مشاور جدید سرمایه‌گذاران؟

امروزه یکی از مسائلی که در بازارهای مالی با آن مواجه هستند، حجم زیادی از داده‌هاست. برای مثال جریان معاملات، گزارش‌های مالی، داده‌های رفتاری سرمایه‌گذاران و بازیگران بازارها، اخبار و داده‌های شبکه‌های اجتماعی، نمودارها و... را می‌توان جزئی از این داده‌ها دانست. در چنین محیطی، تصمیم‌گیری صرفا بر اساس تجربه و شهود، دیگر کافی نیست. مدیران دارایی ناگزیر به تکیه بر ابزارهایی هستند که بتوانند در میان حجم زیادی از داده‌ها، الگوهای پنهان قابل اتکا را کشف کنند. این همان جایی است که هوش مصنوعی می‌تواند نقش بسزایی ایفا کند.

از معاملات الگوریتمی تا یادگیری ماشینی

پیش از آنکه واژه «هوش مصنوعی» به تیتر رسانه‌ها راه یابد، نخستین جرقه‌های آن در معاملات الگوریتمی دیده شد. این معاملات ابتدا برای اجرای خودکار سفارش‌ها و کاهش تاخیر و خطاهای انسانی طراحی شده بودند. اما به مرور زمان، با توسعه‌ مدل‌های آماری و یادگیری ماشینی، این الگوریتم‌ها به سیستم‌هایی تبدیل شدند که نه‌فقط اجرا، بلکه تصمیم‌گیری را نیز بر عهده می‌گیرند.

در حال حاضر، بسیاری از صندوق‌های بزرگ جهان از مدل‌های مبتنی بر یادگیری عمیق (Deep Learning) و پردازش زبان طبیعی (NLP) برای تحلیل گزارش‌های مالی، اخبار اقتصادی و حتی احساسات بازار استفاده می‌کنند. 

به‌عنوان مثال، صندوق‌های پوشش ریسک (Hedge Funds) از هوش مصنوعی برای تشخیص هم‌بستگی‌های پنهان میان صنایع مختلف استفاده می‌کنند و می‌توانند در لحظه، پوزیشن‌های خود را بر اساس تغییر شرایط تعدیل کنند. در واقع، مسیر از اتوماسیون ساده به هوش تصمیم‌ساز رسیده است. جایی که سیستم‌ها نه‌ فقط سریع‌تر از انسان عمل می‌کنند، بلکه با توجه به ظرفیت درک و تحلیل خود تصمیم‌هایی می‌گیرند که ممکن است از دید انسان‌ها پنهان بماند.

سوخت موتور تصمیم‌گیری نوین

گسترش فناوری‌های مالی باعث شده حجم داده‌های دردسترس، روز‌به‌روز بیشتر شود. در دهه گذشته، داده‌های مالی از مرز اعداد و نمودارها عبور کرده و به داده‌های رفتاری، محیطی و حتی روان‌شناختی گسترش یافته‌اند. این تغییر به معنای آن است که دیگر تحلیلگر انسانی نمی‌تواند بدون ابزار هوشمند، درک جامعی از تمامی ابعاد بازار داشته باشد.

هوش مصنوعی با ترکیب داده‌های ساختاریافته (مانند صورت‌های مالی) و داده‌های غیرساختاریافته (مانند اخبار یا شبکه‌های اجتماعی)، می‌تواند تصویری چندبعدی و جامع از بازارها ارائه دهد. آنها می‌توانند احساسات غالب بازار را بسنجند، واکنش سرمایه‌گذاران به رویدادهای کلان را پیش‌بینی کنند و حتی اثر انتشار اخبار جعلی یا شایعات را بر نوسانات قیمت ارزیابی کنند. در این میان، کاربردهای هوش مصنوعی فقط به تحلیل محدود نیست. در بخش‌های مختلف زنجیره مدیریت دارایی، از چینش پرتفوی گرفته تا کنترل ریسک و مدیریت نقدینگی، مدل‌های هوشمند به مدیران کمک می‌کنند تا تصمیم‌هایشان سریع‌تر، دقیق‌تر و مبتنی بر داده باشد.

با وجود پیشرفت دانش هوش مصنوعی در سال‌های اخیر، طبیعی است که پرسش اصلی و چالش‌برانگیز موجود در تمامی صنایع، در حوزه مدیریت دارایی نیز به ذهن برسد: «آیا هوش مصنوعی می‌تواند جایگزین مشاوران انسانی در حوزه سرمایه‌گذاری شود؟» 

در‌حال‌حاضر، پلتفرم‌های متعددی در جهان تحت عنوان Robo-Advisors به مشتریان خرد خدمات مشاوره و تخصیص دارایی ارائه می‌کنند. این پلتفرم‌ها بر اساس سطح ریسک‌پذیری کاربر، اهداف مالی و بازه زمانی، یک  (IPS (Investment Policy Statement تولید می‌کنند و حتی به‌صورت خودکار پرتفوی را بازتعادل می‌کنند.

اما هنوز محدودیت‌های جدی در مسیر استفاده و توسعه هوش مصنوعی در صنعت مالی وجود دارد. تصمیم‌های سرمایه‌گذاری همواره در خلأ داده‌ای اتفاق نمی‌افتند. اخبار سیاسی، انتظارات تورمی و احساسات جمعی، از جمله عواملی‌ هستند که ماشین‌ها هنوز در درک کامل آنها ناتوان‌اند. به همین دلیل، بسیاری از کارشناسان معتقدند که در این حوزه نقش کارشناسان و مختصصان انسانی نه از بین می‌رود، بلکه تغییر می‌کند: از تحلیلگر سنتی به ناظر هوشمندی که بر کار هوش مصنوعی نظارت می‌کند و قضاوت نهایی را انجام می‌دهد. به عبارت دیگر، آینده مدیریت دارایی را نه حذف انسان، بلکه هم‌زیستی انسان و ماشین شکل خواهد داد. هوش مصنوعی تحلیل می‌کند و پیشنهاد می‌دهد؛ اما در نهایت، انسان است که تصمیم می‌گیرد کدام مسیر را پیش برود.

چالش‌های پیاده‌سازی در ایران

در ایران نیز زمزمه ورود فناوری‌های هوشمند به صنعت مالی شنیده می‌شود، اما مسیر پیش‌ رو آسان نیست. هوش مصنوعی زمانی کارآمد است که بازار از شفافیت و تقارن اطلاعاتی برخوردار باشد. وجود داده‌های ناقص یا عدم دسترسی آزاد و یکسان به اطلاعات مالی، عملا کارآیی مدل‌های یادگیری مبتنی بر هوش مصنوعی را کاهش می‌دهد. علاوه بر آن، ساختار نهادی بازار سرمایه ایران هنوز در حال گذار است. شرکت‌های مدیریت دارایی و مشاوره سرمایه‌گذاری به‌ندرت تیم‌های داده‌محور دارند و دسترسی آنها به داده‌های جامع و پاک‌سازی‌شده محدود است. در نتیجه، قبل از آنکه هوش مصنوعی بتواند نقش محوری در تصمیم‌گیری مالی ایفا کند، لازم است زیرساخت داده و فرهنگ تحلیل علمی و داده‌محور، در نهادهای مالی تقویت شود.با این وجود، با توجه به بکر بودن فضای بازار مالی ایران، پتانسیل بالایی در آن برای گسترش این تکنولوژی وجود دارد. 

تقاضای زیاد برای استفاده از ابزارها، رشد حجم معاملات آنلاین و افزایش توجه به سرمایه‌گذاری غیرمستقیم، همه نشان می‌دهد که زمینه برای پذیرش فناوری‌های هوشمند فراهم است. در آینده نزدیک، صندوق‌ها و سبدگردان‌هایی که زودتر از دیگران به سمت داده‌محوری بروند، مزیت رقابتی چشم‌گیری خواهند داشت.

آینده صنعت؛ از مدیریت تا هم‌زیستی هوشمند

چشم‌انداز صنعت مدیریت دارایی در دهه پیش ‌رو، بیش از هر زمان دیگری به فناوری گره خورده است. هوش مصنوعی به‌سرعت در حال تبدیل شدن از یک ابزار تحلیلی به شریک تصمیم‌ساز مدیران سرمایه‌گذاری است. اما همان‌قدر که این فناوری قدرت تحلیل را چندبرابر می‌کند، به همان میزان نیازمند شفافیت اطلاعات و نظارت انسانی است.

مدیریت دارایی آینده، صنعتی خواهد بود که در آن انسان و ماشین مکمل یکدیگرند. ماشین داده‌ها را می‌بیند، الگوها را کشف می‌کند و از اشتباهات گذشته می‌آموزد، انسان اما هنوز قضاوت، شهود و درک از بازار را در اختیار دارد. ترکیب این دو، یعنی تصمیمی که هم از دقت ماشین برخوردار است و هم از عمق درک عوامل انسانی، فعلا بهینه‌ترین و اجرایی‌ترین تصمیم ممکن است.

در چنین جهانی، نقش مدیر دارایی از «تحلیلگر» به ناظر هوشمند و استراتژیست داده‌محور تغییر می‌کند. او دیگر وقتش را صرف یافتن عددها و نمودارها نمی‌کند، بلکه بر درستی مدل‌ها، کیفیت داده‌ها و تفسیر نتایج تمرکز دارد.

با توجه به شرایط موجود در بازارهای ایران، این تحول فرصتی است تا شکاف تاریخی میان بازار مالی و فناوری را جبران کند. اما پیش‌نیاز آن دسترسی آزاد به داده‌ها، توسعه زیرساخت‌های این حوزه و پذیرش نگاه علمی به تصمیم‌گیری مالی است. 

اگر این شرایط فراهم شود، در آینده‌ای نه‌چندان دور، مدیران دارایی ایرانی نیز خواهند توانست با کمک هوش مصنوعی تصمیم‌های هوشمندانه‌تر، سریع‌تر و منصفانه‌تر خلق کنند.

در نهایت می‌توان گفت، هوش مصنوعی قرار نیست انسان را کنار بزند، بلکه به وی کمک می‌کند تا به شکلی هوشمندانه‌تر فکر کند. آینده مدیریت دارایی، آینده‌ای است که در آن فناوری و انسان نه دو مسیر جدا، بلکه دو لایه از یک تصمیم واحد‌ند، تصمیمی که در ابتدا بر پایه داده بنا شده اما در نهایت با کمک عامل انسانی تکمیل می‌شود.

*  کارشناس ارشد مدیریت ریسک