Fra en forstyrrende til en integrert del av livene våre, er kunstig intelligens (AI) den definerende teknologien i vår tid, en teknologi som raskt endrer hvordan vi jobber, forbruker og investerer.

Dens evne til å søke, analysere og tolke enorme mengder data effektivt og raskt har gjort at den har blitt distribuert for handel og for å få investeringsideer. I de fleste avanserte markeder vinner AI-handel terreng og brukes til å utvikle handelsstrategier.

«Globalt blir kapitalforvaltning i økende grad definert av kunstig intelligens og maskinlæring (ML). Fond drevet av datamaskiner står for mer enn 60 prosent av USAs handelsaktivitet, sier Kanika Agarrwal, CIO, Upside AI, som driver med maskinlæringsbaserte investeringer.

AI er objektiv, følelsesløs og har ingen spesifikk investeringsstil. En god algoritme er dynamisk og kan teste og avgrense handelsstrategier ved å se på markedstrender. Den kan gjøre det analytikere gjør – samle informasjon, data og evaluere dem for å komme med forslag.

"Den kan konsekvent finne alfa, noe som er vanskelig for menneskelige ledere som trives i noen markedssykluser, men ikke i andre," sa Agarrwal.

«Globalt handelsaktivitet (kortsiktig, høyfrekvent, teknisk, etc.) drives i stor grad av teknologi nå. Selv passive ETFer har overgått aktive forvaltere i AUM i USA, sa Agarrwal.

Hun er av den oppfatning at neste steg opp for AI vil være grunnleggende investering.

"Vi tror de neste store investorene som Warren Buffett og Charlie Munger kommer til å bli AI. Benjamin Graham og Warren Buffett har vært store troende på å investere ved å bruke systemiserte regler og holde seg unna følelser. Den beste måten å følge regler uemosjonelt er bruken av kunstig intelligens og teknologi," sa Agarrwal.

Mens utviklede markeder ser ut til å bli raskt akklimatisert til denne teknologiske revolusjonen, vil det ta litt tid for fremvoksende markeder som India å se sin dominans når det gjelder investeringer.

"I India, mens investeringene i stor grad er menneskedrevne, tror jeg vi vil se strukturelle endringer i det neste tiåret ettersom markedene våre modnes og alfa blir vanskeligere å finne. Vi vil i økende grad se at flere produkter som våre prøver å finne forskjellige tilnærminger til å investere i bruk av AI, sa Agarrwal.

AIs største styrke er dens absolutte avhengighet av data og bruker algoritmer for å forstå markedet og dets sykluser. Dette er grunnen til at AI blir brukt i investerings- og formuesforvaltningsindustrien globalt.

Mihir K Malani, grunnlegger av FinTech-oppstart, Nerve Solutions påpekte at selv om målet alltid er å forbedre avkastningen, involverer prosessen vanligvis flere trinn som å velge de riktige aksjene basert på historiske trender, bestemme investeringsstørrelsen, identifisere og forutsi trender, etc.

"En vanlig tilnærming er å bruke ML-modeller for å kategorisere kunder basert på deres profiler, investeringspreferanser og risikovilje og la modellen komme frem til de best egnede investeringsstrategiene for dem," sa Malani.

En av de største fordelene med en velutviklet AI-modell for investering er dens evne til å unngå fallgruver og forutsi nedtrekk med hell, sa han.

"En god måte å måle effektiviteten til en modell på er også gjennom antall falske positive generert av den. Jo lavere tall, jo bedre og mer pålitelig er modellen, la Malani til.

Utfordringene

Selv om kunstig intelligens ser ut til å være en uunngåelig kraft i investeringer, er det utfordringer fremover.

Selv om det er enkelt å få tilgang til store sett med strukturerte økonomiske data for å bygge maskinlæringsmodeller, er det flere utfordringer knyttet til å utvikle en modell som fungerer.

Agarrwal fra Upside AI mener at utfordringene med AI gjelder på tvers av bransjer, inkludert investerings-datakvalitet, kvaliteten på modellen som bygges, mangel på talent i India for å bygge disse maskinene, løse kvalitative investeringsspørsmål som corporate governance og bredere aksept av teknologi.

Å differensiere ekte mønstre og tilfeldigheter er blant de største hindringene man kan møte når man bruker AI til å investere.

«Noen ganger gir rene tilfeldigheter en illusjon av sammenheng. Manglende evne til å identifisere disse kan føre til ekstremt unøyaktige modeller," sa Malani.

Å identifisere de riktige funksjonene og deretter designe modellen er en utfordring.

"Dette er en vanlig utfordring man ofte møter når man utvikler AI-modeller for derivatinstrumenter. Med en rekke faktorer involvert i prisingen av en derivatkontrakt, kan det å gå glipp av de riktige funksjonene føre til tilsynelatende korrekte, men feilaktige modeller, sier Malani.

Dessuten er det en utfordring å bygge inn geopolitiske faktorer i en modell.

"Selv om det er ganske prosedyre å inkludere pris- og voluminformasjon i en AI-modell, er det ekstremt vanskelig å gjøre rede for faktorer som ligger utenfor markedene, men som har en dyp innvirkning på markedsbevegelser. Slike faktorer er ofte årsaken til at modeller mislykkes, sa Malani.

Til tross for disse utfordringene er AI fremtiden for investering, en som åpner opp for mange muligheter for både investorer og ledere.

Kilde: https://www.fintechnews.org/ai-may-be-the-next-warren-buffett-but-there-are-challenges-ahead/