משבש לחלק בלתי נפרד מחיינו, בינה מלאכותית (AI) היא הטכנולוגיה המגדירה את זמננו, כזו שמשנה במהירות את האופן שבו אנו עובדים, צורכים ומשקיעים.
היכולת שלו לחפש, לנתח ולפרש כמויות עצומות של נתונים ביעילות ובמהירות גרמה לה לפרוס אותו למסחר ולקבלת רעיונות השקעה. ברוב השווקים המתקדמים, מסחר בינה מלאכותית תופס מקום ומשמש לפיתוח אסטרטגיות מסחר.
"באופן עולמי, ניהול נכסים מוגדר יותר ויותר על ידי בינה מלאכותית ולמידת מכונה (ML). קרנות המנוהלות על ידי מחשבים מהוות יותר מ-60% מפעילות המסחר בארה"ב", אמרה קניקה אגרוואל, CIO, Upside AI, העוסקת בהשקעות מבוססות למידת מכונה.
AI הוא חסר פניות, חסר רגש ואין לו סגנון השקעה ספציפי. אלגוריתם טוב הוא דינמי ויכול לבדוק ולשכלל אסטרטגיות מסחר בהסתכלות על מגמות בשוק. הוא יכול לעשות מה שעושים אנליסטים - לאסוף מידע, נתונים ולהעריך אותם כדי להציע הצעות.
"זה יכול למצוא בעקביות אלפא, דבר שקשה למנהלים אנושיים המשגשגים במחזורי שוק מסוימים אך לא במחזורי שוק אחרים", אמר אגרוואל.
"פעילות המסחר הגלובלית (לטווח קצר, בתדירות גבוהה, טכניות וכו') מנוהלת ברובה על ידי טכנולוגיה כעת. אפילו תעודות סל פסיביות עלו על מנהלים אקטיביים ב-AUM בארה"ב", אמר אגרוואל.
היא סבורה שהצעד הבא של AI יהיה השקעה בסיסית.
"אנחנו מאמינים שהמשקיעים הגדולים הבאים כמו וורן באפט וצ'רלי מונגר הולכים להיות בינה מלאכותית. בנג'מין גרהאם ווורן באפט היו מאמינים גדולים בהשקעה באמצעות כללים שיטתיים ובהתרחקות מרגשות. הדרך הטובה ביותר לעקוב אחר כללים ללא רגש היא השימוש בבינה מלאכותית ובטכנולוגיה", אמר אגרוואל.
בעוד שנראה כי השווקים המפותחים מתאקלמים במהירות למהפכה הטכנולוגית הזו, לשווקים מתעוררים כמו הודו ייקח זמן מה לראות את הדומיננטיות שלהם בהשקעות.
"בהודו, בעוד שההשקעה היא ברובה מונעת על ידי אנשים, אני מאמין שנראה שינויים מבניים בעשור הקרוב ככל שהשווקים שלנו יתבגרו וקשה יותר למצוא את האלפא. נראה יותר ויותר מוצרים כמו שלנו שמנסים למצוא גישות שונות להשקעה בשימוש בבינה מלאכותית", אמר אגרוואל.
הכוח הגדול ביותר של AI הוא התלות המוחלטת שלו בנתונים ומשתמש באלגוריתמים כדי להבין את השוק והמחזורים שלו. זו הסיבה שבינה מלאכותית נמצאת בשימוש בתעשיית ההשקעות וניהול העושר ברחבי העולם.
Mihir K Malani, מייסד הסטארט-אפ FinTech, Nerve Solutions, ציין כי בעוד שהמטרה הסופית היא תמיד לשפר את התשואות, התהליך כולל בדרך כלל מספר שלבים כמו בחירת המניות הנכונות על סמך מגמות היסטוריות, החלטה על גודל ההשקעה, זיהוי וחיזוי מגמות, וכו '
"גישה מקובלת היא להשתמש במודלים של ML כדי לסווג לקוחות על סמך הפרופילים, העדפות ההשקעה ותיאבון הסיכון שלהם ולתת למודל להגיע לאסטרטגיות ההשקעה המתאימות ביותר עבורם", אמר מלאני.
אחד היתרונות הגדולים ביותר של מודל AI מפותח להשקעה הוא היכולת שלו להימנע ממלכודות ולחזות ירידה מוצלחת, אמר.
"כמו כן, דרך טובה למדוד את היעילות של מודל היא באמצעות מספר התוצאות השוואיות שנוצרות על ידו. ככל שהמספר נמוך יותר, כך הדגם טוב ואמין יותר", הוסיף מלאני.
האתגרים
למרות ש-AI נראה ככוח בלתי נמנע בהשקעות, יש אתגרים לפנינו.
אמנם קל לגשת לקבוצות גדולות של נתונים פיננסיים מובנים כדי לבנות מודלים של למידת מכונה, אך ישנם מספר אתגרים הקשורים לפיתוח מודל שעובד.
Agarrwal מ-Upside AI מאמינה שהאתגרים של בינה מלאכותית נכונים בכל תעשיות, כולל השקעה – איכות נתונים, איכות המודל שנבנה, חוסר כישרון בהודו לבנות מכונות אלו, פתרון בעיות השקעה איכותיות כמו ממשל תאגידי והכרה רחבה יותר של טֶכנוֹלוֹגִיָה.
הבחנה בין דפוסים וצירופי מקרים אמיתיים הוא בין המכשולים הגדולים ביותר שניתן להתמודד איתם בעת יישום בינה מלאכותית להשקעות.
"לפעמים, צירופי מקרים בלבד נותנים אשליה של מתאם. חוסר יכולת לזהות את אלה עלול להוביל למודלים לא מדויקים ביותר", אמר מלאני.
זיהוי התכונות הנכונות ולאחר מכן עיצוב המודל הוא אתגר.
"זהו אתגר נפוץ שעומד בפניו לעתים קרובות בעת פיתוח מודלים של AI עבור מכשירים נגזרים. עם מספר גורמים המעורבים בתמחור של חוזה נגזרים, החמצה של התכונות הנכונות עלולה להוביל למודלים נכונים אך שגויים לכאורה", אמר מלאני.
חוץ מזה, הטמעת גורמים גיאופוליטיים בתוך מודל היא גם אתגר.
"למרות ששילוב מידע על מחיר ונפח בתוך מודל בינה מלאכותית הוא פרוצדורלי למדי, קשה מאוד להסביר גורמים שנמצאים מחוץ לשווקים אך יש להם השפעה עמוקה על תנועות השוק. גורמים כאלה הם לעתים קרובות הסיבה לכישלון של מודלים", אמר מלאני.
למרות האתגרים הללו, בינה מלאכותית היא עתיד ההשקעות, כזה שפותח הרבה אפשרויות למשקיעים ולמנהלים כאחד.
מקור: https://www.fintechnews.org/ai-may-be-the-next-warren-buffett-but-there-are-challenges-ahead/
