan ligger i att den pekar tillbaka mot ditt eget beteende.
Samma styrka gör modellen bra på att strukturera en handelsplan så den blir tydlig nog att verkligen följas, sammanfatta ett tungt nyhetsflöde till något läsbart på fem minuter före öppning, eller förklara ett begrepp som gamma eller open interest på ett sätt som fastnar första gången. Allt det här är stödarbete runt hantverket. Det ordnar processen, och en ordnad process är ofta det som skiljer den som håller i över ett år från den som ger upp efter tre månader.
Där det blir farligt
Att be samma verktyg tolka en chart och säga vad priset gör härnäst är en annan sak helt. Modellen är tränad på text, och den producerar en trolig fortsättning på det språkmönster den sett, inte ett verifierat statistiskt övertag på pris. Klistrar du in en chart får du en text som låter som teknisk analys, byggd på hur sådan text brukar se ut, utan någon verifierad koppling till vad priset sedan faktiskt gjorde. Tonen är säker oavsett grund. Den som redan brottas med att sitta för länge i en förlorande position skadas snarare av ett verktyg som låter övertygat fel, eftersom falsk säkerhet är precis det som förvärrar mönstret.
Samma logik gäller bottarna som säljs som färdiga signalkällor under etiketten ai trading. Ett chattgränssnitt paketeras med en dashboard och ett prenumerationspris, och under ytan ligger samma mönsterkomplettering utan verifierat övertag, bara förklädd till sannolikhet. Lämnar du beslutet om entry och exit till ett sådant verktyg bygger du aldrig upp din egen läsning av marknaden, och den dagen verktyget har fel, vilket det förr eller senare har, står du utan något att falla tillbaka på.
Varför prediktion är fel fråga
Marknaden är inte ett textkompletteringsproblem. Priset rör sig utifrån hur miljoner deltagare tolkar och reagerar på information, inklusive information som andra verktyg just producerat, och den kedjan finns inte i en modells träningsdata. Modellen har mönster i text om marknader, inte en levande koppling till vad deltagarna faktiskt gör just nu. Att fråga vad priset kommer göra är att ställa fel fråga till fel verktyg, ungefär som att be någon som läst varje bok om trading men aldrig lagt en egen position svara på vad som händer härnäst. Övertygelsen i svaret säger ingenting om hur ofta det stämmer.
Förmågan att exekvera en redan definierad plan väger tyngre för resultatet än vilken prognos som helst, särskilt när kroppen är trött, magen orolig eller kontot precis tagit en smäll. Sömn, mat och tålamod hör till samma familj, och ingen av dem går att låna av en språkmodell. Använd verktyget där det hör hemma, i journalen och i strukturen runt planen, och lämna prognosen därhän.
Nästa gång du är på väg att fråga en chattbot vad marknaden gör imorgon, vänd frågan mot dig själv istället. Öppna din senaste handelsjournal, eller börja skriva en om du inte har någon, och be modellen läsa igenom dina egna ord från de fem senaste trades. Be den visa var språket ändras när du ligger i förlust, inte var priset ska ta vägen. Det är en fråga verktyget faktiskt kan svara på, och svaret säger mer om din exekvering än vilken chart som helst.