جدیدترین ترندهای هوش مصنوعی در سرمایه‌گذاری

چگونه هوش مصنوعی، مدیریت سرمایه‌گذاری را پیش خواهد برد

0

ترجمه توسط میثم ارفعی

اگر سری به یک شرکت مدیریت دارایی بزنید، با طیف وسیعی از فناوری‌های پیشرفته مواجه خواهید شد. قسمتی از این طیف کاملا متعارف و شناخته‌شده هستند. مدیران پرتفوی با اطلاعات دقیق و کامل از خواسته‌های سرمایه‌گذاران از جانب آنها برای دارایی‌های‌شان تصمیم‌گیری می‌کنند و تمام تلاش خود را می‌کنند تا سرمایه‌گذاری را در شرایط مطلوب انجام دهند.

اما در شرکت‌های پیشرفته‌تر ممکن است تمامی این مراحل از مدیریت و تصمیم‌گیری گرفته تا سفارش و اجرای سرمایه‌گذاری، به صورت الکترونیکی و توسط هوش مصنوعی انجام ‌شود.

انسان‌های باقی‌مانده در این صنعت تنها مسئولیت نگهداری و مراقبت از سیستم‌های کامپیوتری و ماشین‌ها را به عهده دارند تا زمانی‌که بازار دچار ناهماهنگی بود، به تصمیم‌گیری‌های بهتر کمک کنند.

تجارت خودکار تنها آغاز راه است

این روش یک تغییر تدریجی است که در طول سال‌های اخیر با افزایش تجارت‌های خودکار، پیشرفت‌های هوش مصنوعی در سرمایه‌گذاری و همچنین یادگیری ماشین بیشتر مورد استفاده قرار گرفته است. به لطف وجود چنین فناوری‌هایی، تصمیمات بزرگ تجاری در چند صدم ثانیه و در یک چشم به هم زدن انجام می‌گیرند!

برخی شرکت‌های سرمایه‌گذاری سریع‌تر از دیگران با مزایای روش‌های فناوری‌محور آشنا شده و آن را پذیرفته‌اند. با این حال در سال‌های آتی شرکت‌های بسیاری خود را در مسیر پیشرفت روش‌های سرمایه‌گذاری قرار داده و به این طیف از فناوری‌ها خواهند پیوست.

متیو هاجسون، مدیر اجرایی بخش تجزیه و تحلیل داده‌های استارتاپ موزک اسمارت دیتا (Mosaic Smart Data) که پیش از این کار در حرفه‌ بانکداری مشغول به کار بود، چنین می‌گوید: «هوش مصنوعی در سرمایه‌گذاری پتانسیلی ایجاد می‌کند که به واسطه‌‌ آن تمامی تسک‌ها و وظایف کم‌ارزش و تکراری خودکارسازی می‌شود. همچنین سرمایه‌گذاری مبتنی بر داده‌ها خواهد بود که در نهایت منجر به یافتن بهترین گزینه‌های ممکن جهت سرمایه‌گذاری خواهد شد.»

البته تجارت خودکار مبحث کاملا جدیدی نیست و سال‌هاست که در میان بانک‌های برتر سرمایه‌گذاری رواج دارد. این بانک‌ها سرمایه‌گذاری قابل توجهی را نیز صرف ابزارهای الگوریتمیک خود می‌کنند تا به کمک آنها بتوانند معاملات مختلفی را به صورت خودکار و برمبنای یک سری از معیارهای تعریف‌شده انجام دهند.

تاجران و سرمایه‌گذاران به این نتیجه رسیده‌اند که به جای تکیه بر تصمیمات و واکنش‌های پراشتباه انسانی، با استفاده از الگوریتم‌های هوشمند می‌توانند در هزینه‌های خود صرفه‌جویی کرده و تاثیرات مخرب را در شرایط خاص کاهش دهند.

دیوید مچنر، مدیر ارشد اجرایی شرکت ارائه‌دهنده‌‌ الگوریتم‌های تجاری پراگما سکیوریتیز (Pragma Securities) این‌چنین می‌گوید: «ما همواره مدل‌های یادگیری ماشین را در الگوریتم‌های اجرایی خود گنجانده‌ایم و استفاده از این ابزارها در معاملات به معنای حقیقی در مدیریت ارتباطات با کارگزاران، ارزیابی ابزارهای تجاری و همچنین تطبیق آنها با اهداف مدیریت پرتفوی تاثیر فوق‌العاده موثری داشته است.»

جدیدترین ترندهای هوش مصنوعی در سرمایه‌گذاری

با توجه به پتانسیل بالای فناوری در ایجاد یک مزیت رقابتی، سرمایه‌گذاران اغلب علاقه دارند تا در حول مفاهیم خاصی حباب‌های تبلیغاتی ایجاد کنند. پس از گذشت یک دوره طولانی در جست‌وجوی امکانات و احتمالات بلاکچین، اکنون این هوش مصنوعی است که بر موضوعات کنفرانس‌ها و بحث‌های صنعتی حکمفرمایی می‌کند.

در اغلب بحث‌ها این سوال پیش می‌آید که ماشین‌های برنامه‌نویسی شده که هوشمندتر از انسان‌ها عمل کنند، چه تاثیری بر تجارت خواهند داشت؟ همانند اغلب تکنولوژی‌های دیگر، هوش مصنوعی به‌سادگی می‌تواند برای صرفه‌جویی در هزینه‌ها و ایجاد کارایی بیشتر مورد استفاده قرار گرفته و یا با مورد استفاده قرار گرفتن بیش از حد و خصمانه، رقابت را از میان ببرد.

درحالی که هوش مصنوعی پتانسیل این را دارد که در بازارهای مالی سریع، جایگزینی برای تصمیم‌گیری‌های انسانی باشد، باید منتظر ماند و دید که موسسات تا چه اندازه‌ای مایل به سپردن کارها به دست ماشین‌ها خواهند بود.

در حال حاضر پتانسیل تصمیم‌گیری بر مبنای ماشین در دنیای تجارت و سرمایه‌گذاری کاملا پذیرفته شده است. اما با این حال، برخی معتقدند که فعلا بهتر است وظایف مدیریتی سرمایه‌گذاری را به انسان‌ها بسپاریم و این موضوع می‌تواند مرز آینده ماشین و هوش مصنوعی باشد.

استفان لروی، هم‌بنیانگذار و مدیر ارشد درآمدزایی در شرکت ارائه‌دهنده الگوریتم‌های تجاری کوانت هاوس (QuantHouse‌) چنین می‌گوید: «در بخش مدیریت دارایی‌ و بودجه، موقعیت مناسبی برای انجام اتوماتیک فرآیند تصمیم‌گیری در مورد پرتفوی‌ها به وجود آمده است. با این حال این بخش از بازار به مراتب پیچیده‌تر و مبهم‌تر از بورس‌ و بانک‌هاست. به همین علت فرآیند انتقال به سمت تصمیم‌گیری ماشین‌محور مدت‌زمان طولانی‌تری نیاز دارد.»

چگونه هوش مصنوعی مدیریت سرمایه‌گذاری را پیش خواهد برد

به نظر می‌رسد که وارد‌کردن هوش مصنوعی در سرمایه‌گذاری و مدیریت آن یک پیشرفت و روال طبیعی باشد. خودکارسازی برای اولین بار کار خود را از بورس اوراق بهادار و برای مطابقت دادن خریداران و فروشندگان آغاز کرد و پس از آن با گسترش استراتژی‌های تجاری خودکار به نظام بانکداری راه یافت.

با این حال در حیطه سرمایه‌گذاری که در آن مدیریت دارایی‌های بسیاری نسبت به بانک‌ها وجود دارد، ممکن است برای وارد شدن خودکارسازی به سمت خرید سال‌ها زمان ببرد.

آقای مچنر بر این عقیده است که «جهان تجارت در حال حاضر خودکارسازی شده، اما استفاده از هوش مصنوعی در سرمایه‌گذاری و برای مدیریت آن موضوع بسیار پیچیده‌ای است. بازارها همیشه در حال تغییر هستند. درنتیجه استراتژی‌هایی که تا دیروز نتیجه‌بخش بودند لزوما پاسخ مناسبی برای مسائل فردا ارائه نمی‌کنند.»

هوش مصنوعی پتانسیل این را دارد که در بازارهای مالی سریع، جایگزینی برای تصمیم‌گیری انسانی باشد، باید منتظر ماند و دید که موسسات تا چه اندازه‌ای مایل به سپردن کارها به دست ماشین‌ها خواهند بود

فقدان داده‌های قابل اعتماد یکی از اصلی‌ترین چالش‌های هوش مصنوعی در مواجهه با بازارهای تجاری برای استفاده از ماشین‌ها جهت تصمیم‌گیری‌های موثر در زمان واقعی است. همانطور که آقای هاجسون می‌گوید، بدون این داده‌ها یک الگوریتم هوش مصنوعی همانند ماشین اسپورت بسیار گران‌قیمتی است که بدون سوخت در یک گاراژ باقی مانده است.

او می‌گوید: «موثر‌بودن به‌کارگیری هوش مصنوعی به داشتن الگوریتم‌هایی بستگی دارد که به صورت حرفه‌ای طراحی شده‌اند و به طور مداوم برای کسب نتیجه‌ای بهتر و بهینه‌تر تلاش می‌کنند.

درصورتی که شما به یک مجموعه‌‌ تر و تمیز و قابل استفاده از داده‌ها در کنار تعاریف رایج از پیش‌برنده‌های کسب‌و‌کارتان نیاز داشته باشید، در یک موقعیت بسیار قدرتمند برای استفاده از این فناوری قرار دارید.» افزایش پذیرش هوش مصنوعی در نهایت به ایجاد بنگاه‌های اختصاصی برای ایجاد پایگاه‌های اطلاعاتی و همچنین فرهنگ‌سازی برای پذیرش نوآوری برای پیشرفت و رقابت در بازارهای مالی مدرن بستگی دارد.

این موضوع می‌تواند به‌تدریج و در طی گذر نسل‌ها به خوبی اتفاق بیفتد. درنهایت آقای لروی چنین نتیجه‌گیری می‌کند: «در این حیطه دانش یک مانع بزرگ خواهد بود، چراکه اغلب شرکت‌های سرمایه‌گذاری مهندسان زیادی را استخدام نمی‌کنند و در نتیجه تجربه محدودی از علم آمار و ریاضیات دارند که هر دو این موارد جزء موارد کلیدی و اساسی برای هوش مصنوعی هستند. به طور کلی، جایگزینی ماشین‌ها با انسان‌ها مدت بسیاری طول خواهد کشید.»

ارسال دیدگاه

آدرس ایمیل شما منتشر نخواهد شد.