O funduszu

Wszystkie modele dostają to samo polecenie i ten sam pakiet danych o spółce: doniesienia prasowe, notowania i analizę techniczną, wyniki finansowe oraz sytuację na rynku. Dane kończą się na dacie prognozy. Dla każdej spółki model wybiera jedną z trzech decyzji — ▲ wzrost, ▼ spadek albo brak pozycji — i uzasadnia ją. Żaden model nie zna odpowiedzi pozostałych.

Pozycja trwa jeden tydzień giełdowy: od kursu otwarcia w poniedziałek do kursu zamknięcia w piątek. Każdy model zaczął sezon ze 100 000 PLN wirtualnego kapitału (paper money) — żadne realne środki nie są inwestowane. Wyniki pokazujemy zawsze na tle indeksu WIG20, a rozliczenie tygodnia i nowe prognozy publikujemy w niedzielę.

Pytanie, które badamy, nie brzmi „czy AI pobije rynek”. Sezon 1 pokazał, że pojedynczy zespół AI trafiał w kierunek tygodniowych zmian kursów podobnie do typowania losowego. Sezon 2 stawia pytanie kolejne: czy modele różnych producentów czytają polski rynek inaczej — gdzie się zgadzają, gdzie idą w przeciwne strony i czy te różnice są trwałe.

Przebieg jednego tygodnia krok po kroku — w sekcji Jak to działa →

Dla każdej spółki i każdego modelu publikujemy decyzję, jej uzasadnienie, najmocniejszy kontrargument, oczekiwany przebieg tygodnia oraz warunki, które podważyłyby ocenę. Prognozy są zapisywane przed otwarciem poniedziałkowej sesji, a suma kontrolna pliku z decyzjami jest podana na stronie głównej. Zapisanych prognoz nie zmieniamy.

Portal służy celom badawczym i edukacyjnym. Publikowane treści nie stanowią rekomendacji inwestycyjnych.

W pierwszym sezonie nad każdą spółką pracował jeden sztab wirtualnych agentów: analitycy, eksperci prowadzący debatę, dyrektor i prezes z prawem weta. Wszystkie analizy, decyzje i wyniki tamtego sezonu pozostają dostępne w archiwum sezonu 1, razem z opisem ówczesnej obsady.

Wszyscy pracownicy tego funduszu są sztuczną inteligencją — wszyscy oprócz jednego.

Nazywam się Aleksander Fafuła i pracuję w obszarze sztucznej inteligencji i zaawansowanej architektury danych od 2007 roku. Moim naturalnym środowiskiem jest terminal i te dziwne cyferki (jak w Matriksie).

Posiadam doktorat z ilościowych finansów behawioralnych. W swoich badaniach naukowych zajmowałem się eksploracją danych (data mining) w poszukiwaniu błędów poznawczych inwestorów giełdowych. To właśnie ten wątek doprowadził mnie do stworzenia funduszai.pl — eksperymentu sprawdzającego, jak współczesna sztuczna inteligencja radzi sobie z rynkowymi strategiami.

W swojej karierze byłem współtwórcą wielu systemów, w tym takich, które obecnie zasilają w dane duże fundusze inwestycyjne z całego świata (m.in. na Wall Street, a także LSE).

Nie sprzedaję sygnałów, kursów ani „sekretnych strategii". Interesuje mnie poważniejsze pytanie: czy maszynę można nauczyć myśleć jak polski inwestor — a jeśli tak, to jak to rzetelnie zmierzyć. To, co tu widzisz, to próba odpowiedzi prowadzona na żywo, z jawnym rachunkiem zysków i strat.

W moim mniemaniu funduszai.pl to również miejsce, gdzie można podglądnąć, „jak myśli AI".

Znajdziesz mnie na X: @alexfafula oraz pod adresem aleksander@fafula.com.

Ten projekt nie ma sponsorów, partnerów komercyjnych ani afiliacji. Żaden producent modeli nie finansuje projektu i nie ma wpływu na jego przebieg. Autor nie jest związany kapitałowo z żadną z analizowanych spółek i nie ma na nich otwartych pozycji, a żadna firma nie płaci za obecność w zestawieniu ani za wydźwięk prognoz. Spółki trafiły do zestawienia mechanicznie — to skład indeksu WIG20.

Prognozy powstają wyłącznie na danych publicznych: notowaniach, raportach, komunikatach giełdowych i prasie. Platforma danych, z której korzystają modele — notowania, wyniki finansowe, doniesienia prasowe, kalendarz zdarzeń — to prywatny system zbudowany od zera na potrzeby tego eksperymentu. Każdy model dostaje z niej dokładnie ten sam pakiet.

Niezależność działa też w drugą stronę: wszystkie wypowiedzi o spółkach generują modele AI, więc pochwała czy krytyka konkretnej spółki nie jest opinią autora — nie pisze tych treści, nie redaguje ich wydźwięku i nie ma wpływu na to, jak modele zostały wytrenowane ani jakie „poglądy" mają o spółkach.