Искусственный интеллект и фондовый рынок: как технологии влияют на инвестиции

Основные области применения ИИ в инвестициях

Можно выделить несколько основных задач, которые позволяют закрывать технологии искусственного интеллекта.

Прогнозная аналитика и прогнозирование рынка

ИИ использует алгоритмы машинного обучения, чтобы анализировать исторические рыночные данные и выявлять закономерности, которые могут предсказывать будущие тенденции. Эта возможность позволяет инвесторам принимать обоснованные решения на основе ожидаемых движений рынка и минимизировать риски волатильности.

Управление рисками

Системы ИИ умеют оценивать риски в инвестиционных портфелях. Они могут быстро определять потенциальные риски и предлагать стратегии для их снижения. Например, алгоритмы ИИ анализируют данные в реальном времени для мониторинга профиля риска активов и портфелей. Это позволяет вовремя вносить корректировки на основе переменчивых условий на рынке.

Алгоритмическая торговля

ИИ изменяет актуальные торговые практики с помощью алгоритмических торговых систем, которые совершают сделки на высокой скорости на основе заранее определенных критериев. Эти системы могут анализировать огромные объемы данных: рыночные тенденции, новостные настроения и исторические показатели, чтобы принимать торговые решения быстрее и точнее, чем трейдеры-люди.

Персонализированные инвестиционные стратегии

ИИ позволяет создавать инвестиционные стратегии, которые соответствуют индивидуальным допустимым уровням риска и финансовым целям. Роботы-советники используют ИИ, чтобы предоставлять персонализированные рекомендации по распределению активов на основе профилей пользователей. Это позволяет адаптировать инвестиционные портфели к условиям на рынке в режиме реального времени.

ИИ в инвестициях сегодня

Согласно последнему исследованию Invesco Global Systematic Investing Study, почти половина количественных инвесторов интегрировали ИИ в свои инвестиционные процессы, а 10% используют его широко.

Отдельное исследование Deloitte показало, что большинство инвестиционных менеджеров, которые используют решения на основе ИИ, заявило, что он помогает им генерировать альфу.

Например

Stock Rover — сервис скрининга, который оценивает акции по трем ключевым показателям:

• Оценки роста основаны на пятилетнем историческом росте в сравнении с прогнозируемыми оценками EBITDA.
• Оценки качества зависят от прибыльности и состояния бухгалтерского баланса.
• Оценки стоимости основаны на обычном мультипликаторе цена/прибыль (P/E) и предсказуемости прибыли на акцию (EPS).

Инвестиции и ChatGPT

Сотрудники Школы бизнеса Чикагского университета использовали ChatGPT, чтобы анализировать финансовые отчетности американских компаний, а затем прогнозировать будущие доходы и формировать на основе этих данных инвестиционный портфель.

Результаты работы ChatGPT с финансовыми отчетами были представлены в статье «Анализ финансовых отчетов с помощью больших языковых моделей». С некоторыми довольно легкими подсказками большие языковые модели (БЯМ) превратили эти отчеты в прогнозы доходов, которые были более точными, чем у аналитиков, и прогнозы легли в основу модельных портфелей, которые в ходе бэк-тестов генерировали значительную прибыль.

В рамках исследования ученые предоставили ChatGPT тысячи финансовых отчетностей компаний — балансов и отчетов о прибылях и убытках. Их взяли из базы данных, в которой находятся данные для более чем 15 000 компаний в период с 1968 по 2021 год.

Каждая финансовая отчетность содержала стандартные данные за два года. При этом модели не предоставлялась информация ни о названии компании, ни о ее долгосрочной финансовой истории. Затем модель должна была определить:

• изменения в счетах с прошлого года;
• коэффициент ликвидности;
• размер валовой прибыли.

После этого исследователи дали модели задачу написать экономические описания, которые объясняли результаты финансового анализа. Наконец они попросили модель предсказать: вырастет или упадет прибыль каждой компании в следующем году; будет ли изменение небольшим, средним или большим; и насколько она уверена в этом прогнозе.

Однако это не означает, что нейросети наподобие ChatGPT действительно уже могут стать самостоятельным инструментом анализа. Как пишет автор статьи в Financial Times:

«Возможно, способность ИИ превзойти среднего аналитика или фондового спекулянта вообще ничего не изменит… Низкую ценность медианного фондового спекулянта продемонстрировала много лет назад технология искусственного интеллекта, известная как low-fee Vanguard index fund (индексный фонд Vanguard с низкой комиссией). Важна будет способность больших языковых моделей конкурировать с самыми умными людьми на рынке, многие из которых уже используют уйму вычислительной мощности в своей работе.»

Ограничения применения ИИ в инвестициях

Существует три основных фактора, которые потенциально снижают эффективность машинного обучения в инвестициях.

Финансовые данные имеют низкое отношение сигнала/шума — любая заданная метрика, как правило, не оказывает большого влияния на эффективность ценных бумаг. Например, цена акций компании может упасть даже после объявления о высоких доходах, если эти доходы окажутся ниже ожиданий рынка или повысится процентная ставка. В других областях отношение сигнала/шума намного выше.

Например

Если человеку нравится фильм в определенном жанре, есть большая вероятность, что ему понравятся и другие фильмы в этом жанре. Поэтому системы алгоритмов часто применяются в стриминговых сервисах.

На финансовых рынках отсутствуют доступные финансовые данные — количество информации для определенной ценной бумаги в месяц значительно уступает количеству информации в других областях, таких как социальные сети.

При тестировании в реальном времени простой алгоритм, который обучили на большом наборе данных, превосходит сложный алгоритм, который обучили на относительно меньшем наборе данных. Поэтому малое количество информации становится значительным препятствием на пути внедрения ИИ в инвестиции.

Финансовые рынки не стационарны и развиваются с течением времени — модели машинного обучения не успевают учесть специфические паттерны и динамику, которые влияют на конечные результаты. Это еще больше осложняется иррациональностью человеческого поведения, которое напрямую определяет результаты финансовых рынков.