Од најраните денови на вештачката интелигенција (AI) и машинското учење (ML) во 50-тите години на минатиот век, практичарите зборуваа за нејзината употреба за управување со инвестициски фондови. На крајот на краиштата, луѓето се озлогласено лоши во инвестирањето, бидејќи само мал дел од менаџерите со пари ги надминаа случајните безбедносни селекции, а повеќето од оние кои го прават тоа веројатно имаат само среќа. Дури и успешните менаџери можат да пристапат само до мал дел од сите информации релевантни за безбеден избор и мора да се заштитат од мноштво на предрасуди во однесувањето кои би ги саботирале стратегиите. Но, неуморна машина способна да ги „свари“ сите информации и имуна на човечката пристрасност би требало да биде супериорна во овој поглед.
Досега тоа ветување не е исполнето. Единствениот голем фонд предводен од вештачка интелигенција - AI Powered Equity ETF - имаше слаби перформанси и привлече мал интерес кај инвеститорите. Од отворањето во октомври 2017 година, фондот врати нешто помалку од половина од S&P 500, или 35,3 отсто наспроти 70,8 отсто, со малку поголема нестабилност: 24,2 отсто наспроти 21,5 отсто. AI ETF - со ознака AIEQ - има бета од 1 во споредба со S&P 500 по надоместоците, а алфа од негативни 3,82 проценти, што значи дека во просек губел 3,82 проценти во однос на S&P 500 секоја година, во последните пет години. Сепак, таа алфа не е статистички значајна, што значи дека е веројатно AIEQ да има супериорен долгорочен очекуван принос прилагоден на ризик, но штотуку мина низ несреќен петгодишен циклус.
Depositphotos
Друг истакнат производ со вештачка интелигенција е AI Powered US Equity Index или AIPEX составен од HSBC Holding. Од почетокот на август 2019 година, индексот врати само 2,3 отсто, во споредба со 44,8 колку што врати индексот Vanguard 500. Меѓутоа, AIPEX има годишна цел на нестабилност од шест отсто, што е околу една четвртина од 24,3 отсто на S&P 500 во текот на истиот период. AIPEX речиси точно ја постигна својата цел за нестабилност од 6,1 отсто, и има бета од 0,19 во однос на S&P 500 и алфа од негативни 1,8 отсто (но како кај AIEQ, таа негативна алфа не е статистички значајна). AIPEX вклучува индексна провизија од 50 базични поени и најголемиот дел од својот обмислен капитал го држи во готовина. Приспособувајќи се за тие две работи, чистата селекција на акции на AIPEX - мерка за успехот на неговата вештачка интелигенција - изгуби 6,8 проценти годишно во однос на S&P 500 во последните три години.
Сепак, вештачката интелигенција силно напредува во управувањето со инвестициите. Главната област е обработката на „неструктурирани податоци“ како што се вести и текстуално известување. Нема сомнеж дека вештачката интелигенција тука ги надминува луѓето: може да чита било што, на кој било јазик и да собере корисни информации. Може да обработува слики и сè друго што може да се префрли преку бајти во компјутерска датотека. Количината на таквите податоци рапидно расте, а исто така и софистицираноста на алгоритмите за нивна обработка, па вештачката интелигенција ќе продолжи да напредува во оваа задача.
Друга област каде што вештачката интелигенција и машинското учење се широко користени се алгоритмите за тргување - не во одлучувањето што да се купи и продаде, туку да се избере како да се поделат нарачките и да се внесат во различни платформи за тргување. Овие алгоритми не мора да бидат многу паметни, нивната главна предност пред луѓето е брзината. Тие можат постојано да следат стотици извори на податоци за цените и да донесуваат инстант одлуки.
Сепак, овие помошни функции не беа она за што сонуваа пионерите на вештачката интелигенција. Тие веруваа дека вештачката интелигенција може да го преземе целиот процес на донесување одлуки за инвестирање, не само да креира сигнали и да врши трговија, туку и да ги толкува тие сигнали и да избира која трговија да се реализира. Брајан Кели, раководител за истражувања за вештачка интелигенција во AQR Capital Management LLC вели:
„Машинското учење има вистинско влијание врз систематските инвестициски процеси бидејќи им овозможува на менаџерите побрзо и поекспресивно да ги 'сварат' информациите од повеќе нови извори (поради поголема флексибилност на моделот). Но, важно е да се запамети дека централната мотивација на машинското учење - да се 'исцедат' колку што е можно повеќе употребливи информации од податоците - долго време е начин на работа на квантното инвестирање, така што јас гледам на машинското учење како уште еден чекор во еволуцијата на методите за квантно инвестирање“.
Depositphotos
Мислам дека ова го претставува главното верување во моментот. Вештачката интелигенција полека се интегрира во квантитативното инвестирање, особено за извлекување на сигнали и тргување, при што го подобрува човечкото истражување и донесување одлуки наместо целосно да го замени.
Постојат две области каде што постои надеж за поголема улога на машинското учење во управувањето со инвестициите. Првиот е L (анг. learning - учење) во ML. Секој ден на слаби перформанси е уште една можност за подобрување. Можеби ML е како мала птица која штотуку ги развива своите крилја и еден ден ќе се вивне далеку над луѓето врзани за земјата. Втората е дека институционалните инвеститори се заинтересирани за користење на ML за распределба на средствата, а не како избор за сигурност. Оптимизацијата на повеќе пазари е многу потешка отколку изборот на портфолија во класите на средства. Повеќето инвеститори не се ни обидуваат, наместо тоа ги градат најдобрите портфолија на акции, обврзници и суровини според нивното уверување, а потоа ги комбинираат според претходно избраните алокации. Вештачката интелигенција е единствениот познат пристап за градење вистинско глобално портфолио.
Инвеститорите сега не треба да гледаат на Skynet или Hal 9000 за да управуваат со своите пари. Најдобрите компании користат ML таму каде што е докажано дека функционира - и можеби размислуваат и за други примени - но чистото донесување одлуки ореку машинско учење заостанува на пазарот.
.webp){kind=icon}