港大經管學院今日公布一項突破性研究結果，評估現時主流人工智能（AI）模型作為獨立外匯交易員的表現。

過去一年，AI大型語言模型（LLMs）已迅速從早期的生成文字，演變至現時能夠獨立執行任務及使用各種複雜工具。惟科技發展的同時，仍有一個關鍵問題有待解答：AI 智能體能否在充滿不確定性的真實環境中，作出具盈利能力的決策？

為回答這個問題，由蔣鎮輝教授帶領的港大經管學院人工智能評測實驗室（AIEL）推出 Agentic Trader，以評估LLM智能體在即時外匯市場中的自主交易能力。

主要發現

阿里巴巴旗下的通義千問 （Qwen）錄得最高交易回報。

各個模型的累計資產淨值差距顯著，如Qwen的回報率達 9．9％，而 DeepSeek 則錄得 15．1％ 的跌幅。

交易次數較多的模型未必錄得更高回報，反映頻繁交易未必帶來更佳表現。同樣地，即使模型能夠採取更高風險的投資策略，亦未必會帶來更理想的回報。

研究啟示

本次即時外匯交易實驗的結果與AIEL早前發布的推理能力評測結果並不完全一致：在推理、知識問答或生成代碼等靜態任務中表現領先的模型，未必能夠在真實的金融市場中取得最佳收益。這項發現亦反映，隨著LLM逐漸從回答問題的工具，演變為持續參與真實決策的智能體，傳統靜態基準已難以全面反映其實際能力。展望未來，AI評估應進一步關注模型在動態、不確定環境中的長期決策表現，為AI智能體的真實部署、持續評估與治理提供更具實際意義的研究基礎。

AI 的終極測試

有別於數學或編程等標準化測試，由於金融市場大幅波動，因此要求模型進行即時交易是其中一項難度最高的真實能力測試。模型既要即時處理資訊、作出高風險判斷，同時需要在有限時間內進行交易，並持續管理由過往決策帶來的後果。

為進行這項嚴謹評估，Agentic Trader 連接 10 個業界領先的模型至即時外匯數據。參與測試的模型來自多間主要科技企業，包括 OpenAI、Anthropic、Google、阿里巴巴、Moonshot AI、智譜 AI、字節跳動及 DeepSeek。

為確保公平性，全部測試模型均以相同的初始資本及即時市場環境下運作。研究主要評估這些 AI 系統能否超越基本推理，以及時作出決策、主動控制風險，並靈活回應市場變化，以產生實質成果。

「研究結果顯示，當大型語言模型需要持續解讀不斷變化的環境，並即時調整策略時，其表現差距會愈加明顯。」港大經管學院創新及資訊管理學教授兼夏利萊伉儷基金教授、人工智能評測實驗室主任蔣鎮輝教授表示：「金融交易不僅考驗模型處理資訊及在不確定情況下推理的能力，亦考驗其控制風險、管理倉位，以及長時間持續作出決策的能力。」