2 miesięcy temu
Fundusze inwestycyjne zarządzane przez sztuczną inteligencję (AI) zmieniają oblicze współczesnych finansów, wprowadzając nowy poziom precyzji i efektywności w zarządzaniu kapitałem. Dzięki zaawansowanym algorytmom i analizie danych, AI potrafi identyfikować złożone wzorce rynkowe i podejmować decyzje inwestycyjne szybciej i bardziej trafnie niż tradycyjni menedżerowie. Czy fundusze zarządzane przez AI stanowią przyszłość inwestowania, oferując przewagę konkurencyjną dzięki automatyzacji i minimalizacji błędów ludzkich?
Sztuczna inteligencja (AI) staje się w ostatnich latach coraz bardziej popularna i obejmuje różnorodne zastosowania, od samochodów autonomicznych po wirtualnych asystentów, takich jak Siri firmy Apple i Alexa firmy Amazon. Największe firmy światowe pracują nad własnymi systemami sztucznej inteligencji. Część z nich próbuje choćby pójść w kierunki rozwoju robotyki i połączyć AI z wysoce sprawnymi robotami humanoidalnymi (zobacz nasz wpis „Rozwój AI przez gigantów branży: Metody i strategie największych firm”).
Sztuczna inteligencja z pewnością zmieni życie nas wszystkich. AI zaczyna być choćby używana przed zarządzających funduszy inwestycyjnych. Chcą oni dzięki niej podejmować o wiele bardziej trafne decyzje inwestycyjne. Takie, które umożliwią osiąganie znacznie wyższych niż rynkowe stóp zwrotu. Co interesujące nie tylko aktywnie zarządzający inwestycjami potrzebują AI. Powstają już choćby pasywne fundusze inwestycyjne – ETF-y, których walory kupowane są tylko i wyłącznie na podstawie wyborów AI. Większość jeszcze nie wyszła z fazy testów, ale zmieni się to lada chwila.
Jak radzi sobie ChatGPT?
Niedawno ukazało się interesujące badanie o tym, jak w analizie sprawozdań finansowych radzi sobie popularny GPT 4.0. Zadaniem sztucznej inteligencji było określenie, czy w kolejnym okresie sprawozdawczym badana spółka odnotuje wzrost czy spadek przychodów. To bardzo trudna prognoza, która jest zupełnie kluczowa do wyceny firm.
Profesjonalni analitycy osiągają jedynie 52-57% trafnych wskazań, czyli kilka więcej od rzutu monetą. Trochę lepiej radzą sobie wyspecjalizowane modele statystyczne (regresje logistyczne i sieci neuronowe) – osiągają niespełna 60% trafności. Chat GPT z kolei osiąga 52% trafności. Jednak gdy dodatkowo poprosi się to go o skorzystanie z konkretnego wzorca rozumowania (tzw. Chain-of-Thought prompting), to jego trafność skacze do 60%.
Wynika z tego, iż Chat GPT mógłby stworzyć własny, bardzo efektywny funduszu inwestycyjny i zaoferować inwestorom strategię kupowania spółek, których przychody wg jego szybkiej oceny będą rosnąć i sprzedawania na krótko tych spółek, których przychody będą spadać.
Stopa zwrotu z szerokiego rynku akcji i strategii AI w USA
AI jest podobno najlepsze a tradingu krótkoterminowym
Niestety nie dysponujemy jeszcze pełną gamą badań pokazującą jakim naprawdę AI dysponuje potencjałem w branży inwestycyjnej. Intuicyjnie prawdopodobnie większość rozumie, iż możliwości i w tym obszarze są ogromne. Jednak na razie wiele wskazuje, że AI będzie znacznie, znacznie lepsze w tradingu krótkoterminowym niż w inwestowaniu na długi termin.
Inwestorzy fundamentalni pokroju Warrena Buffetta mogą nie czuć się zagrożeni. Pytanie dlaczego AI jest słaba w długim terminie ? Eksperci nie mają jeszcze na to pytanie jednoznacznej odpowiedzi. Mamy jednak kilka przypuszczeń. Szczególnie jedno z nich wydaje się być bardzo interesujące.
Chodzi o ilość dostępnych danych. Modele AI potrzebują do nauki niesamowicie wielkie zbiory danych. Chodzi o miliony przypadków. Gdy mowa o analizie technicznej i tradingu w perspektywie dni nie ma problemu. Historia rynków finansowych i giełdy jako takich ma nieco ponad 400 lat. Kiedy to powstała Holenderska Kompania Wschodnioindyjska.
Długi termin to czarna magia dla AI
Chociaż tak naprawdę było na niej notowanych wówczas tylko kilka firm. Do tego nie dysponujemy prawie żadnymi szczegółowymi danymi z tego okresu. Mamy tylko strzępki informacji, w których wysoko szczegółowe modele AI się gubią. De facto jedynie ostatnie 150 lat może posłużyć do trenowania modeli AI.
Wielcy inwestorzy potrafili choćby tracić pieniądze w perspektywie 3-letniej, a przegrywać z rynkiem w perspektywie 5-letniej. Jednak w perspektywie dekady zawsze okazywali się znacznie lepsi niż szeroki rynek akcji. Mamy zatem 150 lat i okresy 10-letnie do analizy. Trochę mało dla modeli AI.
Nawet o ile dodamy do tego informacje z innych rynków świata. Cały czas brakuje nam informacji, a bez nich sztuczna inteligencja nie jest w stanie prawidłowo funkcjonować. W środowisku braku danych i konieczności improwizacji człowiek jest znacznie lepszy. Być może właśnie dlatego jeszcze przez długie dziesięciolecia inwestorzy długoterminowi pokroju Buffetta, mogą być spokojni o swoją profesję.
Zupełnie inaczej niż trejderzy. Sztuczna inteligencja już teraz znacznie lepiej radzi sobie z wyszukiwaniem krótkoterminowych zależności i korelacji. Jest w stanie na bieżąco analizować tysiące danych płynących z gospodarki i poszukiwać zależności. Tego nie byłby w stanie ogarnąć żaden mózg ludzki. Do tego AI jeszcze działa błyskawicznie, a człowiek z opóźnieniem.
Sztuczna inteligencja może zmieniać i aktualizować strategie trejdingowe poprzez „przewartościowanie szeregu kryteriów inwestycyjnych, w oparciu o które inwestuje”. Takie strategie mogą następnie ulec zmianie wraz ze zmianami na rynku. Jest to gigantyczna przewaga.
Przykład Jima Simonsa
Istnieje bardzo duża szansa, iż słynny Meddallion Fund (którym jeszcze do niedawna zarządzał Jim Simons) przejdzie bardzo duże zmiany. Dla wszystkich, którzy jeszcze nie znają historii Simonsa, polecamy nasz artykuł „Jim Simons – najskuteczniejszy trader w historii i średnioroczna stopa zwrotu równa 66 procent”. Jim Simons znany jest na rynku jako „Quant King” (król handlu ilościowego). Amerykański matematyk, który swoją miłość do liczb przełożył na skomplikowane algorytmy kupujące i sprzedające akcje (i nie tylko) na rynku.
Sprowadził do siebie ekspertów z dziedziny matematyki, analizy danych i wielu innych dziedzin naukowych, aby pracowali razem z nim. Wypełnił swój fundusz programistami, matematykami, fizykami i kryptografami. Simons nie zatrudniał nikogo z doświadczeniem z branży finansowej, chyba iż miał nadzwyczajne umiejętności kodowania lub analizy danych.
Jego analitycy starali się znaleźć pewne historyczne wzorce zachowania rynków. Celem jest znaleźć coś, czego nikt inny wcześniej nie dostrzegł. Dane które znaleźli analitycy, przekazywane są do matematyków, którzy tworzą z nich wzór matematyczny. Następnie wzór zamieniany jest przez programistów na algorytm. Dalej to system automatycznie handluje na instrumentach.
Wszystko to działało i w sumie przez cały czas działa bardzo dobrze. Jednak ze względu na rozwój sztucznej inteligencji prawdopodobnie Medallion Fund za chwilę zacznie bardziej polegać na algorytmach pisanych przez AI, a nie łebskich analityków. Niestety ale przy odnajdywaniu zależności krótkoterminowych sztuczna inteligencja bije ludzi na głowę.
Roczne stopy zwrotu funduszu Jima Simonsa od 1988 do 2016 roku
https://dnarynkow.pl/jim-simons-najskuteczniejszyNa samym końcu w inwestowaniu najważniejszy jest człowiek
Chociaż sztuczna inteligencja rzeczywiście całkowicie zmieni obraz branży inwestycyjnej, to prywatni inwestorzy długoterminowi handlujący na własną rękę mogą raczej spać spokojni. Należy zauważyć, iż na końcu dnia w inwestowaniu i tak najważniejszy jest człowiek. Pamiętacie Petera Lyncha? Jego fundusz Fidelity Magellan zarabiał średniorocznie po prawie 30%, a mimo to akcjonariusze, zwykli inwestorzy indywidualni nie zarabiali prawie nic. Ich stopa zwrotu oscylowała wokół zera.
Ten przypadek pokazuje, iż można mieć super hiper AI, czy w tym przypadku mistrza inwestycji na stanowisku zarządzającego, a i tak nie być w stanie wykorzystać tej przewagi. Prawda jest taka, iż choćby jak powstaną fundusze inwestycyjne z prawdziwego zdarzenia, oparte na AI to i tak zwykli inwestorzy indywidualni mogą tracić kapitał. najważniejsze jest zatem, aby pracować nad psychologią i być w stanie wytrzymać choćby dłuższe okresy straty.
Obserwuj 
Subskrybuj Przy inwestowaniu długoterminowym zwykły ETF spokojnie wystarczy
Prawdziwe fundusze pasywne i aktywne oparte na wyborach AI dopiero powstaną. Jest to pewnie kwestia kilku najbliższych lat. Ci którzy nie chcą czekać tyle czasu już teraz mogą zarabiać na potencjale sztucznej inteligencji. Na rynku jest cała masa ETF-ów, które kupują akcje firm rozwijających sztuczną inteligencję, albo takich które dostarczają hardware do tego.
Te ETF-y jak na razie dawały sobie świetnie radę. Ich notowania za ostatnie lata rosły znacznie szybciej niż szeroki rynek akcji. Jest duża szansa, iż ten trend będzie również kontynuowany w przyszłości. Dla wszystkich, którzy są tego zdania, przygotowaliśmy 5 największych ETF-ów na sztuczną inteligencję. Ich nazwy można zobaczyć w poniższej tabeli.
Największe ETF-y dające ekspozycję na spółki z branży AI
Do zarobienia,
Karol Badowski
