سهام در چنگ ماشین!
به نظر میرسد دنیای ما به تدریج در حال آماده شدن برای «عصر هوش مصنوعی» است، عصری که در آن صحبتهای زیادی در مورد تأثیر هوش مصنوعی بر زمینههای مختلف، چه صنعتی، چه پزشکی و چه حتی ادبی، در میان جنجالهای فراوان در مورد وجود «اغراق» در ارزیابی تأثیر هوش مصنوعی بر فعالیتهای مختلف، مطرح میشود.
بازار سهام نیز از این قافله عقب نمانده است، چرا که موسسات مالی و افراد به طور پیوسته در حال افزایش اتکای خود به هوش مصنوعی هستند، اما به روشهای مختلفی از این ابزار متحولکننده بازار استفاده میکنند .
افزایش اتکای فردی به هوش مصنوعی
بازارهای مالی جهانی به سمت دورانی حرکت میکنند که تحت سلطه الگوریتمها قرار دارد و هم سرمایهگذاران حقیقی و هم موسسات بزرگ به دنبال بهکارگیری هوش مصنوعی به عنوان ابزاری برای درک بازار و پیشبینی حرکات آن هستند.
بازار سهام جهانی بهسرعت به میدان رقابت الگوریتمها بدل شده؛ جایی که سرمایهگذاران فردی با ابزارهای عمومی هوش مصنوعی در برابر نهادهایی قرار میگیرند که به سیستمهای بسته، دادههای جایگزین و زیرساختهای میلیارددلاری دسترسی دارند
این روند دیگر یک تجمل تکنولوژیکی نیست؛ دادههای eToro در سال ۲۰۲۵ نشان میدهد که تقریباً ۳۰درصد از سرمایهگذاران حقیقی در ایالات متحده در حال حاضر از ابزارهای هوش مصنوعی به عنوان ابزار اصلی تصمیمگیری، نه فقط برای مشاوره، استفاده میکنند.
این نشان دهنده افزایش آشکار درصد افرادی است که عمدتاً به هوش مصنوعی متکی هستند، زیرا این درصد در سال ۲۰۲۴ از ۱۸ درصد تجاوز نکرده است که نشان دهنده افزایش قابل توجه اتکای افراد به هوش مصنوعی است.
با وجود این علاقه روزافزون از سوی افراد، شکاف عمیقی بین آنها و مؤسسات مالی بزرگ و صندوقهای پوشش ریسک وجود دارد، زیرا مؤسسات به زیرساخت بسیار پیچیدهای متکی هستند که به آنها چیزی به نام «مزیت رقابتی » میدهد. در حالی که اکثریت قریب به اتفاق افراد به هوش مصنوعی باز متکی هستند، شرکتی مانند BlackRock به سیستم Aladdin ، یکی از قدیمیترین و پیچیدهترین سیستمهای هوش مصنوعی، متکی است. در حالی که ChatGPT کار خود را ۳ سال پیش آغاز کرد، Aladdin از سال ۱۹۸۸ در حال یادگیری بوده است.
شکاف اصلی نه در «دسترسی به هوش مصنوعی» بلکه در کیفیت داده، سرعت اجرا و انباشت تاریخی یادگیری است؛ مزیتی که صندوقهای بزرگ را چند گام جلوتر از افراد عادی نگه میدارد
برخی تخمینها حاکی از آن است که «علاءالدین» سرمایهگذاریهایی تا سقف ۲۱ تریلیون دلار را مدیریت میکند که برخی آن را با توجه به گسترش مداوم نفوذ او، رقمی بسیار محافظهکارانه میدانند.
بهرهبرداری از شکافها و معاملات سریع
سیستم تغذیه در سیستمهای مشابه «علاءالدین» نیز به متخصصان متکی است که آن را بسیار قدرتمندتر میکند. شرکتی مانند رنسانس تکنولوژیز( یک صندوق پوشش ریسک که سرمایهگذاریهایی به ارزش صدها میلیارد دلار را مدیریت میکند) بیش از ۶ میلیارد دلار برای سیستم هوش مصنوعی خود هزینه کرد .
این شامل سرمایهگذاری در ابررایانهها و دادههای جایگزین و استخدام متخصصان مالی برای تغذیه سیستم آن میشود، در حالی که سرمایهگذار انفرادی محدود به رایانههای شخصی و سرویسهای ابری محدود باقی میماند.
لازم به ذکر است که این برتری تکنولوژیکی به شرکتها این توانایی را میدهد که از معاملهگران انفرادی عملکرد بهتری داشته باشند، زیرا بانک سرمایهگذاری پپر سندلر تخمین میزند که الگوریتمهای هوش مصنوعی، معاملهگران نهادی را قادر میسازد تا «شکافهای» دقیق بازار را شناسایی کنند و به آنها اجازه میدهد سهامهایی با پتانسیل رشد کوتاهمدت بسیار بالا را قبل از اینکه بقیه معاملهگران متوجه آنها شوند، خریداری کنند.
گواه دقت این سیستمها اتفاقی است که در بخش فناوری بازار آمریکا (نزدک) رخ داد، که به لطف این روزنهها، به طور خاص، در طول سال ۲۰۲۳ به افزایش ۱۰۰ میلیارد دلاری دست یافت، زیرا معاملهگران بزرگی که به الگوریتمها متکی بودند، اولین کسانی بودند که این سودهای کلان را به دست آوردند.
علیرغم تلاشهای افراد برای تقلید از این موفقیت، تمام غولهای سرمایهگذاری که بر این دستاوردها تسلط دارند، به «سیستمهای بسته» بسیار محرمانه متکی هستند، جایی که این سیستمها با حجم عظیمی از دادهها از خارج از اینترنت آزاد تغذیه میشوند و به آنها مزیت مطلق اطلاعاتی میدهند.
نابغههای ریاضی، نه اقتصاددانان
شاید برجستهترین نمونه این مورد، شرکت رنسانس تکنولوژیز باشد، شرکتی که توسط نوابغ ریاضیات، آمار و فیزیک اداره میشود و آنها یک سیستم الگوریتم پیچیده ساختهاند که سالانه تا ۳۰ درصد سود خالص ایجاد میکند.
شواهد نشان میدهد که قدرت این شرکت در پنهانکاری آن نهفته است، زیرا رنسانس از سرمایهگذاران خود میخواهد که هیچ چیزی در مورد سیستم نرمافزاری، نحوهی کارکرد آن یا حتی منابع دادههای آن ندانند تا اطمینان حاصل شود که «نقشهی جادویی» یک راز باقی میماند.
این الگوریتمها به دنبال الگوها و حرکات بسیار کوچک و تکرارشوندهای هستند که تحلیلهای سنتی قادر به تشخیص آنها نیستند و سپس هزاران معامله را با سرعت فوقالعادهای اجرا میکنند تا از این حرکات سادهای که معاملهگر بدون توجه از کنارشان عبور میکند، سود ببرند. با این حال، این شرکت در طول نوسانات آوریل ۲۰۲۵، ۸ درصد ضرر کرد، زیرا این اتفاق از این طریق بیسابقه بود.
بهرهبرداری از دادههای جایگزین
بدون شک، ماهیت دادههای مورد استفاده، سنگ بنای این تفاوت بین مؤسسات و افراد را تشکیل میدهد. در حالی که افراد به دادههای عمومی موجود مانند تغییرات قیمت و حجم معاملات بسنده میکنند، مؤسسات با بهرهبرداری از آنچه به عنوان « دادههای جایگزین » شناخته میشود، پا را فراتر میگذارند.برای مثال، شرکتهایی مانند Orbital Insight از هوش مصنوعی برای تجزیه و تحلیل تصاویر ماهوارهای از پارکینگ سوپرمارکتها استفاده میکنند تا درآمد خود را قبل از انتشار گزارشهای رسمی پیشبینی کنند و به این ترتیب به صورت فعال در بازار حرکت کنند. این نوعی «هوش مالی» است که کاملاً از دسترس افراد عادی خارج است.
در اینجا، منابع عظیم شرکتها در مقابل افراد برجسته شده است که مستقیماً به نتایج ملموس در عمل تبدیل میشوند، زیرا گزارشها نشان میدهد که صندوقهای پوشش ریسک مبتنی بر هوش مصنوعی در سال ۲۰۲۲ به طور متوسط ۸.۹۳٪ بازده کسب کردهاند، در حالی که میانگین عملکرد صندوقهای پوشش ریسک سنتی ۴.۲ ٪ ضرر را ثبت کرده است.
یک مطالعه توسط Deloitte نشان میدهد که اکثر استراتژیهای فردی با استفاده از هوش مصنوعی به دلیل مدلهای یادگیری محدودی که استفاده میکنند و این واقعیت که آنها عمدتاً مدلهای عمومی مانند Gemini یا ChatGBT هستند، در درازمدت نمیتوانند از بازار پیشی بگیرند.
سرعت اجرا نیز به عنوان یک تفاوت کلیدی خودنمایی میکند، زیرا معاملات پربسامد مبتنی بر هوش مصنوعی تقریباً ۶۰ تا ۷۰ درصد از حجم معاملات در بورس اوراق بهادار نیویورک را در بر میگیرد، جایی که سیستمهای نهادی میتوانند معاملات را در کسری از میکروثانیه انجام دهند، در حالی که معاملات فردی همچنان دستی یا نیمه خودکار است و چند دقیقه یا چند ساعت طول میکشد.
هوش مصنوعی میتواند چراغ راه سرمایهگذار خرد باشد، اما تبدیل آن به فرمانده مطلق تصمیمگیری، در بازاری نابرابر، ریسک شکست را تشدید میکند
لازم به ذکر است که این برتری نه تنها از نظر فنی، بلکه از نظر پرسنل و منابع نیز وجود دارد، زیرا حقوق یک متخصص یادگیری ماشین در یک صندوق پوشش ریسک بزرگ سالانه از ۲۵۰،۰۰۰ دلار فراتر میرود، که تضمین میکند مؤسسات، درخشانترین ذهنها را برای توسعه الگوریتمهای یادگیری تقویتی که استراتژیهای انسانمحور فاقد آن هستند، جذب میکنند.
بنابراین، میتوان گفت که رقابت بین افراد و مؤسسات در زمینه استفاده از هوش مصنوعی، مانند مسابقهای بین دو ماشین است که یکی یک ماشین خانوادگی معمولی است و دیگری یک ماشین «سوپر» متخصص در دستیابی به سرعتهای رکوردی.
بنابراین، افراد باید اتکای خود به هوش مصنوعی را به عنوان یکی از منابع «مشاوره » و نه به عنوان تنها وسیله تصمیمگیری، محدود کنند.
منابع: ارقام – دیلویت – فوربس – نیویورک تایمز – یاهو فاینانس – مدرسه اقتصاد و علوم سیاسی لندن
