Колку е добра вештачката интелигенција за избор на победнички акции?

Со својот потенцијал да ја зголеми продуктивноста во повеќе индустрии, вештачката интелигенција е берзанската инвестициска тема на годината. Но ако ги прашате трговците како вештачката интелигенција го менува инвестирањето само по себе, нивните одговори може да се разидуваат: роботи што читаат „Твитер“, алатки за анализа на податоци или алгоритми за трасирање наредби за купување и продавање. За финансиските пазари, светиот грал останува форма на вештачка интелигенција што може да каже каде ќе се движат цените попрецизно отколку што може човекот  - предизвик што е многу потежок отколку да научиме компјутер да сумира извештај од истражување.

1. За каква вештачка интелигенција зборуваме?

Општо земено, постојат два главни вида на вештачка интелигенција што се користат во финансиите. Првата е генеративната вештачка интелигенција - технологијата што ги поткрепува четботовите, како што се ЧетГПТ (ChatGPT) и Бард на „Гугл“. Вториот е предвидувачката вештачка интелигенција, важна алатка во квантитативното тргување, каде што аналитика обучена за математички операции пребарува низ големи количества финансиски податоци за модели и трендови за да најде нови стратегии за тргување.

2. Како може да се користи генеративната вештачка интелигенција во финансиите?

Генеративната вештачка интелигенција ја имитира работата на човечкиот мозок за да извршува сложени когнитивни задачи засновани на едноставни писмени упатства. Системите се обучени од огромни количества на веќе постојни материјал и учат како да ги користат тие информации за да направат нешто ново, како што се сиже за нов роман, резиме на извештај, песна или правен договор. Големите јазични модели што ги напојуваат овие четботови може да го подобрат она што е познато како процесирање на природен јазик, а финансиските професионалци веќе го користат за анализирање на извештаите за заработка и други документи за откривање сигнали за тргување или потенцијални инвестициски ризици, додека да трепнете. Постарите варијанти на тој процес се потпираа на забележување одредени зборови како можни показатели, но најновата технологија е подобра во анализирањето на контекстот, што ја прави попрецизна. Некои академски студии покажаа дека ЧетГПТ може да се користи за дешифрирање на пазарните импликации во соопштенијата и говорите на ФЕД  и корпоративните вести на начини што се морничаво блиску до она што може да го постигне и врвен човечки експерт.

3. Дали генеративната вештачка интелигенција веќе се користи во сферата на финансиите?

Да. Хеџ-фондовите експериментираат со ЧетГПТ за пишување кодови, сумирање на истражувањата или составување извештаи за клиентите, а банките распоредуваат четботови базирани на големи јазични модели (ЛЛМ) за да одговорат на прашања на клиентите. „Блумберг ЛП“ (Bloomberg LP), компанија родител на „Блумберг њуз“ (Bloomberg News), објави голем јазичен модел специјално за финансии, БлумбергГПТ (BloombergGPT).

4. Дали генеративната вештачка интелигенција ќе преземе работни места на Волстрит?

Вештачката интелигенција веќе наруши многу области во сферата на финансиите, особено улогите што вклучуваат повторливи задачи, како што се функциите за поддршка и обработка. Генеративната вештачка интелигенција исто така има импликации и врз работните места со повисоки квалификации што вклучуваат собирање и анализа на податоци и креирање извештаи. Тоа не мора да значи дека луѓето ќе бидат турнати настрана. Многумина ќе бидат обучени да ги користат овие алатки за вештачка интелигенција за да бидат попродуктивни. Од друга страна, има голема побарувачка за научници за податоци со вештини за вештачка интелигенција и талент за финансии. Во банките со најголем ентузијазам, околу 40 отсто од сите отворени работни места се за вработувања поврзани со вештачка интелигенција, како што се инженери за податоци, како и улоги за етика и управување, според податоците од консултантската куќа „Евидент“ (Evident). „ЏП Морган“ (JPMorgan Chase & Co.) собира таленти, промовирајќи повеќе работни улоги во доменот на вештачката интелигенција од кој било од своите ривали.

Depositphotos

5. Што е со предвидувачката вештачка интелигенција?

Додека генеративната вештачка интелигенција е фокусирана на создавање нов материјал врз основа на податоците собрани во текот на обуката, вештачката интелигенција што се користи во квантитативното тргување се обидува да направи предвидувања како на пример каде се движи цената на обврзницата. Она што е заедничко за овие алатки е што двете се обучени за пронаоѓање шеми во големи количества податоци. Специјалистите за квант велат дека традиционалните модели на квант се засноваат на линеарни врски, како што е набљудувањето дека вредноста на акциите расте со текот на времето, но може да бидат премногу едноставни за да се долови комплексноста на пазарите. Неодамнешните модели за машинско учење, од друга страна, се подобри во поставување голем број влезови и откривање компликувани шеми, вклучувајќи и како различните променливи комуницираат една со друга.

6. Дали предвидувачката вештачка интелигенција ќе ги замени трговците и пазарните стратези?

Целосното потиснување засега се чини неверојатно. Дневните промени во берзанските индекси се предизвикани од толку многу фактори што може да биде тешко да се детектираат сигурни сигнали во целата бучава. Уште повеќе, пазарите се предмет на постојани промени на режимот - од регулаторни реформи до структурни промени во инвестициските текови - при што тие реагираат на истите сигнали на различни начини од еден период до друг. Така, она што машината го забележала еден ден, можеби веќе нема да важи следниот, а она што во теорија изгледа како победничка инвестициска стратегија, можеби нема да заработи воопшто пари во тргувањето во живо. Многу трговци паѓаат во таа замка. Плус, колку е покомплексен моделот на тргување на машината толку е потешко да се објаснат неговите избори во споредба со оние на традиционалните стратегии осмислени од луѓето. А тоа е проблематично во индустрија каде што клиентите често бараат издржана причина за лошите перформанси.

7. Колку е распространета употребата на вештачката интелигенција во инвестирање?

Менаџерите што управуваат со многу пари велат дека користат машинско учење во својот инвестициски процес. Тоа не значи дека им кажува што да купат или продадат. Вештачката интелигенција може да се користи во многу аспекти од нивната работа - комбинирање сигнали за тргување, пресметување на ризикот од голем пад или одлучување како најдобро да се изврши трговија. Веројатно е безбедно да се каже дека повеќето фондови базирани на квант користат машинско учење во некаква форма. Неколку од нив, вклучувајќи ги и „Волеон“ (Voleon Group) или „Волориџ“ (Volorridge Investment Management), се познати по нивните тежнеења кон ВИ. Група стартапи за финансиска технологија исто така се обидуваат да применат вештачка интелигенција во финансиите, како што се „Еквилибри“ (EquiLibre Technologies), „Каваут“ (Kavout) и „Ексјон“ (Axyon AI), кои главно користат машинско учење за да сфатат каде се насочуваат пазарите.

8. Па, дали вештачката интелигенција може да ги победи пазарите?

Не постои јасен начин да се утврди тоа, бидејќи различни трговци користат вештачка интелигенција на различни начини. Од една перспектива, Еурекахеџ (Eurekahedge) - индексот на хеџ-фондовите со вештачка интелигенција има помалку перформанси во поширокиот универзум за околу девет процентни поени во последните пет години. AI Powered Equity ETF исто така заостана во однос на индексот S&P 500 за околу 50 процентни поени во тој период. Од друга страна, академски труд од 2021 година сугерираше дека заеднички фондови поддржани од оваа технологија ги победија нивните ривали управувани од луѓе, иако не и пазарот. Накратко, вештачката интелигенција игра поголема улога на Волстрит. Но напредокот веројатно ќе биде побавен и помалку впечатлив отколку што сакаат да прикажат некои директори од Силициумската Долина.