Sztuczna inteligencja będzie ostrzegać inwestorów przed krachami

Udostępnij

Postępy w rozwoju sztucznej inteligencji i Big Data są tak duże, że dają nadzieję na przewidywanie krachów na akcjach poszczególnych spółek – twierdzą analitycy ROBECO.

Możliwe jest stworzenie takiego modelu opartego na AI, który skutecznie identyfikuje z wyprzedzeniem spółki giełdowe, które znajdą się w trudnej sytuacji finansowej – stwierdzają eksperci ROBECO Laurens Swinkels oraz Tobias Hoogteijling w artykule “Forecasting stock crash risk with machine learning”.

AI można stosować w inwestowaniu

Swinkels i Hoogteijling zaznaczają, że dzięki skokowemu zwiększaniu się mocy obliczeniowej komputerów możliwe jest wdrożenie i wykorzystanie uczenia maszynowego (sztucznej inteligencji, AI) w coraz to bardziej skomplikowanych modelach. „W przeciwieństwie do modeli opartych na regułach, modele oparte o uczenie maszynowe przyjmują podejście w pełni oparte na danych i są zdolne do wykorzystywania złożonych, nieliniowych relacji. Mogą potencjalnie odkryć systematyczne i powtarzające się wzorce, których liniowe modele nie wychwytują. Zagłębienie się w wykorzystanie technik uczenia maszynowego może przenieść modelowanie ilościowe na wyższy poziom” – twierdzą eksperci ROBECO.

Co ważne, według nich, modele uczenia maszynowego można wykorzystać do prognozowania załamań cen akcji spółek giełdowych. „Różne zastosowania uczenia maszynowego w inwestowaniu ilościowym są coraz częściej dostrzegane w środowisku akademickim. Obejmują one zarówno stosunkowo proste modele, zdolne do selekcji zmiennych, jak i modele złożone, konstruowane do celów statystycznych arbitrażów. Oczywiście, pojawiają się pewne problemy, jak wzrost ilości danych i liczby możliwych relacji między zmiennymi. Ryzyko polega na tym, że można odkryć przypadkową zależność między zmiennymi i wykorzystać jako sygnał do budowy portfela, podczas gdy w rzeczywistości nie powtórzy się ona w przyszłości. Jednak zestaw narzędzi uczenia maszynowego zawiera rozwiązania, które pozwalają uniknąć nadmiernego dopasowania, takie jak regularyzacja (tj. zmienna selekcji), uśrednianie modelu i walidacja krzyżowa” – podkreślają eksperci ROBECO.

Zobacz także: Ulubione spółki Milenialsów zostały przecenione mocniej niż rynek

Uczenie maszynowe ostrzeże przed krachem…

Eksperci ROBECO są przekonani, że uczenie maszynowe pozwala na identyfikację firm, które idą złą ścieżką, w kierunku problemów finansowych. Jak słusznie zauważają, wyszukiwanie danych o bankructwach czy informacji o obniżkach rekomendacji czy ratingów, to może być za mało, bo rynek lubi i potrafi dyskontować problemy spółek. Czyli gdy pojawia się obniżka ratingu, spadki ceny waloru mogą już trwać w najlepsze.

Oczywiście, nie jest zaskoczeniem, że z ich badania wynika, iż większość krachów na akcjach poszczególnych spółek ma miejsce w okresach dużych kryzysów finansowych. Najbardziej podatne na krachy są spółki z sektora finansowego, surowcowego oraz opieki zdrowotnej.

Średnia liczba krachów w wybranych sektorach

Źródło: ROBECO

Zdaniem analityków ROBECO, aby AI skutecznie przewidywało krachy na akcjach spółek, musi zostać zasilona odpowiednimi danymi. Wśród tych danych są takie kategorie, jak: zmienność waloru, cash flow, poziom zadłużenia. „Oczywiście, można włączać do zmiennych takie dane, jak poziom zysku czy kolor logo firmy. Problem w tym, że są one albo mało powtarzalne, jak w pierwszym przypadku, albo mało ważne, jak w drugim. Tymczasem uczenie maszynowe musi być zasilane powtarzalnymi seriami danych, by osiągało coraz większą sprawność w predykcji” – podkreślają.

…oraz przed bankructwem

Analitycy ROBECO postarali się o skonstruowanie przykładu. Stworzyli model dla spółki z sektora finansowego, który miał pomóc przewidzieć jej ewentualne kłopoty biznesowe i finansowe. I rzeczywiście ten model to zrobił (w tzw. back-teście, oczywiście). Jak widzimy na poniższym wykresie, prawdopodobieństwo stresu zaczęło rosnąć już w 2006 roku, a spółka osiągnęła szczyt notowań w styczniu 2007. We wrześniu 2008 roku ogłosiła bankructwo.

Przykład działania AI: notowania ceny akcji spółki finansowej i prawdopodobieństwa stresu

Źródło: ROBECO

„Uważamy, że algorytmy uczenia maszynowego, które są odpowiednio ustawione do prognozowania ryzyka krachu cen akcji, prowadzą do uzyskania wyników ekonomicznie interpretowalnych. Pamiętać należy, że w przypadku każdego waloru można przeanalizować dane źródłowe każdej funkcji, aby lepiej zrozumieć czynniki napędzające prawdopodobieństwo stresu. Może to również pomóc wyjaśnić, dlaczego określone akcje powinny być utrzymywane, lub nie, w portfelu akcji. Naszym zdaniem, możliwe jest stworzenie takiego modelu, który jest skutecznym sposobem na identyfikowanie z wyprzedzeniem spółek giełdowych, które znajdą się w trudnej sytuacji finansowej” – stwierdzają analitycy ROBECO. „Techniki AI mogą przenieść modelowanie ilościowe na wyższy poziom, w ramach sprawdzonej filozofii inwestycyjnej. Oparte na danych, mające uzasadnienie ekonomiczne, mogą mieć kluczowe znaczenie dla rozważnego inwestowania” – podsumowali.