هوش مصنوعی چگونه صنعت مدیریت دارایی را متحول میکند؟
بیشتر نوشتهها و مقالههای مربوط به هوش مصنوعی آن را «دانش شناخت و طراحی عاملهای هوشمند» تعریف کردهاند. هدف هوش مصنوعی در حقیقت بر سه پایه یادگیری، استدلال و درک استوار است.
در دهههای اخیر، هوش مصنوعی به یکی از مهمترین فناوریهای تحولآفرین قرن بیست و یکم تبدیل شده است و بهعنوان یکی از برجستهترین دستاوردهای تکنولوژی، به سرعت در حال تغییر و تحول در دنیای امروز است و روزی نیست که خبری دربارهی هوش مصنوعی و تاثیر آن در صنایع مختلف به گوش نرسد.
تاثیر آن در صنایع مختلف از پزشکی گرفته تا حملونقل مشهود است. شاید بخش مالی و سرمایهگذاری بیش از هر حوزه دیگری از این فناوری بهره برده باشد. مدیریت دارایی به معنای استفاده بهینه از منابع مالی برای دستیابی به بیشترین بازده با کمترین ریسک است. این حوزه بهطور سنتی بر دانش مالی، تحلیل بنیادی، تحلیل تکنیکال و تجربه انسانی تکیه داشت. اما با ظهور هوش مصنوعی، ماهیت تصمیمگیری در بازارهای مالی دگرگون شد. امروزه الگوریتمهای یادگیری ماشین و شبکههای عصبی قادرند حجم عظیمی از دادههای مالی، اقتصادی، روانشناختی و حتی رفتاری را در زمانی بسیار کوتاه تحلیل کنند؛ چیزی که برای انسانها غیرممکن است.
این تحول باعث شد تا نقش تحلیلگران و مشاوران سرمایهگذاری از تحلیلگر داده به «تفسیرگر تصمیمات هوشمند» تغییر یابد. این فناوری با بهرهگیری از الگوریتمهای پیشرفته یادگیری ماشین و پردازش دادههای کلان، توانسته است روشهای بهینهتری برای تحلیل و پیشبینی بازارهای مالی، مدیریت ریسک، و بهبود فرآیندهای مالی ارائه دهد. استفاده هوشمندانه از هوش مصنوعی میتواند مزایای بسیاری مانند کاهش ریسکها، بهینهسازی عملیات مالی، و شخصیسازی خدمات مالی برای مشتریان به همراه داشته باشد.
پیش از فراگیر شدن هوش مصنوعی، صنعت مدیریت دارایی بر مدلهای آماری سنتی تکیه داشت. در دهههای ۱۹۸۰ و ۱۹۹۰، تحلیلگران از مدلهای رگرسیون خطی، سریهای زمانی و مدلهای واریانس-کوواریانس برای پیشبینی رفتار بازار استفاده میکردند. در این دوران، حجم دادههای مالی محدود و پردازش آنها نسبتا ساده بود، اما دقت پیشبینی پایین بود، زیرا مدلها نمیتوانستند پویایی و رفتار غیرخطی بازار را در نظر بگیرند. در اواخر دهه ۱۹۹۰، با پیشرفت فناوری اطلاعات و ظهور بانکهای دادهی بزرگ، شرکتهای مالی شروع به استفاده از سیستمهای خبره کردند. این سیستمها بر پایهی قواعد از پیش تعریفشده کار میکردند و اولین تلاش جدی برای استفاده از هوش مصنوعی در تصمیمگیری مالی محسوب میشدند.
پس از آن ظهور دادههای کلان، پردازش ابری و الگوریتمهای یادگیری عمیق، امکان تحلیل همزمانمیلیونها متغیر را فراهم کرد. شرکتهایی مانند BlackRock با پلتفرم Aladdin، و شرکتهای Wealthfront و Betterment با سیستمهای Robo-Advisory، پیشگام این تحول شدند. از این زمان به بعد، هوش مصنوعی به جزء جداییناپذیر صنعت مدیریت دارایی تبدیل شد.
هوش مصنوعی در دنیای امروز در صنعت مدیریت دارایی در بخشهای مختلفی به عنوان یک ابزار مکمل نقش ایفا میکند. در حال حاضر میتوان این محورها و بخشها را به شکلی که در ادامه بیان میشود تقسسیمبندی کرد؛ تحلیل و پیشبینی بازار محور اول است. الگوریتمهای یادگیری ماشین قادرند حجم وسیعی از دادههای مالی، اقتصادی، سیاسی و حتی شبکههای اجتماعی را تحلیل کنند.
برای مثال، مدلهای یادگیری عمیق میتوانند روند قیمتی سهام را با در نظر گرفتن متغیرهایی مانند احساسات بازار، اخبار جهانی، گفتهها و اقدامات سیاستمداران و حجم معاملات، پیشبینی کنند. بهعنوان نمونه، شرکتهایی مانند Kensho و Dataminr از هوش مصنوعی برای تحلیل دادههای لحظهای و استخراج الگوهای پنهان استفاده میکنند.
طراحی و بهینهسازی سبد سرمایهگذاری محور دوم است؛ پیشتر، طراحی پرتفوی بر اساس نظریه مارکویتز (۱۹۵۲) و مدل میانگین-واریانس انجام میشد. اما امروز هوش مصنوعی با در نظر گرفتن صدها پارامتر همزمان، بهترین ترکیب دارایی را پیشنهاد میدهد و با استفاده از الگوریتمهای تکاملی میتواند بهصورت پویا سبد را بازتخصیص دهد.
هوش مصنوعی در مساله مدیریت ریسک نیز میتواند به سرمایهگذار یا مدیر دارایی کمک کند؛ یکی از مهمترین کاربردهای AI، پیشبینی بحرانهای مالی و ریسک سیستماتیک است. الگوریتمهای هوشمند میتوانند نوسانات غیرعادی، رفتارهای مشکوک و تغییرات ناگهانی در نقدینگی را قبل از وقوع بحران شناسایی کنند. بهعنوان مثال، سیستمهای نظارتی بانک مرکزی آمریکا از هوش مصنوعی برای پایش تراکنشهای مشکوک و مدیریت ریسک اعتباری استفاده میکنند.
بحث خدمات مشاورهای هوشمند نیز، از بخشهایی است که هوش مصنوعی راه آن را هموار میسازد. پلتفرمهای مشاوره سرمایهگذاری مبتنی بر هوش مصنوعی با جمعآوری دادههای مالی، اهداف و سطح ریسکپذیری کاربران، استراتژیهای سرمایهگذاری شخصیسازیشده ارائه میدهند. این سیستمها با هزینه بسیار کمتر از مشاوران انسانی کار میکنند و برای کاربران خرد گزینهای مناسب محسوب میشوند.
پرسش مهمی که در سالهای اخیر مطرح شده این است که آیا هوش مصنوعی در نهایت مشاوران انسانی را کنار خواهد زد؟ پاسخ کوتاه «نه» است، دستکم در آینده نزدیک این اتفاق رخ نخواهد داد. درحالیکه هوش مصنوعی میتواند حجم عظیمی از دادهها را تحلیل و تصمیمهای منطقی اتخاذ کند، اما فاقد قضاوت اخلاقی، همدلی و درک انسانی است. در شرایط بحرانی بازار (مانند سقوط بازار سهام یا بحران مالی ۲۰۰۸)، تصمیمات سرمایهگذاران نهتنها بر اساس داده بلکه بر اساس احساسات، اضطراب و اعتماد شکل میگیرد اموری که ماشین قادر به درک آنها نیست.
بنابراین، بهترین مدل فعلی، ترکیب انسان و ماشین است. در این مدل، هوش مصنوعی تحلیل داده و ارائه پیشنهاد را بر عهده دارد، درحالیکه مشاور انسانی تصمیم نهایی را با در نظر گرفتن ویژگیهای روانی، اهداف شخصی و ارزشهای اخلاقی مشتری اتخاذ میکند. به بیان دیگر، هوش مصنوعی مغز تصمیمگیری است، اما انسان قلب آن.انتظار میرود هوش مصنوعی تحولات عمیقتری در صنعت مالی ایجاد کند و با توجه به ماهیت و سیر تحول در این حوزه میتوان به موارد زیر اشاره کرد.
مدلهای خودیادگیر یکی از تحولات است، این مدلها با تکیه بر یادگیری تقویتی میتوانند از تجربههای گذشته بیاموزند و استراتژیهای سرمایهگذاری خود را بهطور مداوم بهبود دهند. چنین الگوریتمهایی قادر خواهند بود با شرایط پویا و غیرقابل پیشبینی بازار سازگار شوند.
هوش مولد در گزارشدهی و تحلیل تحول دوم است، هوش مولد مانند ChatGPT میتواند گزارشهای تحلیلی، پیشبینیهای مالی و پیشنهادهای سرمایهگذاری شخصیسازیشده تولید کند. در آینده، هر سرمایهگذار میتواند دستیار مالی هوشمند مخصوص به خود داشته باشد که تحلیل لحظهای، آموزش مالی و استراتژیهای بهینهسازی مالی ارائه دهد.نظارت بلادرنگ و انطباق قانونی نیز دستخوش تغییر میشود؛ نهادهای ناظر نیز از هوش مصنوعی برای تشخیص تقلب، پولشویی و ریسکهای اعتباری استفاده خواهند کرد.
AI میتواند رفتارهای غیرعادی را در معاملات تشخیص دهد و از بحرانهای مالی بزرگ جلوگیری کند. اخلاق و شفافیت در الگوریتمها نیز میتواند دچار دگرگونی شود، با افزایش استفاده از هوش مصنوعی، مسائل اخلاقی مانند بیطرفی دادهها، سوگیری الگوریتمی و مسوولیت تصمیمات ماشینی اهمیت بیشتری مییابند. آینده این صنعت وابسته به ایجاد تعادل میان بهرهوری تکنولوژیک و مسوولیتپذیری اخلاقی خواهد بود.
در پایان میتوان گفت که هوش مصنوعی میتواند با ترکیب دادههای مختلف و تحلیلهای چندگانه، به شناسایی فرصتهای سرمایهگذاری کمک کند. این فناوری با استفاده از مدلهای پیچیده و چندبعدی، میتواند اطلاعات مختلفی از جمله دادههای مالی، اقتصادی، اجتماعی و حتی محیطی را ترکیب کرده و تحلیل کند.
با توجه به پیشرفتهای روزافزون در حوزه هوش مصنوعی، انتظار میرود که نقش این فناوری در شناسایی فرصتهای سرمایهگذاری در آینده نیز افزایش یابد. مشاوره مالی و سرمایهگذاری با استفاده از هوش مصنوعی میتواند به عنوان یک ابزار قدرتمند و کارآمد در دنیای مالی مدرن عمل کند. با این حال، همچنان نیاز به نظارت انسانی و درک عمیق از بازارهای مالی وجود دارد تا از نتایج بهینه آن اطمینان حاصل شود.
این فناوری دیگر تنها ابزاری برای تحلیل داده نیست، بلکه به یکی از عناصر بنیادین تصمیمسازی در نظام مالی تبدیل شده است و توانسته فرآیندهای تحلیل، ارزیابی و پیشبینی را به سطحی از دقت و سرعت برساند که تا چند سال پیش غیرقابل تصور بود. با این حال، عنصر انسانی شامل احساس، تجربه و اخلاق همچنان نقشی حیاتی دارد. آیندهی مدیریت دارایی و مشاور سرمایهگذاری در همافزایی انسان و ماشین نهفته است؛ جایی که الگوریتمها دادهها را میفهمند و انسانها ارزش آن را تفسیر میکنند.
با این حال، هر چند این فناوری امکانات زیادی را برای پیشرفت بشر فراهم کرده، باید توجه داشت که چالشهایی همچون اخلاق، امنیت و تاثیرات اجتماعی آن همچنان نیاز به بررسی و مدیریت دقیق دارند. بنابراین، ضروری است که در کنار توسعه این فناوری، توجه کافی به جنبههای انسانی و اجتماعی آن داشته باشیم تا بتوانیم از پتانسیلهای آن به نحو بهینه بهرهبرداری کنیم.
* کارشناس بازار سرمایه
