Η τεχνητή νοημοσύνη χρησιμοποιείται ήδη για τη διάγνωση ασθενών ασθενών, την εκτέλεση καθηκόντων εξυπηρέτησης πελατών και τη διδασκαλία μαθημάτων κολλεγίων. Αλλά μπορεί η AI να ξεπεράσει τη Wall Street;
Κατά το παρελθόν έτος περίπου, έχουν αναπτυχθεί αρκετά hedge funds της AI, υποσχόμενοι να κερδίσουν τους ανθρώπινους εμπόρους αναλύοντας και ανταποκρινόμενοι στην αγορά με ταχύτερο και βαθύτερο τρόπο. Αυτά τα κεφάλαια του AI υπερβαίνουν τους αλγορίθμους που χρησιμοποιούν τα παραδοσιακά κεφάλαια που βασίζονται σε δεδομένα προσπαθώντας να μιμηθούν και να βελτιώσουν τον τρόπο με τον οποίο λειτουργεί ο ανθρώπινος εγκέφαλος.
Ορισμένα πρώτα αποτελέσματα ήταν εντυπωσιακά. Στην Ιαπωνία, το Simplex Equity Futures Strategy Fund κατόρθωσε να τερματίσει με κέρδος 3, 4% στις 24 Ιουνίου, την ημέρα του Brexit, όταν τα κεφάλαια σε ολόκληρη τη χώρα έπεσαν κατακόρυφα. Μια έρευνα για 12 χρηματικά ποσά AI από ολόκληρο τον κόσμο έδειξε ότι κέρδισε, κατά μέσο όρο, σχεδόν 7% φέτος. Σε ένα πρόσφατο συνέδριο για τους ακαδημαϊκούς του AI, οι μισές εταιρείες που προσέλαβαν εργαζόμενους ήταν χρηματοπιστωτικές επιχειρήσεις, μια έντονη αντίθεση από τα προηγούμενα χρόνια.
Ο Shaunak Khire, ο οποίος ξεκίνησε το Emera AI, ένα hedge fund AI που εδρεύει στο Silicon Valley φέτος το καλοκαίρι, λέει ότι οι AI όπως του έχουν σημαντικά πλεονεκτήματα έναντι του παραδοσιακού hedge fund.
"Δεν υπάρχει κανένας τρόπος που ένας ανθρώπινος αναλυτής μπορεί να καλύψει τόσο πολλά δεδομένα", λέει ο Khire. "Είναι κυριολεκτικά αδύνατο για έναν ανθρώπινο εγκέφαλο να επεξεργαστεί αυτές τις πολλές πληροφορίες σε σύντομο χρονικό διάστημα".
Ένα ταμείο ΑΕ μπορεί να λάβει υπόψη τα οικονομικά δεδομένα από αγορές σε όλο τον κόσμο, τα ιστορικά δεδομένα, τα άρθρα ειδήσεων, τη διεθνή νομισματική πολιτική, τις γνώσεις σχετικά με την ανθρώπινη εμπορική συμπεριφορά, τα εταιρικά υπόβαθρα και άλλα.
Η Emma AI, για παράδειγμα, διαπραγματεύεται στο GlaxoSmithKline, καλύπτοντας κάθε σημείο δεδομένων που υπάρχει στη φαρμακευτική εταιρία, ακόμη και κοιτάζοντας τις ρινίσματα που χρονολογούνται από τη δεκαετία του 1970, λέει ο Khire.
Πολλά κεφάλαια χρησιμοποιούν ήδη ποσοτικές επενδυτικές στρατηγικές, αναπτύσσοντας αλγόριθμους υπολογιστών για να κάνουν προβλέψεις. Η διαφορά μεταξύ αυτών των κεφαλαίων και της ποικιλίας AI είναι η αποκαλούμενη "βαθιά μάθηση" ή τα τεχνητά νευρωνικά δίκτυα - ένα AI μπορεί να μάθει χωρίς ανθρώπινη είσοδο, ενώ οι αλγόριθμοι δεν μπορούν.
Η Emma AI, όπως πολλά ταμεία AI, χρησιμοποιεί Bayesian ανάλυση για να αναπαράγει τη διαδικασία λήψης αποφάσεων στον άνθρωπο. Αυτό σημαίνει ότι είναι σε θέση να εκμεταλλευτεί νέες πληροφορίες για να ενημερώσει τις προοπτικές και τις στρατηγικές της. Αυτό είναι ουσιαστικά αυτό που κάνουν οι άνθρωποι, μόνο ένα AI μπορεί να το κάνει πιο γρήγορα και, θεωρητικά, πιο ορθολογικά. Ένας άνθρωπος αναλυτής είναι επιρρεπής σε λάθη που βασίζονται σε φόβο ή υπερεκμετάλλευση ή απληστία, προβλήματα που δεν αντιμετωπίζουν οι υπολογιστές.
Ένα ταμείο που ξεκίνησε νωρίτερα αυτό το έτος από την εταιρία AI Sentient Technologies που εδρεύει στο Σαν Φρανσίσκο χρησιμοποιεί έναν τύπο AI εμπνευσμένο από την εξέλιξη των φυτών και των ζώων. Αυτός ο "εξελικτικός υπολογισμός" δημιουργεί συνεχώς νέους αλγορίθμους και ενσωματώνει τους καλύτερους στους παλιούς αλγορίθμους του, καθιστώντας τον εαυτό του όλο και καλύτερο και ισχυρότερο. Το αμοιβαίο κεφάλαιο AI που βασίζεται στο Χονγκ Κονγκ χρησιμοποιεί εξελικτικούς υπολογισμούς, μεταξύ άλλων στρατηγικών.
Στο μέλλον, το Khire βλέπει ολόκληρα κεφάλαια που διαχειρίζεται το AI, αν και ίσως με κάποιο είδος ανθρώπινου ελέγχου ή αντικατάστασης για ρυθμιστικούς σκοπούς. Ωστόσο, θεωρεί επίσης ότι η AI παίζει ρόλο στη ρύθμιση. Οι μεταρρυθμίσεις της Wall Street που εγκρίθηκαν από το Κογκρέσο τα τελευταία χρόνια έχουν προκαλέσει πολλές τράπεζες να αυξήσουν τον αριθμό των εργαζομένων που είναι αφοσιωμένοι στη συμμόρφωση.
"Θα μπορούσατε να αυτοματοποιήσετε όλα αυτά", λέει ο Khire.
Μερικοί εμπειρογνώμονες είναι σκεπτικοί σχετικά με το αν η AI θα κάνει πραγματικά επανάσταση στη χρηματοπιστωτική βιομηχανία όπως υποστηρίζουν οι ιδρυτές της AI. Κάποιοι λένε ότι οι χρησιμοποιούμενες τεχνολογίες AI δεν είναι όλοι διαφορετικές από τους πιο παραδοσιακούς αλγορίθμους που χρησιμοποιούνται σε επιχειρήσεις με βάση δεδομένα. Άλλοι υποστηρίζουν ότι οι χρηματοπιστωτικές αγορές είναι υπερβολικά ιδιόμορφες για να προβλεφθούν από το είδος της ΑΕ που υπάρχει σήμερα.
Ο Χίρρι λέει ότι δεν προσπαθεί να ανακαλύψει τον τροχό, μόνο για να το βελτιώσει σταδιακά.
"Ο μόνος στόχος της AI είναι να βρει ευκαιρίες που έχουν χαμηλότερο όριο κινδύνου από το S & P [500] και έχουν υψηλότερο ποσοστό απόδοσης από το S & P", λέει. "Είναι χαμηλό μπαρ."
Ακόμα, απλά χτυπάει το S & P 500, ο Αμερικάνικος δείκτης χρηματιστηριακής αγοράς που χρησιμοποιείται συχνά ως η παρακολούθηση της συνολικής απόδοσης της Wall Street, δεν είναι εύκολο μακροπρόθεσμα. Αλλά ο Κίρ και οι άλλοι είναι πεπεισμένοι ότι έχουν τα αγαθά. Το ερώτημα είναι: θα στοιχηματίζετε τα χρήματά σας σε αυτό;
