Ma már nem különösebb újdonság a piacon egy olyan befektetési alap, amelynek döntéseit mesterséges intelligencia segíti és hajtja végre, a quant hedge fundok is évek óta megtalálták a helyüket a befektetési palettán. Az amerikai részvénypiaci forgalom majdnem 70 százalékát a nagy frekvenciájú és az algoritmikus kereskedési alapú megbízások adják. Mivel sok korábbi eset mellett a tavaly decemberi piaci turbulenciában is felerősítették a stresszt, használatuk szabályozása folyamatosan szigorodik, a folyamatban részt vevők anyagi érdekeivel ellentétesen is. Úgy tűnik, az új megközelítés gőzerővel veszi át az ember helyét. A gép gyorsabb, több információt dolgoz fel hatékonyabban egységnyi idő alatt és a szabályrendszeren belül nem hibázik.
A mesterséges intelligencia (AI) használata a vagyon- és portfóliókezelésben ma még – úgy tűnik – mégis csak bizonyos határok között lehetséges. Ennek egyik oka a működési kockázat, amikor egy nem várt és korábban sosem látott vagy alacsony valószínűséggel bekövetkező piaci szituáció hibás döntések sorát váltja ki egy algoritmusban, és az aztán szétterjed a teljes piacon. Ezen például az öntanuló rendszerek (deep learning) segítenek: ebben az esetben már nemcsak a múltbeli eseményekre támaszkodik a gép a döntés során, hanem a biológiai ideghálózatok mintájára létrehozott struktúrában ismeri fel a mintázatokat, azok változékonyságát és súlyozza a lehetséges kimeneteket.
Egyre terjednek az automatikus elemzőprogramok például, amelyek háttér-információkat adnak és segítik a döntés-előkészítést. Az is világos, hogy a költségcsökkentés és a kockázatelemzés területén már most nagyszerűen teljesít az AI. A mid és back office munkák és más háttértevékenységek területén az ellenőrzés könnyen automatizálható, és kizárja az emberi hibát. A mesterséges intelligencia segíthet a vagyonkezelőknek összefüggések megkeresésében komplex, ember által nehezen átlátható adathalmazok elemzésével, és automatizálhat sok kereskedési folyamatot, meggyorsítva és hibamentessé téve a megbízások teljesítését. Megválaszolhatja a könnyebb kérdéseket, kommunikálhat az ügyfelekkel, jelentéseket írhat a szabályozóknak és a nagyközönségnek is.
A másik kockázat, amely felmerül, sokkal nehezebben kezelhető: ez a szisztematikus kockázat. Minden nagyobb zavar a tőkepiaci rendszerben politikai és gazdasági problémákkal fenyeget, ezért globálisan nem elfogadható, hogy az újításokat élesben, a tőzsdén teszteljük. Az elemzők nem számítanak a gépek teljes hatalomátvételére a befektetési döntésekben. Ennek elsősorban nem az az oka, hogy rövid időn belül nem tudnának jobb döntéseket hozni, hanem hogy az AI-rendszerek feketedobozként működnek, azaz nem látható, hogy a gép miért azonosított egy trendet vagy egy lehetőséget. Akkor mégis hogyan bízhatunk meg az AI-ban, ha nem tudjuk, milyen szempontok alapján született a döntés? A szakma egyik fele azt mondja, hogy az eredmények alapján. A másik, vitatkozó fél szerint a múltbeli teljesítmény nem ad indikációt a jövőre nézve, tehát ezt az érvet nem használhatjuk.
Amíg a szabályozók és az elméleti szakemberek vitatkoznak, a befektetési ipar folyamatosan lép előre. Az AI legújabb térhódítása a kötvény- és részvénykibocsátások területén zajlik. Egy kibocsátásokkal foglalkozó jó szakértőnek a múltban a Bloomberg kolumnistája, Matt Levine szerint két jellemzője volt. Egyrészt ismerte a piacot, hogy milyen kötvények, részvények jelentek meg az elmúlt években, azok hogyan teljesítettek, és ezeket a mintázatokat alkalmazni tudta a lehetséges piacra lépő számára, hogy segítse őt az árazás és egyéb feltételek kialakításában. Másrészt meglehetősen kellemes és adaptív személyiségnek kellett lennie, hogy amikor a potenciális kibocsátókat vacsorázni vitte, jól elszórakoztassa őket, és emlékezzen a gyerekeik, a kutyájuk nevére és a hobbijukra is. Mindez a bizalomépítés jegyében történt, ami után a nem szakmabeli – mondjuk, a termelőágazatból jövő – kibocsátók mertek a szakember véleményére támaszkodni.
Az adatfeldolgozó gépek az első funkciót könnyedén átveszik, és lekörözik az embert – ilyen rendszerként működik ma már globálisan a Merrill Lynch Priam (Predictive Intelligence Analytics Machine) rendszere, amely a bankház által segített valamennyi IPO részletes adatait tartalmazza. A small talk és a jó vacsorák szerepe radikálisan csökkent. A Merrill véleménye szerint nagyon fontos azonban, hogy ne várjunk túl sokat az ilyen rendszerektől, és szigorúan szabályozzuk, hogy mi az alkalmazás helyes módja.
Egy újságcikkbe körülbelül ennyi fér, így jelent meg az írás a Világgazdaságban. De például nem elég az egyébként hosszúnak számító 4000 karakter ahhoz, hogy a gépi tanulás és az adatfeldolgozás közötti alapvető különbségeket részletesebben tárgyaljam (Machine Learning And Predictive Analytics) vagy hogy kifejtsem a saját véleményem, ami azért jelentősen különbözik a fenn leírt mainstream állásponttól.
Rövid távon valószínűleg igaz, amit fenn leírtam. De ami már a középtávú tendenciákat illeti, szerintem nagyjából sötétben tapogatózunk. Egyrészt ez az iparág sosem hagyta magát vélt vagy valós morális kockázatoktól hosszabb távon korlátozni, másrészt egy technológiai ugrás előtt az elemzők általában nem is sejtik, hogy mire számítsanak.
Agyonidézett, de nagyon hasznos példa, hogy 1894-ben a The Times of London azt jósolta, hogy ha nem változik semmi, hamarosan mindent elborít a trágya: 1950-re London utcái 270 cm magasan lesznek lóürülékkel borítva. Néhány évvel később New Yorkban várostervezői konferenciát hívtak össze, melynek fő témája a lócitromválság volt. Ez a kép pedig a 1920-as évek Londonját mutatja, alig 26 évvel később:
Egy random felsorolás a World Economic Forum pár évvel ezelőtti gyűjtéséből, persze bárki joggal megkérdezheti, miért épp ezeket az évszámokat valószínűsítik a szakemberek, de akkor is érdemes átfutni:
2024-re a mesterséges intelligencia már felülmúlja a fordítási feladatokban az embereket, 2027-ben pedig teherautókat és a mezőgazdasági gépeket nagyrészben AI vezeti, 2049-ben már jobb bestsellereket írnak, 2053-ban pedig már jobb sebészek is lesznek.
Két napja láttam a WSJ-on, hogy az amerikai farmerek Netflix sorozatokat néznek a gépeken, a földeken dolgozva, annyira nincs szükség már az emberi figyelemre. Meddig áltatjuk akkor még magunkat?
A cikk eredeti verziója a Világgazdaság 2019 május 10-i számában jelent meg a Befektetés mellékletben.
1 thought on “Mesterséges intelligencia és a befektetések”