Sztuczna inteligencja w inwestowaniu może być wykorzystywana na wiele sposobów – podkreślają eksperci CFA INSTITUTE
Zastosowanie sztucznej inteligencji w branży zarządzania aktywami jest szerokie. Przydaje się w zakresie zarządzania portfelem, tradingu oraz zarządzania ryzykiem.
Zastosowanie sztucznej inteligencji (AI) w inwestowaniu jest i będzie coraz szersze, ale przez swoje niezbywalne wady nigdy nie zastąpi ona w pełni ludzkich zarządzających – wynika z publikacji „ARTIFICIAL INTELLIGENCE IN ASSET MANAGEMENT” stworzonej pod auspicjami CFA INSTITUTE RESEARCH FOUNDATION. Jej autorami są Söhnke M. Bartram, Jürgen Branke, and Mehrshad Motahari.
Szerokie zastosowanie AI w inwestowaniu
Dokument o którym mowa prezentuje bieżące i ewentualnie możliwe zastosowania sztucznej inteligencji w branży zarządzania aktywami. A dokładniej w zakresie: zarządzania portfelem, tradingu oraz zarządzania ryzykiem.
Jeśli chodzi o zarządzanie portfelem, to AI może pomóc w analizowaniu danych podczas dokonywania analizy fundamentalnej. Coraz szersze zastosowanie tej technologii w tym aspekcie może nawet prowadzić do powstania nowych strategii inwestycyjnych. AI może też oczywiście wspierać optymalizację składu portfela oraz procesu inwestycyjnego, co może prowadzić do wyższych stóp zwrotu – twierdzą Bartram, Branke i Motahari. Z badań wynika, że portfele korzystające z AI mogą się pochwalić o 10% lepszym wskaźnikiem Sharpe’a od portfeli, które tego nie robią.
Trading, jak wiadomo, staje coraz bardziej skomplikowanym zajęciem. AI może go ułatwić, przeszukując olbrzymie zakresy danych rynkowych w poszukiwaniu ustalonych sygnałów inwestycyjnych. Jak wiadomo, już od wielu lat na giełdach działają algorytmy, które handlują w zautomatyzowany sposób. Istnieje jednak jeszcze duże pole do wykorzystania AI w celu obniżania kosztów tradingu – sztuczna inteligencja może optymalizować koszty dobierając odpowiednie momenty i wielkość otwarcia pozycji, a nawet wybierać odpowiedniego brokera.
AI może mieć także szerokie zastosowanie w zarządzaniu ryzykiem. Już w tej chwili sztuczna inteligencja asystuje risk menedżerom, a jej rola w tym zakresie będzie jeszcze rosła. Przydaje się ona w back-testach, prognozowaniu, ocenie ryzyka kredytowego, wyszukiwaniu trendów itd. Gołym okiem widać ją w robo-doradztwie, które staje się coraz popularniejsze – podkreślają autorzy omawianego raportu.
Schemat aplikowania AI w zarządzaniu ryzykiem inwestycyjnym
Źródło: Bartram, Branke i Motahari (2020)
Zobacz także: Asseco stworzyło automatycznego doradcę dla inwestorów giełdowych - poznajcie PROMAK Mate
Sztuczna inteligencja ma też wady
Bartram, Branke i Motahari poświęcili trochę miejsca także na omówienie wad stosowania AI w procesie inwestycyjnym. „Modele oparte na AI są często bardzo skomplikowane, co czyni je trudnymi do nadzoru i monitoringu. Wrażliwość takich modeli na wszelkie zakłócenia jest duża, co staje się źródłem poważnego ryzyka. Błędy mogą się przytrafić w trakcie trenowania AI, co skutkuje później złym doborem danych, a więc słabą jakością analiz czy niewłaściwym ich zastosowaniem” – podkreślają eksperci CFA Institute.
Pozostaje jeszcze kwestia doboru i jakości danych, jakie są „obrabiane” przez sztuczną inteligencję. Jak wiadomo, AI jest tylko z nazwy „inteligencją”, a tak naprawdę jest mechanizmem analizującym przeszłość i starającym się dokonać pewnych ekstrapolacji na przyszłość. Jeśli dane na wejściu będą miały niską jakość (albo poważne ubytki), nawet najlepsza sztuczna inteligencja nie da rady naprawić tych „błędów u źródła”.
Zagrożenia związane ze stosowaniem AI w procesie inwestowania
Źródło: Bartram, Branke i Motahari (2020)
„Użycie AI w procesie inwestowania staje się przedmiotem coraz żywszego zainteresowania ze strony akademików i praktyków. Już w tej chwili jest szeroko stosowane w branży inwestycyjnej, a będzie jeszcze szerzej. Znajduje się już w sercu algo-tradingu i robo-doradztwa. Jednakże daleko jest o stanu, w którym AI zastąpi zarządzających. Być może taki stan nigdy nie zostanie osiągnięty. Sukces AI w branży inwestycyjnej zależy od efektywności, zdolności do identyfikowania trendów i szybkiej analizy wielopoziomowych, złożonych baz danych. A także – co może najważniejsze – od doskonalenia procesu analitycznego. Problem w tym, że błyskawiczna analiza danych bez głębszego namysłu może prowadzić do błędnych wniosków, czyli wielka zaleta AI może się okazać jednocześnie wielką słabością. AI dąży bowiem do pokazania wyników swojej pracy, nawet jeśli tak naprawdę nie ma ku temu sprzyjających warunków. To powoduje, że AI na zawsze zapewne musi zostać pod nadzorem człowieka i nigdy nie zastąpi zarządzających kapitałem ludzi” – podsumowują eksperci CFA Institute.
