AI w finansach: dlaczego powinniśmy oczekiwać mniej od algorytmów
Wspomniany algorytm miałby przewidywać dokładne ceny produktów, wywracać do góry dnem rynki finansowe, jakie znamy – i skutkować powolnym odchodzeniem zwykłego tradingu na „emeryturę”.
Niezależnie od tego, czy to się faktycznie wydarzy, ten „tryb oczekiwania” powstrzymuje inwestorów od korzystania z tego, co AI ma do zaoferowania dzisiaj – jak na przykład rozwiązywanie innych, namacalnych problemów tradingowych.
Za dużo tego dobrego?
Liczba ETF-ów (exchange-traded funds) wzrosła sześciokrotnie od 2007 roku. Dziś można inwestować w prawie 7000 różnych produktów tego typu.
Równocześnie w ciągu ostatnich 10 lat liczba funduszy inwestycyjnych na świecie wzrosła o 40 tysięcy. Co więcej, instytucje finansowe prześcigają się w oferowaniu swoim klientom jak najszerszego wachlarza produktów. Czy dostrzegasz problem?
Dziś każdy, kto woli wybierać produkty na własną rękę, jest przytłoczony szerokością wyboru. To rozprasza inwestorów i wpływa na zwroty z inwestycji.
Zamiast szukać nowych możliwości, tkwimy w analizowaniu, który produkt jest tym właściwym. Mamy dziesiątki opcji, jak inwestować w jednej branży, a wybór właściwego produktu stał się problemem samym w sobie.
Wszystko jest względne
Wyobraźmy sobie dwa samochody, które zaraz zaczną się ścigać. Jeden z nich jest szybki – zgadniesz, który? Jasne, można snuć przypuszczenia przed wyścigiem, ale wszyscy wiemy, że zależy to od tego, co znajduje się pod maską. Co więcej, „szybki” to pojęcie względne. O wiele łatwiej byłoby zgadywać, gdy samochody są już w ruchu, prawda?
To samo dotyczy wyścigów o najwyższe zwroty – chodzi o zgadywanie, który produkt jest najlepszy, ale tu wyścig już trwa. Dlatego tu zgadywać jest prościej: i z perspektywy algorytmów AI rzeczywiście tak jest.
Ale znalezienie najlepszego produktu inwestycyjnego może nie polegać na tym, że będzie on najlepszy zawsze i wszędzie. Może chodzić o wybranie najlepszego z porównywalnej grupy. Jest to coś, z czym istniejące algorytmy AI mogą sobie poradzić i jest to dziś w zasięgu inwestorów. Rozwiązałoby to narastający problem wyboru produktów i przyniosłoby znaczną wartość ludziom.
Algorytmy tego typu mają już zresztą mnóstwo danych wejściowych – bo ten wyścig trwa od lat. Notowania produktów, wskaźniki ekonomiczne, poprzednie scenariusze spadków rynkowych – to wszystko algorytmy mogą poznać, ocenić i dostosować do siebie.
Pomyłki w 49% przypadków
To jak w blackjacku: gdy masz właściwą strategię, pieniądze przynosi Ci liczba transakcji, które notujesz. W inwestowaniu, właściwe zarządzanie transakcjami może przynieść Ci solidne zyski, nawet jeśli algorytm AI, którego używasz nie jest nieomylny.
Jak powiedział Peter Lynch: „W tym biznesie, jeśli jesteś dobry, masz rację sześć razy na dziesięć. Nigdy nie będziesz miał racji dziewięć razy na dziesięć”.
Dlatego właśnie zdawanie się na sztuczną inteligencję jest rozsądnym rozwiązaniem – nawet jeśli ta nie zawsze ma rację w swoich przewidywaniach. Zamiast czekać na świętego Graala, kilka spójnych wyników powinno wystarczyć, aby zacząć inwestować z AI i osiągać zyski z wykorzystaniem najnowszych technologii.
Na co czekamy?
Istnieje duże prawdopodobieństwo, że jako inwestorzy rozleniwiliśmy się i zbyt długo czekaliśmy na narzędzie do przewidywania przyszłości. Może powinniśmy zrobić krok w tył i rozejrzeć się, czy od algorytmów sztucznej inteligencji da się wymagać nieco mniej. Jak od wskaźnika super trendu, który mówi jedynie o tym, który produkt może potencjalnie być lepszy.
Wyścig po zyski będzie wówczas wyglądał zupełnie inaczej.
Dominik Łyżwa jest konsultantem biznesowym w Comarch. Zajmuje się platformami Wealth i Asset Management. Jego kariera zawodowa koncentruje się wokół finansów i rynków kapitałowych; ma doświadczenie zarówno po stronie kupna, jak i sprzedaży. Dominik jest licencjonowanym maklerem papierów wartościowych i doradcą inwestycyjnym.
Dowiedz się więcej o platformie Comarch Wealth Management.
