Stel je voor: twee AI-systemen krijgen precies dezelfde opdracht, dezelfde $1.000 startkapitaal en dezelfde 48 uur om te handelen op Polymarket. Het resultaat? De ene verandert $1.000 in meer dan $14.000. De andere verliest alles.
Dit is geen hypothetisch verhaal. Dit experiment werd uitgevoerd door een professor van MIT. Het verschil zat hem niet in de intelligentie of de marktvoorspelling, maar puur in risicobeheer.
Het MIT-experiment dat iedereen aan het denken zet
Een MIT-professor gaf twee verschillende AI-agents elk $1.000 om te traden op Polymarket, een populaire prediction market. Ze kregen 48 uur de tijd en dezelfde markten om in te handelen.
Het ene model was gebaseerd op Claude, het andere op een model genaamd OpenClaw. Beide systemen hadden toegang tot dezelfde informatie en dezelfde markten. Toch liepen de resultaten dramatisch uiteen.
Claude wist zijn startkapitaal te laten groeien met maar liefst 1.322% naar $14.216. OpenClaw daarentegen werd volledig geliquideerd en eindigde met nul dollar.
De cruciale les: risicobeheer is alles
Veel mensen denken dat succes in trading vooral draait om het hebben van de juiste voorspellingen. Dit experiment bewijst dat dit maar deels waar is.
Beide AI's hadden vergelijkbare strategieën en marktinzichten. Het fundamentele verschil zat in twee specifieke mechanismen:
Kelly Criterion: de wiskundige heilige graal
Het succesvolle Claude-model maakte gebruik van de Kelly Criterion, een wiskundige formule die precies bepaalt hoe groot je positie moet zijn op basis van je verwachte winstpercentage.
In plaats van alles in één trade te gooien, berekende Claude telkens hoeveel van zijn kapitaal hij maximaal kon riskeren. Dit zorgde ervoor dat hij bij een verkeerde voorspelling niet direct alles verloor, maar ook voldoende kon inzetten bij hoge-conviction trades.
De kill switch: een noodrem voor AI
Naast het Kelly-systeem had Claude een 'kill switch' ingebouwd. Dit is een geautomatiseerde regel die het traden stopt zodra bepaalde risicodrempels worden overschreden.
Deze kill switch voorkwam dat de AI in een negatieve spiraal terechtkwam waarbij verlies op verlies volgde en het account steeds agressiever moest traden om het verlies terug te verdienen – een klassieke valkuil die veel traders herkennen.
Waarom 'all in' gaan bijna altijd slecht afloopt
OpenClaw koos voor een veel agressievere aanpak. Het model ging regelmatig all-in op bepaalde trades. Hoewel dit bij een paar juiste voorspellingen tot enorme winsten kan leiden, is de keerzijde desastreus.
Wanneer je al je kapitaal in één trade steekt, heb je geen marge meer voor fouten. Eén verkeerde voorspelling en je bent volledig uitgeschakeld.
Dit patroon zien we niet alleen bij AI-agents, maar ook bij veel menselijke traders. De verleiding om 'alles op één kaart te zetten' is groot, vooral als je een paar keer succes hebt gehad. Maar de statistieken liegen niet: consistentie en overleven op de lange termijn zijn belangrijker dan een enkele grote winnaar.
Wat dit betekent voor de toekomst van AI in de financiële wereld
Dit experiment is meer dan een grappig voorval. Het geeft ons belangrijke inzichten over hoe we AI moeten inzetten voor financiële beslissingen.
Risicobeheer is geen bijzaak
Te vaak wordt risicobeheer gezien als een vervelend maar noodzakelijk kwaad. Dit experiment toont aan dat het juist het belangrijkste onderdeel is van succesvol traden.
AI-systemen zijn in staat om enorme hoeveelheden data te analyseren en complexe patronen te herkennen. Maar zonder goede risicobeheersing kunnen ze die intelligentie niet effectief omzetten in duurzame winsten.
Lessen voor menselijke traders
Ook voor mensen die zelf traden of investeren bevat dit experiment belangrijke lessen:
- Gebruik positiegrootte-berekeningen in plaats van een vast percentage van je kapitaal te riskeren
- Implementeer duidelijke stop-loss regels en houd je eraan
- Wees vooral voorzichtig na een verlies – dit is het moment waarop de meeste traders emotionele beslissingen nemen
- Focus op overleven van de markt in plaats van zo snel mogelijk rijk worden
Hoe bouw je een robuuste AI-tradingstrategie?
Wil je zelf experimenteren met AI in de financiële wereld? Dan zijn er een aantal zaken waar je absoluut niet omheen kunt:
- Implementeer Kelly Criterion of een aangepaste variant daarvan
- Bouw automatische risicolimieten in die bij extreme marktomstandigheden het systeem uitschakelen
- Test grondig op historische data met verschillende marktomstandigheden
- Houd een logboek bij van alle beslissingen zodat je achteraf kunt analyseren wat goed en fout ging
Bedrijven die AI inzetten voor trading zouden eigenlijk verplicht een 'risk officer' moeten hebben die specifiek kijkt naar deze mechanismen, in plaats van alleen naar de verwachte rendementen.
Conclusie: risicobeheer is spannender dan je denkt
Het MIT-experiment laat zien dat succes in trading – of je nu een mens bent of een AI – voor een groot deel draait om hoe je met risico omgaat. Slimme voorspellingen zijn belangrijk, maar zonder goed risicobeheer zijn ze uiteindelijk waardeloos.
Risk management is niet saai. Het is juist het verschil tussen een spectaculaire winst en totale uitwissing.
De volgende keer dat je een tradingbeslissing neemt – of het nu met AI is of met je eigen geld – vraag jezelf dan af: heb ik een kill switch en gebruik ik een verstandige positiegrootte?
Wil je meer leren over AI, trading en risicobeheer? Schrijf je dan in voor onze nieuwsbrief en mis geen enkel artikel over de nieuwste ontwikkelingen op het snijvlak van kunstmatige intelligentie en financiën. Deel dit artikel ook gerust met iemand die denkt dat 'all in gaan' een goede strategie is.
Dit artikel is geïnspireerd op een werkelijk uitgevoerd experiment door een MIT-professor.