در میان بسیاری از کاربردهای موفق از هوش مصنوعی ، به نظر می رسد که به طور آشکار وجود ندارد: هوش مصنوعی در بازارهای مالی درآمد کسب می کند.

عکس: گتی تصاویر

هوش مصنوعی اکنون از نزدیک با انسانهایی که قبلاً در مناطق غیرقابل دستیابی محسوب می شدند ، از نزدیک با انسانها از نزدیک مطابقت داشته است. این موارد شامل شطرنج ، بازی های بازی ، GO ، اتومبیل های خودران ، تاشو پروتئین و موارد دیگر است. این پیشرفت سریع فناوری نیز تأثیر زیادی در صنعت خدمات مالی داشته است. مدیران مدیران بیشتر و بیشتر در این بخش (صریح یا ضمنی) اعلام می کنند که آنها "شرکت های فناوری را با مجوز بانکی" اداره می کنند.

همچنین ظهور و رشد سریع صنعت فناوری مالی (FINTech) وجود دارد ، که در آن راه اندازی فناوری به طور فزاینده موسسات مالی ایجاد شده را در مناطقی مانند بانکداری خرده فروشی ، حقوق بازنشستگی یا سرمایه گذاری شخصی به چالش می کشد. به همین ترتیب ، هوش مصنوعی اغلب در فرآیندهای پشت صحنه مانند امنیت سایبری ، شستشوی پول ، چک های مشتری خود یا چت بابات ظاهر می شود.

در میان بسیاری از موارد موفق ، به نظر می رسد که به طور آشکار غایب است: هوش مصنوعی در بازارهای مالی درآمد کسب می کند. در حالی که الگوریتم های ساده معمولاً توسط معامله گران استفاده می شوند ، یادگیری ماشین یا الگوریتم های هوش مصنوعی در تصمیم گیری سرمایه گذاری بسیار کمتر است. اما از آنجا که یادگیری ماشینی مبتنی بر تجزیه و تحلیل مجموعه داده های عظیم و یافتن الگوهای در آنها و بازارهای مالی است که مقادیر عظیمی از داده ها را تولید می کنند ، به نظر می رسد یک مسابقه آشکار است. در یک مطالعه جدید ، که در مجله بین المللی علوم داده و تجزیه و تحلیل منتشر شده است ، ما در مورد اینکه آیا هوش مصنوعی بهتر از انسان در کسب درآمد است ، روشن کرده ایم.

برخی از شرکت های سرمایه گذاری تخصصی ، به نام Quant (که مخفف صندوق های تامینی "کمی" است) ، اعلام می کنند که آنها AI را در فرایند تصمیم گیری سرمایه گذاری خود استخدام می کنند. با این حال ، آنها اطلاعات رسمی عملکرد را منتشر نمی کنند. همچنین ، با وجود برخی از آنها مدیریت میلیارد ها دلار ، آنها نسبت به اندازه صنعت سرمایه گذاری بزرگتر ، طاقچه و کوچک هستند.

از طرف دیگر ، تحقیقات دانشگاهی بارها و بارها پیش بینی های مالی بسیار دقیق و مبتنی بر الگوریتم های یادگیری ماشین را گزارش کرده است. این در تئوری می توانند به استراتژی های سرمایه گذاری اصلی بسیار موفق برای صنعت مالی تبدیل شوند. و با این حال ، به نظر نمی رسد که اتفاق بیفتد.

دلیل این اختلاف چیست؟آیا این فرهنگ مدیر وارد شده است ، یا این چیزی مربوط به عملی سرمایه گذاری در دنیای واقعی است؟

اگر AI بتواند سرمایه گذاری کند و همچنین بهتر از انسان باشد ، پس می تواند از کاهش عظیم مشاغل استفاده کند.

پیش بینی های مالی هوش مصنوعی

ما 27 مطالعه بررسی شده توسط محققان دانشگاهی منتشر شده بین سالهای 2000 تا 2018 را مورد بررسی قرار دادیم. اینها انواع مختلفی از آزمایش های پیش بینی بازار سهام را با استفاده از الگوریتم های یادگیری ماشین توصیف می کنند. ما می خواستیم تعیین کنیم که آیا این تکنیک های پیش بینی می تواند در دنیای واقعی تکرار شود.

مشاهدات فوری ما این بود که بیشتر آزمایشات نسخه های مختلفی (در موارد شدید ، تا صدها نفر) از مدل سرمایه گذاری آنها را به صورت موازی اجرا می کنند. تقریباً در همه موارد ، نویسندگان مدل بالاترین عملکرد خود را به عنوان محصول اصلی آزمایش خود ارائه دادند-به این معنی که بهترین نتیجه گیلاس بود ، و تمام نتایج زیر بهینه نادیده گرفته شد. این رویکرد در مدیریت سرمایه گذاری در دنیای واقعی کار نمی کند ، جایی که هر استراتژی معین فقط یک بار قابل اجرا است ، و نتیجه آن سود یا ضرر مبهم است-هیچ نتیجه ای از نتایج وجود ندارد.

اجرای انواع مختلف ، و سپس ارائه موفق ترین به عنوان نماینده ، در بخش مالی گمراه کننده خواهد بود و احتمالاً غیرقانونی تلقی می شود. به عنوان مثال ، اگر ما سه نوع از همان استراتژی را اجرا کنیم ، با یک بار از دست داد ن-40 ٪ ، دیگری با از دست داد ن-20 ٪ و دیگری 20 ٪ به دست می آوریم و سپس فقط 20 ٪ سود را به نمایش می گذاریم ، به وضوح این نتیجه نادرست استعملکرد صندوق. فقط یک نسخه از یک الگوریتم باید آزمایش شود ، که نماینده یک مجموعه سرمایه گذاری در دنیای واقعی و بنابراین واقع بینانه تر است.

مدلهای موجود در مقالات مورد بررسی ، به میزان بسیار بالایی از دقت ، حدود 95 ٪ - نشانه موفقیت فوق العاده در بسیاری از زمینه های زندگی دست یافتند. اما در پیش بینی بازار ، اگر یک الگوریتم 5 ٪ از زمان اشتباه باشد ، هنوز هم می تواند یک مشکل واقعی باشد. این ممکن است به طور فاجعه بار اشتباه باشد نه اینکه از نظر حاشیه ای اشتباه باشد - نه تنها سود را از بین می برد ، بلکه کل سرمایه اساسی را نیز از بین می برد.

ما همچنین خاطرنشان کردیم که بیشتر الگوریتم های هوش مصنوعی "جعبه های سیاه" هستند ، بدون شفافیت در نحوه کار آنها. در دنیای واقعی ، این احتمالاً باعث اعتماد به نفس سرمایه گذاران نمی شود. همچنین احتمالاً از منظر نظارتی مسئله ای خواهد بود. علاوه بر این ، بیشتر آزمایشات هزینه معاملات را به خود اختصاص نداد. اگرچه این سالها در حال کاهش است ، اما آنها صفر نیستند و می توانند تفاوت بین سود و زیان را ایجاد کنند.

هیچ یک از آزمایشاتی که ما به آن نگاه کردیم ، به مقررات مالی فعلی ، مانند دستورالعمل حقوقی اتحادیه اروپا MIFID II یا اخلاق تجاری توجه نکرد. این آزمایشات به خودی خود مشغول فعالیت های غیر اخلاقی نبودند - آنها به دنبال دستکاری در بازار نبودند - اما آنها فاقد یک ویژگی طراحی صریح بودند که از اخلاقی بودن اطمینان داشتند. از نظر ما ، یادگیری ماشین و الگوریتم های هوش مصنوعی در تصمیم گیری سرمایه گذاری باید دو مجموعه از استانداردهای اخلاقی را رعایت کنند: ساختن اخلاق هوش مصنوعی به خودی خود ، و تصمیم گیری در مورد تصمیم گیری ، فاکتورسازی در ملاحظات زیست محیطی ، اجتماعی و حاکمیتی. این امر باعث می شود هوش مصنوعی از سرمایه گذاری در شرکت هایی که ممکن است به جامعه آسیب برساند ، باز کند.

همه این بدان معنی است که هوش مصنوعی که در آزمایشات دانشگاهی شرح داده شده بود در دنیای واقعی صنعت مالی غیر ممکن بود.

آیا انسانها بهتر هستند؟

ما همچنین می خواستیم دستاوردهای هوش مصنوعی را با متخصصان سرمایه گذاری انسانی مقایسه کنیم. اگر AI بتواند سرمایه گذاری کند و همچنین بهتر از انسان باشد ، پس می تواند از کاهش عظیم مشاغل استفاده کند.

ما متوجه شدیم که تعداد معدودی از صندوق های دارای هوش مصنوعی که داده های عملکرد آنها در منابع داده های بازار در دسترس عموم که عموماً در بازار تحت تأثیر قرار گرفته اند ، فاش شده است. به همین ترتیب ، ما نتیجه گرفتیم که در حال حاضر یک مورد بسیار قوی به نفع تحلیلگران و مدیران انسانی وجود دارد. علیرغم همه نقص های آنها ، شواهد تجربی به شدت نشان می دهد که انسان در حال حاضر از هوش مصنوعی جلوتر است. این ممکن است تا حدی به دلیل میانبرهای ذهنی کارآمد باشد که انسان ها وقتی مجبور به تصمیم گیری سریع تحت عدم اطمینان می شویم.

در آینده ، این ممکن است تغییر کند ، اما ما هنوز هم قبل از تغییر به هوش مصنوعی نیاز به شواهد داریم. و در آینده نزدیک ، ما معتقدیم که ، به جای اینکه انسانها را در برابر هوش مصنوعی ببندیم ، باید این دو را با هم ترکیب کنیم. این به معنای تعبیه هوش مصنوعی در تصمیم گیری و ابزارهای تحلیلی است ، اما تصمیم نهایی سرمایه گذاری را به یک تیم انسانی واگذار می کند.

نسخه ای از این قطعه در ابتدا در مکالمه ظاهر شد.

باربارا ژاکلین ساهاکیان

استاد روانشناسی بالینی در دانشگاه کمبریج

پروفسور باربارا جی. ساهاکیان در دانشگاه روانپزشکی دانشگاه کمبریج مستقر است و موسسه علوم اعصاب رفتاری و بالینی. Sahakian همچنین یک روانشناس بالینی افتخاری در بیمارستان آدنبروک ، همکار کلر هال ، کمبریج و همکار آکادمی انگلیس و آکادمی علوم پزشکی است.

فابیو کوزولین

استاد هوش مصنوعی در دانشگاه آکسفورد بروکس

پروفسور فابیو کوزولین بنیانگذار و مدیر آزمایشگاه بصری AI بروکس است و تحقیقات در زمینه هوش مصنوعی ، یادگیری ماشین ، تئوری عدم اطمینان ، دید رایانه ، روباتیک جراحی و رانندگی خودمختار انجام می دهد. وی در حال حاضر هماهنگ کننده پروژه H2020 FET Open Project E-PI و افسر علمی پروژه H2020 779813-SARAS (دستیار جراح ربات خودمختار هوشمند) است.

Wojtek Buczynski

دکترینامزد ، مشاور در دانشگاه کمبریج

Wojtek Buczynski ، CFA ، FRM ، یک حرفه ای مالی است که بر روی استراتژی ، تنظیم و اخلاق فن آوری های نوظهور (Cloud و AI) در صنعت خدمات مالی متمرکز است. او فارغ التحصیل کارشناسی ارشد دانشکده بازرگانی لندن در امور مالی است. او همزمان به عنوان یک دکتری پاره وقت فعالیت می کند. دانش آموز در کمبریج ، در زمینه اخلاق و کاربردهای هوش مصنوعی در خدمات مالی.

در دنیایی که به سرعت در حال تغییر است جلو بروید.

لطفا یک آدرس ایمیل معتبر وارد کنید. موفقیت! با تشکر از شما برای ثبت نام. با مشترک شدن ، شما با شرایط استفاده و خط مشی رازداری ما موافقت می کنید.

داستانهای مرتبط

به روزرسانی بازار: اقتصاد جهانی چگونه شکل می گیرد؟

روپرت واتسون رئیس تخصیص دارایی ، بین المللی سابق اقیانوس آرام در Mercer Rachel Volynsky مدیر ارشد سرمایه گذاری در Mercer Cameron Systermans رئیس تخصیص دارایی (ASIA) ، مدیر نمونه کارها در Mercer

هوش مصنوعی تأثیر انقلابی در تصمیم گیری اجرایی خواهد داشت

Avi Goldfarb نویسنده قدرت و پیش بینی

به روزرسانی بازار: اقتصاد جهانی چگونه شکل می گیرد؟

روپرت واتسون رئیس تخصیص دارایی ، بین المللی سابق اقیانوس آرام در Mercer Rachel Volynsky مدیر ارشد سرمایه گذاری در Mercer Cameron Systermans رئیس تخصیص دارایی (ASIA) ، مدیر نمونه کارها در Mercer