oPeniazoch.sk, institutionalinvestor Foto: getty images
Nemožno poprieť, že rok 2020 bol mimoriadne náročným rokom. Málokto ale vie, že sľubované výnosy neodkázali splniť ani slávni manažéri investícií. Museli priznať, že ich aktívne riadené investičné modely zlyhali a že sa snažia ich vylepšiť. Ide však len o ilúziu zmien, skôr je to taktika založená na nádeji, že klienti zostanú zo zotrvačnosti, alebo jednoducho sa na nich usmeje šťastie. Existuje však aj iná možnosť. Umelá inteligencia.
Pre upresnenie, nejde o techniky strojového učenia, ktoré kvantifikátori a ďalší manažéri integrovali do svojich investičných procesov za posledných pár rokov. Tradičné techniky strojového učenia „predstavujú významné rozšírenie súboru nástrojov kvantitatívneho investora, ale nie sú kvalitatívne odlišné od tradičných štatistických metód,“ uvádza sa v bielej knihe Acadian Asset Management. Možno sú užitočné, ale ich mantinely tvoria obmedzenia ľudskej inteligencie. Nejde teda o náhradu, len o nástroj na zvýšenie rozsahu a rýchlosti.
Sila pokročilej umelej inteligencie je zakorenená v schopnosti nachádzať vzory priamo v dátach a robiť predpovede nezávislé od ľudskej inteligencie alebo odborných znalostí. Aj keď správcovia investícií pripúšťajú, že tieto algoritmy vyriešia neuveriteľne zložité problémy v medicíne, autonómnom riadení, strojárstve, robotike a ďalších odvetviach, neochvejne popierajú, že by dokázali vyriešia investičné problémy a vytvoriť autonómne investičné stratégie.
Je zrejmé, že takéto popretie je založené na jedinom základnom a všeobecne uznávanom presvedčení, že investovanie je výhradne ľudskou činnosťou. „Aj keď obchodovanie na báze počítačov predstavuje väčšinu aktivít na trhoch s akciami, som pripravený brať to ako axiomatiku, investície zostanú v zásade ľudskou činnosťou,“ myslí si Michael Taylor zo spoločnosti Coldwater Economics. Tento pohľad na investovanie zameraný na človeka je neoddeliteľnou súčasťou súčasného stavu, dokonca ani tí, ktorí používajú strojové učenie v investovaní, si nevedia predstaviť budúcnosť, v ktorej ľudia nie sú ústrednou postavou investičného procesu. „Správa fondu je mimoriadne kognitívna úloha,“ povedal Jeff Shen z BlackRock vlani pre The New York Times. „Sme ďaleko od toho, aby sme zapli počítač a nechali ho bežať."
Takýto názor neakceptuje umelú inteligenciu, ktorá umožňuje nehumánne investovanie, ktorá sa autonómne učí a prijíma všetky kritické investičné rozhodnutia a obmedzuje úlohu človeka na rolu vývojára a nie správcu portfólia. Namiesto naprogramovania ľuďmi, replikácii rozhodovania živých odborníkov, dokáže systém pomocou neurónových sietí, dát a výpočtového výkonu, autonómne identifikovať v samotných dátach nelineárne štatistické vzťahy nezistiteľné tradičnými metódami a očami ľudí.
Napríklad modely používané pri diagnostike a prognóze rakoviny nevedia nič o medicíne. Celkovým zameraním na údaje však môžu dosiahnuť „bezprecedentnú presnosť, ktorá je dokonca vyššia ako presnosť všeobecných štatistických aplikácií v onkológii“, tvrdí recenzia publikovaná v časopise Cancer Letters. A rovnako je to aj s investovaním. Tieto modely nie sú naprogramované tak, aby napodobňovali rozhodovanie najlepších investorov. Namiesto toho algoritmy lovia údaje, identifikujú vzory a podobnosti medzi cieľom a údajmi a potom tieto znalosti používajú na predpovedanie investícií.
Kritici ale argumentujú, že umelá inteligencia nedosiahne rovnakú 99-percentnú prediktívnu presnosť, ktorú tieto systémy majú pri počítačovom videní, rozpoznávaní reči či dokonca pri diagnostike rakoviny. Na čo títo kritici poukazujú, je to, že pri investovaní sa nesnažíme „prelomiť kód“. Ako píše William Cohan zo spoločnosti Fast Company, „výnimočný obchodník by bol nadšený 51-percentnou úspešnosťou. Finančné trhy nie sú stabilné, neustále sa menia, a to vďaka politickým, sociálnym, ekonomickým alebo prírodným udalostiam.“ Popierači teda tvrdia, že na rozdiel od MRI sú trhy jednoducho príliš zložité a náhodné. A táto zložitosť a náhodnosť dokážu premôcť schopnosť dôsledne nachádzať použiteľné informácie v dátach.
Ak odhliadneme od skutočnosti, že neexistuje dôvod domnievať sa, že by modely založené na ľudskej inteligencii dokázali túto zložitosť a náhodnosť predvídať lepšie, je treba pripomenúť, že javy, ktoré ľudia vnímajú ako zložité a náhodné, nemusia byť systémami umelej inteligencie vnímané rovnako. „Je to len ohromné množstvo zložitosti, ktorá ľudia nedokážu pochopiť, ale obrovský superpočítač to pochopiť dokáže. A hoci je umelá inteligencia skvelá v rozpoznávaní vzorcov v dátach a identifikácii podobných situácií pozorovaných v minulosti, je zvyčajne v rozpakoch, ako čo najlepšie konať v nových a doteraz nevidených situáciách, ako je napríklad prepuknutie epidémie Covid-19," hovorí Jeff Glickman, spoluzakladateľ investičného fondu založeného na umelej inteligencii, J4 Capital. To ale nediskvalifikuje umelú inteligenciu ako možný investičný systém, pretože všetky investičné metódy založené na ľudskej inteligencii rovnako používajú historické vstupy.
Niet pochýb o tom, že umelá inteligencia je schopná prijímať obrovské množstvo dát a viac údajov vedie k vyššej presnosti predikcie. Zástancovia súčasného stavu často poukazujú na veľké súbory údajov potrebné na školenie modelov počítačového videnia alebo autonómnych vozidiel a na skutočnosť, že údaje na finančnom trhu nie sú natoľko rozsiahle. Finančné údaje síce môžu byť obmedzené, ale kritika neberie do úvahy, že na rozdiel od tradičných kvantových modelov, sú modely umelej inteligencie schopné prijímať aj nefinančné údaje vrátane netradičných údajov, pričom druh a objem týchto údajov každým dňom rastie. Možno ešte dôležitejšie je, že tí, ktorí hovoria o obmedzených finančných údajoch, nedokážu poskytnúť žiadne empirické dôkazy na podporu svojich tvrdení, nemajú príklad zlyhania investičnej stratégie umelej inteligencie kvôli nedostatku údajov.
Nakoniec sa dostávame k námietke, ktorá sa radí medzi tromfy, ak zlyhajú všetky ostatné. Táto námietka spočíva v tom, že na rozdiel od ostatných je pravdivá. Pokročilá umelá inteligencia je vo svojej podstate čierna skrinka. Ani dizajnéri systému nedokážu vysvetliť, prečo sa rozhodne pre konkrétny krok v konkrétnom čase, prečo robí konkrétne investičné rozhodnutie. Ide o čiernu skrinku dnešnej doby. Ide o produkt konkrétnej historickej epochy. Aj modely oceňovania opcií, technická analýza, obchodovanie pomocou softvéru, optimalizačné programy a štatistické programy, to všetko boli čierne skrinky svojej doby. Ako napísal Vijay Pande, hlavný partner Andreessen Horowitz a bývalý riaditeľ biofyzikálneho programu na Stanfordskej univerzite, pre The New York Times, „Samotná ľudská inteligencia je – a vždy bola – čiernou skrinkou.“
Pomôcť, aby už investovanie nebola výhradne ľudská činnosť, by mohli investície do umelej inteligencie. Prelomenie súčasného cyklu slabého výkonu si ale vyžaduje, aby alokátori zvolili „čo“ a dali mu prednosť pred „prečo“. Aby sa stotožnili s tým, že smerujeme do čiernej budúcnosti plnej čiernych skriniek.
