За последний год ИИ-агенты стали частью торговой инфраструктуры розничных форекс- и CFD-брокеров. MetaQuotes добавила поддержку Model Context Protocol (MCP) в MetaTrader 5, Spotware запустила cTrader AI Agent Connect, а Match-Trade представила MCP-инструменты сначала для брокеров, а затем для трейдеров.
Для дилинговых отделов это создает новую проблему: брокер не всегда может определить, кто отправил заявку, человек или ИИ, считает Мариос Кириаку, руководитель FX Dealer Academy от компании Your Bourse.
Брокеры давно умеют выявлять автоматизированную торговлю. MetaTrader, например, может показывать, откуда поступила заявка: с компьютера, мобильного устройства, из веб-терминала или от советника Expert Advisor.
Но у ИИ-агентов отдельной метки обычно нет. При локальном подключении их заявки могут проходить через ту же авторизованную сессию, что и ручные операции клиента.
Некоторые MCP-серверы для MT5 используют режим алгоритмической торговли, поэтому отправленные через них сделки могут отображаться как операции советника. Однако отличить искусственный интеллект (ИИ) от обычного торгового алгоритма брокер все равно не сможет.
Проблему осложняет появление сторонних MCP-серверов. Помимо официальных решений торговых платформ, существуют проекты с открытым исходным кодом, облачные сервисы и системы, разработанные самими трейдерами. Они подключаются к счету через стандартные API или терминал, поэтому брокер видит обычную заявку, но не знает, как она была сформирована.
Дилинговые отделы анализируют поведение клиентов, чтобы решить, оставить риск внутри компании по модели B-book или передать сделки внешнему поставщику ликвидности по модели A-book.
Однако ИИ может быстро изменить торговый профиль клиента. Трейдер, который раньше совершал сделки вручную и регулярно терял деньги, способен подключить агента и начать действовать быстрее и дисциплинированнее. Если брокер не заметит перемен, он продолжит считать такого клиента безопасным для внутреннего исполнения.
Поведение ИИ не всегда похоже на обычный алгоритм. Советник действует по заранее заданным правилам и часто оставляет легко узнаваемый след: повторяющиеся условия входа, одинаковое время реакции или серию заявок с интервалом в несколько миллисекунд.
ИИ-агент может учитывать технические сигналы, новости и макроэкономические данные, а также менять тактику в зависимости от контекста. Поэтому его сделки могут напоминать как алгоритмическую, так и ручную торговлю.
Брокерам приходится ориентироваться на косвенные признаки: резкое изменение скорости и времени торговли, исчезновение прежних эмоциональных ошибок, новые закономерности в выборе инструментов и внезапный рост прибыльности.
Если множество клиентов используют одни и те же ИИ-модели, промпты и MCP-серверы, они могут одинаково реагировать на рыночные события. В результате брокер рискует получить большое число однонаправленных позиций, которые внешне принадлежат разным клиентам.
Такой коррелированный поток способен быстро увеличить рыночный риск. Поэтому дилинговым отделам необходимо следить не только за отдельными счетами, но и за синхронными изменениями поведения разных клиентов.
Если ИИ-агент является частью продукта самого брокера, источник заявки тоже имеет значение. В случае спора компания должна суметь установить, совершил ли сделку клиент вручную или ее открыл агент, какую команду он получил и как ее интерпретировал.
Поэтому брокеру необходимо маркировать такие ордера и хранить журналы действий системы. Без этих данных будет сложно доказать, что агент действовал в рамках поручения клиента, а ошибка не возникла в сервисе брокера.
ИИ-торговля уже доступна на крупнейших платформах, но инструменты контроля за ней пока отстают. Чтобы снизить риски, брокерам необходимо чаще пересматривать торговые профили клиентов, искать резкие изменения в их поведении и отслеживать коррелированные позиции.
Одновременно отрасли нужна отдельная маркировка заявок, отправленных через MCP. Без нее дилинговые отделы вынуждены принимать решения, не зная, кто фактически управляет счетом — клиент, советник или ИИ-агент.
