Sztuczna inteligencja na giełdzie: portfel zarządzany przez Claude AI pobił S&P 500 o 19% w pięć miesięcy

Eksperyment, o którym jeszcze kilka lat temu mówiono wyłącznie w kategoriach science fiction, stał się rzeczywistością. W marcu 2026 roku dr Alejandro Lopez-Lira, profesor finansów na Uniwersytecie Florydy, przekazał modelowi językowemu Claude od Anthropic portfel o wartości 50 000 dolarów i postawił jedno zadanie: pobij indeks S&P 500. Pięć miesięcy później, na początku sierpnia, portfel ten notował stopę zwrotu na poziomie 19,04% – podczas gdy benchmark amerykańskiego rynku akcji zyskał w tym samym okresie 12,24%. Co więcej, ponad 27 milionów dolarów kapitału inwestorów detalicznych kopiuje już ruchy tego portfela za pośrednictwem platformy Autopilot.

Czy mamy do czynienia z przełomem w zarządzaniu aktywami, czy z kolejną modą, która pęknie przy pierwszej poważnej korekcie?

Eksperyment AI Finance Labs – jak to działa

Dr Lopez-Lira prowadzi projekt AI Finance Labs od 2023 roku. To nie jest startup nastawiony na szybki zysk, ale projekt badawczy z ambicjami naukowymi. Profesor jest autorem cytowanych ponad 10 000 razy publikacji z zakresu fintechów, uczenia maszynowego i wyceny aktywów. Jego eksperyment obejmuje kilka modeli językowych jednocześnie – Claude (Anthropic), ChatGPT (OpenAI), Grok (xAI) oraz DeepSeek – z których każdy zarządza odrębnym portfelem.

Mechanizm jest następujący: modele otrzymują zestaw aktualnych danych – wiadomości rynkowe, raporty fundamentalne, dane makroekonomiczne – a następnie samodzielnie podejmują decyzje inwestycyjne. Jak wyjaśnia Lopez-Lira w rozmowie z Business Insider:

„Jest pewna konfiguracja wstępna – trzeba dostarczyć modelowi najświeższe informacje o firmach, różne dane fundamentalne. Ale ostateczna decyzja należy w pełni do modelu.”

Człowiek nie ma prawa weta.

Portfele są jawne. Każda pozycja, każda transakcja jest publikowana w czasie rzeczywistym na platformie Autopilot – aplikacji umożliwiającej tzw. copy trading, czyli automatyczne kopiowanie ruchów wybranych portfeli. Dotychczas Autopilot był znany głównie z kopiowania transakcji polityków (Nancy Pelosi) czy znanych inwestorów. Teraz największym magnesem stały się portfele AI.

Wyniki – kto wygrywa wyścig modeli

Na początek sierpnia 2026 roku klasyfikacja wygląda następująco. Portfel ChatGPT prowadzi pod względem stopy zwrotu od momentu uruchomienia – wzrost o 78%. Tuż za nim plasuje się DeepSeek ze wzrostem o 73% od startu. Grok osiągnął 54%. Claude dołączył do eksperymentu najpóźniej, więc bezpośrednie porównanie stóp zwrotu od początku byłoby nieuczciwe.

Jednak w ujęciu rok do dnia (YTD) obraz się zmienia. DeepSeek dominuje ze wzrostem 35% od początku roku, wyprzedzając zarówno Grok (19% YTD), jak i ChatGPT (16% YTD). Sam Lopez-Lira nie ukrywa swoich wniosków:

„DeepSeek jest zdecydowanie najlepszym traderem.”

Portfel Claude, uruchomiony w marcu 2026 roku, wyróżnia się czymś innym – strategią. Podczas gdy DeepSeek i Grok stawiają mocno na Big Tech i spółki energetyczne (największa pozycja obu to Micron Technology), Claude przyjął podejście bardziej defensywne. Jego największą pozycją jest iShares 0-3 Month Treasury Bond ETF – fundusz obligacji skarbowych USA o najkrótszym terminie zapadalności. W portfelu znalazły się też akcje Intercontinental Exchange (właściciela NYSE), Eli Lilly (z którego Claude zrealizował 15-procentowy zysk w czerwcu) oraz Kratos Defense & Security Solutions.

To zaskakujący kontrast. Tam, gdzie inne modele gonią za momentum w sektorze technologicznym, Claude zachowuje się jak ostrożny zarządzający funduszem zrównoważonym – utrzymuje ekspozycję na obligacje i dobiera spółki z różnych sektorów.

Nauka potwierdza potencjał – ale z zastrzeżeniami

Badanie przeprowadzone przez zespół profesorów ze Stanford Graduate School of Business – Eda deHaana, Suzie Noh, Chanseoka Lee i Miao Liu z Boston College – dostarczyło jednych z najbardziej przekonujących dowodów na potencjał AI w zarządzaniu aktywami. Naukowcy stworzyli analityka AI, który na danych z lat 1990-2020 pobił 93% zarządzających funduszami, zwiększając zwroty sześciokrotnie w 30-letniej symulacji.

Model analizował 170 zmiennych – od stóp procentowych i ratingów kredytowych po analizę sentymentu z rozmów o wynikach finansowych. Co ciekawe, AI nie korzystała z żadnych tajnych danych. Wszystkie źródła były publiczne, dostępne każdemu zarządzającemu. Kluczem była zdolność modelu do wyciągania wartości predykcyjnej z prostych zmiennych przy użyciu złożonych technik uczenia maszynowego.

Jednak sami autorzy badania formułują istotne zastrzeżenie.

„Gdyby każdy inwestor używał tego narzędzia, większość przewagi by zniknęła” – przyznaje Suzie Noh.

To fundamentalny problem: strategia AI działa, dopóki jest stosunkowo niszowa. W momencie, gdy miliony inwestorów zaczną kopiować te same ruchy, rynek natychmiast wyceni tę przewagę i ją zneutralizuje.

Ryzyka, o których się nie mówi

Entuzjazm wokół portfeli AI jest zrozumiały, ale doświadczony inwestor powinien zachować trzeźwość. Istnieje kilka poważnych zagrożeń.

1. Ryzyko koncentracji. Jak wykazała analiza portali branżowych, portfele generowane przez modele AI mają tendencję do silnego przeważania spółek technologicznych i producentów półprzewodników. W okresie hossy na rynku technologicznym takie podejście daje spektakularne wyniki, ale w przypadku rotacji sektorowej czy korekty technicznej straty mogą być nieproporcjonalnie duże.
2. Horyzont czasowy. Pięć miesięcy to za mało, żeby wyciągać daleko idące wnioski. Na rynkach finansowych istnieje zjawisko zwane survivorship bias – tendencja do eksponowania zwycięzców i ignorowania porażek. Nie wiemy, ile eksperymentów z portfelami AI zakończyło się katastrofą i nigdy nie trafiło do mediów społecznościowych. Widzimy tylko te, które działają – a to zniekształca obraz.
3. Transparentność i regulacje. Choć portfele AI Finance Labs są jawne, to sam mechanizm decyzyjny modelu pozostaje czarną skrzynką. Inwestor kopiujący ruchy Claude nie wie, dlaczego model kupił daną spółkę. Nie zna logiki, nie rozumie wag, nie potrafi ocenić, czy decyzja była trafna z solidnych przesłanek, czy była wynikiem statystycznego szumu.
4. Ryzyko systemowe. jeżeli miliony inwestorów kopiują te same algorytmiczne decyzje, efektem może być wzmocnienie ruchów rynkowych – gwałtowniejsze wzrosty i równie gwałtowne spadki. Flash crashe z przeszłości pokazują, co dzieje się, gdy algorytmy zaczynają reagować na siebie nawzajem.

Regulatorzy nie śpią

Amerykańscy regulatorzy obserwują ten trend z rosnącą uwagą. W lutym 2026 roku dyrektor Wydziału Zarządzania Inwestycjami SEC, w przemówieniu na temat AI i przyszłości zarządzania inwestycjami, wprost odniósł się do wyzwań, jakie stwarza usunięcie człowieka z procesu decyzyjnego.

„Przy strategiach ilościowych kluczowym zabezpieczeniem było utrzymanie człowieka w pętli, który mógł w czasie rzeczywistym wyciągnąć wtyczkę, gdy model zaczynał się zachowywać nieprawidłowo. Ale AI jest inna – celem AI jest usunięcie człowieka z pętli” – powiedział.

Jednocześnie SEC w agendzie kontroli na 2026 rok potwierdza, iż AI pozostaje stałym elementem oceny postępowania, ryzyka i ujawniania informacji przez firmy inwestycyjne. FINRA w swoim raporcie nadzorczym na 2026 rok wyraźnie wskazuje na ryzyka związane z „halucynacjami” i stronniczością generatywnej AI, wzywając firmy do wdrożenia mechanizmów identyfikacji i łagodzenia tych zagrożeń.

Komisja ostrzega też przed zjawiskiem tzw. AI-washingu – sytuacjami, w których firmy przesadzają lub fałszują stopień wykorzystania sztucznej inteligencji, aby przyciągnąć kapitał.

Rewolucja tak, ale z rozwagą

Portfel Claude AI, który pobił S&P 500 o niemal 7 punktów procentowych w pięć miesięcy, to bez wątpienia fascynujący eksperyment. Wyniki wszystkich czterech modeli w projekcie AI Finance Labs sugerują, iż duże modele językowe dysponują realną zdolnością do identyfikowania niedowartościowanych aktywów na podstawie publicznych danych.

Ale rynki finansowe mają jedną niezmienną cechę – karzą zbytni optymizm. Historia jest pełna strategii, które przez kilka kwartałów wyglądały jak Święty Graal, a potem przestawały działać. Modele ilościowe Long-Term Capital Management w latach 90. Algorytmiczne strategie momentum przed 2018 rokiem. Za każdym razem scenariusz był podobny: imponujące wyniki, rosnąca popularność, a potem zderzenie z rynkową rzeczywistością, która nie mieściła się w żadnym modelu.

Sztuczna inteligencja jest potężnym narzędziem. Ale narzędzie to nie gwarancja. A 27 milionów dolarów kopiujących ruchy pięciomiesięcznego portfela to – ostrożnie mówiąc – sygnał, iż entuzjazm wyprzedza dowody.

Mądry inwestor obserwuje, uczy się i zachowuje zdrowy dystans. Właśnie w takiej kolejności.