- Как искусственный интеллект применим в управлении инвестициями?

- Алгоритмы искусственного интеллекта (AI) и машинного обучения (ML) уже давно используются хедж-фондами в алгоритмической торговле и систематическом инвестировании. По мере того, как технологические компании осваивают финансовый бизнес, финансовые институты также преобразуются в технологические компании. JPMorgan Chase, одно из крупнейших финансовых учреждений в мире, на самом деле также является одной из крупнейших технологических компаний. В компании работает около 1000 сотрудников, занимающихся управлением данными, 900 специалистов по обработке данных, 600 инженеров ML и команда из 200 человек в группе исследований AI. Обрабатывая выступления ФРС за 25 лет, JPMorgan обнаружил, что искусственный интеллект может предсказывать изменения политики, которые можно использовать в торговле ценными бумагами. В настоящее время, банк располагает более чем 300 вариантами использования искусственного интеллекта в производстве. Даже Bloomberg недавно создал модель с 50 миллиардами параметров - BloombergGPT, обученную на рыночных данных, для выполнения задач NLP в финансовой отрасли.

- Помогает ли искусственный интеллект принимать более эффективные инвестиционные решения для широкой общественности?

- С момента запуска ChatGPT, глубокой нейронной сети, предназначенной для обработки последовательных данных, к искусственному интеллекту проявляется все больший интерес. Не существует доказанного успешного опыта применения данного инструмента на реальных рыночных данных, однако финансово-технологическая компания Finder.com недавно провела исследование способности ChatGPT давать инвестиционные рекомендации. Платформу проинструктировали создать портфель акций высококачественных компаний, который мог бы конкурировать с 10 бенчмарками, среди которых были Vanguard US Equity Index, HSBC FTSE All-World Index, Fidelity Index World и другие. Изначально ChatGPT предупреждал, что не обучен давать инвестиционные рекомендации, но исследователи смогли легко обойти данный запрет. Проанализировав такие параметры, как уровень долга, устойчивый рост в прошлом и факторы, которые создают конкурентное преимущество, среди прочего, и предполагая равный вес, ChatGPT выбрал 38 акций: Cisco, Microsoft, 3M Company, Mastercard, Nestle, United Health Group, Walmart и др. В результате, ChatGPT смог превзойти доходность бенчмарков в 34 из 37 наблюдаемых рыночных дней с 6 марта по 28 апреля 2023 года, продемонстрировав доходность +4.9%, в то время как доходность бенчмарков в среднем составила -0.8%. За тот же период, S&P500 вырос на 3%, а Stoxx Europe 600 - на 0.5%.

Несмотря на ажиотаж, важно отметить, что ChatGPT не был обучен на рыночных данных, несмотря на то, что уже существует множество исследований, демонстрирующих, что инструмент обладает статистически значимой способностью прогнозировать доходность акций и превосходит более традиционные алгоритмы анализа рыночных настроений.

- Может ли искусственный интеллект влиять на поведение рынка, искажая фундаментальные показатели?

- Искусственный интеллект может влиять на поведение рынка, провоцируя при этом дальнейшую цепную реакцию рынка. Так, аналитики считают, что падение индекса Dow Jones Industrial Average на 1600 пунктов 5 февраля 2018 года, крупнейшее в истории на тот момент, было вызвано не только опасениями рынка о повышении процентных ставок и торговым конфликтом между США и Китаем, но и сбоем в компьютеризированных системах высокочастотных сделок, которые закрыли позиции в ETF, привязанных к индексу волатильности. В результате, спонсор ETF был вынужден купить большое количество фьючерсов, чтобы сбалансировать риск. Продажа заставила других закрыть свои короткие позиции и вызвала последующие ажиотажные продажи у остального рынка. Однако, подобные случаи редки. AI/ML может принимать неверные решения, но намного реже, чем люди.

- Каковы основные недостатки использования AI/ML в инвестициях?

- Модели AI/ML значительно зависят от качества входных данных и могут оказаться предвзятыми, если не соблюдаются определенные статистические требования. Кроме того, прошлые показатели не являются гарантией ожидаемых результатов, поскольку существует вероятность того, что предыдущие паттерны не сохранятся в будущем. Поскольку такие модели требуют постоянного уточнения и настройки, интерпретация результатов может стать очень сложной. Хотя AI способствует большей информированности, он также может подталкивать к тому, чтобы быть менее внимательным и чрезмерно полагаться на модели, принципы действия которых могут быть не поняты основательно.

- Как искусственный интеллект может быть применен в управлении рисками?

- AI/ML могут помочь в управлении рисками, создавая синтетические данные для тестирования различных сценариев, включая шоковых. Это позволяет проводить более детальную оценку рисков и снижает вероятность человеческих ошибок. Однако, одна из проблем применения искусственного интеллекта заключается в том, что система может получать слишком много полномочий. Из-за тенденции к оптимизации процесса принятия решений, AI поручается принимать решения, за которые сам искусственный интеллект не будет нести никакой ответственности. Именно по этой причине многие надзорные органы призывают регулировать использование инновационных технологий, обеспечивая прослеживаемость и подотчетность. Это даже переросло в новые отрасли управления рисками, использующих suptech (технологии финансового надзора для оцифровки стратегий регулирования) и инструменты regtech (технологии для обеспечения соответствия требованиям, проведения расчетов пруденциальных нормативов и уменьшения человеческих ошибок).

- Каковы перспективы широкого внедрения AI/ML в управление альтернативными классами активов?

- Хедж-фонды, придерживающиеся количественных стратегий, нанимают физиков и специалистов по информатике для разработки моделей, специфичных для конкретной предметной области, и экономическое обоснование является обязательным условием эффективности разрабатываемых моделей. На частных рынках применение AI/ML заключается в сборе и анализе большого объема неструктурированных данных, которые накапливаются ускоряющимися темпами. Однако, в отличие от публичных рынков, частный рынок часто располагает неполными, менее транспарентными данными. Хуже обстоят дела с наличием и доступностью данных, или существует временная задержка между отчетной датой и датой фактической публикации данных для дальнейшего использования. Таким образом, в настоящее время меньше понимания того, как искусственный интеллект может способствовать инвестициям в альтернативные активы в плане бизнес-процессов, помимо традиционных задач управления данными, кластеризации и классификации. Широкое внедрение инновационных технологий также ограничено вычислительной мощностью и возможностями хранения данных, которые, по сути, являются одной из ниш рынка, все чаще финансируемых частным капиталом. Таким образом, в скором времени следует ожидать, что частные инвестиции в данные сектора начнут приносить пользу непосредственно бизнес-процессам на рынке альтернативных инвестиций, в больших масштабах.