Finansijske kompanije koriste veštačku inteligenciju za predviđanje kretanja cena akcija

Finansijske kompanije širom sveta žure da uključe veštačku inteligenciju (AI) u što više domena svoga poslovanja. Međutim, investitori i dalje imaju poteškoća u iskorišćavanju ove tehnologije kako bi predvideli kretanje cena na način koji povećava profit.

Iako je lako uključiti računarske algoritme za sumiraju izveštaja istraživanja, predviđanje kretanja cena akcija zahteva mnogo više. Čak i oni koji veruju da će AI jednog dana revolucionisati izbor akcija misle da će do toga doći kroz dugačak niz malih prilagođavanja, koja će u početku stvoriti samo umerenu prednost, mada na Vol Stritu i umerena prednost može doneti milijarde.

Kako finansijske kompanije koriste AI?
AI se koristi u svakoj vrsti uloge, uključujući korisničku podršku i efikasniju trgovinu. JPMorgan Chase kaže da ima više od 300 slučajeva upotrebe AI u svom poslovanju.

Kada je u pitanju povećanje prinosa od investicija, nade uglavnom počivaju na mašinskom učenju, području veštačke inteligencije gde se računari treniraju na ogromnim količinama podataka kako bi obavljali određene zadatke.
Mašinsko učenje obuhvata i generativnu AI – sposobnost stvaranja sadržaja sličnu onoj ljudskog mozga i prediktivnu AI, koja koristi prethodne rezultate za prognoziranje budućih ishoda.

Sve ovo se temelji na takozvanoj kvantitativnoj ili kvant investicijskoj strategiji, koju menadžeri novca koriste već decenijama kako bi razvili formule za izbor hartija od vrednosti.

Kako ovi programi mogu poboljšati izbor akcija?
Generativna AI, koja oponaša rad ljudskog mozga pri obavljanju složenih kognitivnih zadataka, može biti trenirana na ogromnim količinama postojećeg materijala i naučiti kako da koristi tu informaciju za stvaranje novih stvari, poput opisa za novi roman, sažetka izveštaja, pesme ili pravnog ugovora.

Kada se primenjuje na finansijske analize, to može značiti sintezu istraživanja ili pisanje osnovnog koda i izveštaja o investicijama.
Prediktivna AI traži obrasce u istorijskim podacima kako bi procenila verovatnoću budućih događaja.
Nada je da prediktivna AI, kao investicijski alat, može obraditi ogromne količine finansijskih podataka i doneti informisane prognoze, kao što je kretanje cene obveznica.

Ko koristi AI i kako?
Na primer, jedan stariji kvant, gospodin Džejson Hsu iz Rayliant Global Advisors, prešao je sa biranja akcija baziranog na šest kriterijuma na korišćenje AI algoritma koji prati oko 200 signala.
Nada je da AI može uzeti pravilo poput „kupujte akcije sa najnižim odnosom cene prema knjigovodstvenoj vrednosti“ i saznati u kojim sektorima i tržišnim uslovima ovo pravilo najbolje primenjuje.
Većina menadžera novca koji koriste AI pokušavaju da kombinuju nove tehnike sa uspostavljenom teorijom.

Kako bi to moglo poboljšati rezultate?
Tradicionale kvant modele zasnovane su na linearnim odnosima, kao što je posmatranje da vrednosne akcije vremenom rastu.
Specijalisti kvant modela kažu da ovakav pristup može doneti rezultate koji su lako interpretirani, ali ne uspevaju da uhvate složenost tržišta.
Otkrivaju da nedavni modeli prediktivne AI bolje se prilagođavaju velikom broju ulaznih podataka i otkrivaju komplikovane obrasce, uključujući interakciju različitih varijabli.

Generativna AI programi koji koriste velike jezičke modele takođe mogu poboljšati obradu prirodnog jezika, što finansijski profesionalci već koriste za analizu izjava o prihodima, transkripta poziva i drugih dokumenata u cilju otkrivanja signala za trgovanje ili potencijalnih investicionih rizika.
Dok su stariji modeli oslanjali na prepoznavanje određenih reči, najnovija tehnologija je bolja u analizi konteksta, što ih čini tačnijim.

Da li ova tehnologija funkcioniše?
Zasad nema dovoljno dokaza da AI pruža opipljivu prednost.
Eurekahedge indeks od 12 fondova koji koriste AI je u poslednjih pet godina zaostao za širinim indeksom hedž fondova za oko 14 procentnih poena.
Prema Plexus Investments, menadžeru imovine koji prati prinose specijalizovanih fondova koji koriste AI, samo 45 procenata njih nadmašuje merne pokazatelje na kojima se sami mere.
S druge strane, jedno akademsko istraživanje iz 2021. godine ukazuje da mutualni fondovi koje pokreće AI nadmašuju one koji su upravljani ljudskim faktorom, iako ne i tržište.

Koji su izazovi?
Mašine se zbunjuju bučnim tržištima, a finansijski sektor ponekad nema toliko podataka kao druge oblasti. (Tradicionalna kvant strategija može pratiti cenu akcija na mesečnoj ili kvartalnoj osnovi da bi eliminisala buku koja se vidi u dnevnim ili minut-po-minut podacima. Ali to znači da će imati manje od 2000 podataka čak i za akcije kompanija koje postoje stotinama godina.)
Kada AI programi otkriju potencijalno profitabilne obrasce, oni mogu biti poremećeni zbog naglih promena trendova.
Još jedan izazov je nedostatak objašnjivosti AI programa, jer može biti teško znati kako je program došao do određenog zaključka.

Ispostavilo se da investitori koji gube novac uglavnom žele znati šta je pošlo po zlu.