oPeniazoch.sk, the conversation Foto: getty images
Umelá inteligencia sa dnes už dokáže vyrovnať, alebo dokonca aj prekonať ľudí v mnohých oblastiach. Stroje dokážu hrať šach, šoférovať autá, rozumejú skladbe bielkovín. Tento rýchly technologický pokrok mal obrovský vplyv aj na odvetvie finančných služieb. Čoraz viac generálnych riaditeľov v sektore deklaruje, že riadia „technologické spoločnosti s bankovou licenciou“.
Dnes sme svedkami, ako do sektora finančných služieb preniká čoraz viac technológií. Aj vďaka rýchlemu vzniku a rastu odvetvia finančných technológií (fintech), kde technologické startupy čoraz viac predstavujú výzvu pre etablované finančné inštitúcie v oblastiach ako je retailové bankovníctvo, dôchodky alebo osobné investície. Umelá inteligencia sa ako taká často objavuje v zákulisných procesoch, ako je kybernetická bezpečnosť, boj proti praniu špinavých peňazí, kontroly rozpoznania klienta alebo pri chatbotoch. Medzi toľkými úspešnými príkladmi ale jeden nápadne chýba. Kde je umelá intelgincia, ktorá dokáže zarábať peniaze na finančných trhoch?
Zatiaľ čo obchodníci bežne používajú jednoduché algoritmy, algoritmy strojového učenia alebo umelá inteligencia sú pri rozhodovaní o investíciách oveľa menej obvyklé. Ale keďže strojové učenie je založené na analýze obrovských súborov údajov a hľadaní vzorov v nich a podobne aj na finančných trhoch sa generuje obrovské množstvo údajov, mohlo by sa zdať, že ide o zjavnú zhodu. V novej štúdii publikovanej v časopise International Journal of Data Science and Analytics vedci objasnili, či je umelá inteligencia v zarábaní peňazí lepšia ako ľudia.
Niektoré špecializované investičné spoločnosti, nazývané ako „kvantatívne“ hedžové fondy, vyhlasujú, že vo svojom procese investičného rozhodovania využívajú umelú inteligenciu. Oficiálne informácie o výkone však nezverejňujú. Aj napriek tomu, že niektoré z nich spravujú miliardy dolárov, zostávajú v menšine v porovnaní s veľkosťou investičného odvetvia. Na druhej strane akademický výskum opakovane uvádzal vysoko presné finančné prognózy založené na algoritmoch strojového učenia. Tie by sa teoreticky mohli premietnuť do veľmi úspešných mainstreamových investičných stratégií pre finančný priemysel. Napriek tomu sa zdá, že sa to nedeje.
Aký je dôvod tohto rozporu? Je to zavedená a dobre zakorenená manažérska kultúra, alebo to súvisí s praktickými aspektmi investovania v reálnom svete?
Vedci analyzovali 27 recenzovaných štúdií akademických výskumníkov publikovaných v rokoch 2000 až 2018. Tieto opisujú rôzne druhy experimentov s prognózovaním akciového trhu pomocou algoritmov strojového učenia. Chceli zistiť, či je možné tieto techniky predpovedania replikovať v reálnom svete. Väčšina experimentov prebiehala paralelne vo viacerých verziách, niekedy až v stovkách ich investičného modelu. Takmer vo všetkých prípadoch autori prezentovali svoj najvýkonnejší model ako primárny produkt svojho experimentu, čo znamená, že najlepší výsledok bol vybraný a všetky suboptimálne výsledky boli ignorované. Tento prístup by nefungoval pri riadení investícií v reálnom svete, kde je možné danú stratégiu vykonať iba raz a jej výsledkom je jednoznačný zisk alebo strata.
Spustenie viacerých variantov a následné prezentovanie najúspešnejšieho ako reprezentatívneho by bolo vo finančnom sektore zavádzajúce a možno by sa považovalo za nezákonné. Ak napríklad použijete tri varianty rovnakej stratégie, pričom jeden generuje stratu -40 %, druhý -20 % a tretí zisk 20 %, a potom poukážete iba zisk 20 %, bude tento jediný výsledok zjavne nesprávny pri vyjadrení výkonnosť fondu. Mala by sa otestovať iba jedna verzia algoritmu, ktorá by reprezentovala nastavenie investícií v reálnom svete, a preto by bola realistickejšia.
Modely v dokumentoch, ktoré vedci preskúmali, dosiahli veľmi vysokú úroveň presnosti, asi 95 %, čo je znak obrovského úspechu v mnohých oblastiach života. Ale v predpovediach trhu, ak je algoritmus nesprávny na 5 %, stále to môže predstavovať skutočný problém. Môže to byť skôr katastrofálne nesprávne ako okrajovo nesprávne, nielen kvôli vymazaniu zisku, ale strate celého základného kapitálu.
Experti poznamenávajú, že väčšina algoritmov umelej inteligencie sa javila ako „čierne skrinky“ bez transparentnosti o tom, ako fungujú. V skutočnom svete to pravdepodobne nevzbudí dôveru investorov. Je pravdepodobné, že to bude problém aj z hľadiska regulácie. A čo viac, väčšina experimentov nepočítala s obchodnými nákladmi. Hoci tieto rokmi klesajú, nie sú nulové a môžu tvoriť rozdiel medzi ziskom a stratou.
Žiaden zo skúmaných experimentov nezohľadňoval súčasné finančné predpisy, ako sú právne smernice a etika podnikania. Čo však treba podčiarknuť, samotné experimenty sa nezaoberali žiadnymi neetickými aktivitami, nesnažili sa manipulovať trh. Chýbal im však dizajnový prvok, ktorý by výslovne zaisťoval, či sú etické. Vedci tvrdia, že algoritmy strojového učenia a umelej inteligencie by pri rozhodovaní o investíciách mali dodržiavať dva súbory etických noriem: urobiť umelú inteligenciu ako takú etickú a rozhodovanie o investíciách urobiť etickým, pričom by sa zohľadnilo environmentálne, sociálne a vládne hľadisko. To by zabránilo umelej inteligencii investovať do firiem, ktoré by mohli byť škodlivé pre spoločnosť.
To všetko znamená, že nasadenie umelej inteligencie, tak ako bolo opísané v akademických experimentoch, by bolo v reálnom svete finančného priemyslu neuskutočniteľné.
Akademici boli zvedaví aj na porovnanie úspešnosti umelej inteligencie s výsledkami profesionálov v oblasti investícií. Ak by stroje dokázali investovať rovnako alebo lepšie ako ľudia, potom by to mohlo znamenať obrovské zníženie počtu pracovných miest.
Vedci zistili, že hŕstka fondov využívajúcich umelú inteligenciu, ktorých údaje o výkonnosti boli zverejnené na verejne dostupných miestach, mala na trhu vo všeobecnosti nedostatočnú výkonnosť. Preto dospeli k záveru, že v súčasnosti existuje veľmi silný argument v prospech analytikov a manažérov fondov. Napriek všetkým ich nedokonalostiam empirické dôkazy silne naznačujú, že ľudia sú v súčasnosti pred umelou inteligenciou. Môže to byť čiastočne kvôli účinným mentálnym skratkám, ktoré ľudia používajú, keď musia robiť rýchle rozhodnutia v neistote.
Všetko sa však v budúcnosti môže zmeniť. Avšak namiesto toho, aby sa ľudia a stroje stavali na opačnú stranu barikády, by sa mali spojiť. Znamenalo by to začlenenie umelej inteligencie do nástrojov na podporu rozhodovania a analytických nástrojov, ale ponechať konečné investičné rozhodnutie na tíme odborníkov.
