Investiční společnosti se předhánějí v tom, aby integrovaly umělou inteligenci do co největšího počtu svých operací. Investoři se však stále snaží využít tuto technologii k hlavnímu cíli podnikání: předpovídání cenových pohybů způsobem, který zvyšuje zisky. Je to výzva, která se ukazuje jako mnohem těžší než zapojení počítačových algoritmů do shrnutí výzkumných zpráv. Dokonce i ti, kteří jsou přesvědčeni, že umělá inteligence jednoho dne způsobí revoluci při výběru akcií, si myslí, že k tomu dojde dlouhou řadou drobných vylepšení a zpočátku může přinést skromnou výhodu, ačkoli na Wall Street může i skromná výhoda vydělat miliardy. Jak investiční společnosti využívají umělou inteligenci? V nejrůznějších rolích, včetně zákaznického servisu a zefektivnění realizace obchodů. Společnost JPMorgan Chase Inc. uvádí, že vidí více než 300 případů využití umělé inteligence v rámci svých operací. Pokud jde o zvýšení výnosů z investic, naděje se do značné míry upínají ke strojovému učení, což je podobor umělé inteligence, v němž jsou počítače trénovány na obrovském množství dat, aby prováděly určité úkoly. Strojové učení zahrnuje jak generativní umělou inteligenci, která vytváří obsah a stojí za službou ChatGPT, tak prediktivní umělou inteligenci, která využívá minulé výsledky k předpovídání budoucích výsledků. To vše navazuje na takzvané kvantitativní investování, což je desítky let starý přístup, při kterém finanční manažeři využívají počítače, které zpracovávají hromady čísel a vytvářejí vzorce pro výběr cenných papírů. Jak mohou tyto programy přispět k výběru akcií? Generativní umělou inteligenci, která napodobuje fungování lidského mozku při provádění složitých kognitivních úkolů, lze vycvičit na obrovském množství již existujících materiálů a naučit se, jak tyto informace využít k vytvoření něčeho nového, například reklamy na nový román, shrnutí zprávy, básně nebo právní smlouvy. Při aplikaci na finance to může znamenat syntézu výzkumu nebo psaní základních kódů a investičních zpráv. Prediktivní umělá inteligence hledá v historických datech vzory, aby mohla posoudit pravděpodobnost budoucích událostí. Doufáme, že jako investiční nástroj dokáže prediktivní AI zpracovat obrovské množství finančních dat a přijít s informovanými předpověďmi, například kam se bude ubírat cena dluhopisů. Kdo a jak používá umělou inteligenci? Vezměme si jeden příklad: Kvantový analytik ze staré školy, Jason Hsu ze společnosti Rayliant Global Advisors, přešel od výběru akcií na základě šesti kritérií k používání algoritmu AI, který sleduje přibližně 200 signálů. Doufá, že AI dokáže vzít pravidlo typu „nakupuj akcie s nejnižším poměrem ceny k účetní hodnotě“ a zjistit, v jakých konkrétních sektorech a tržních podmínkách toto pravidlo funguje nejlépe. Většina správců peněz využívajících AI se snaží kombinovat nové techniky se zavedenou teorií. Jak by mohla zlepšit výsledky? Tradiční kvantitativní modely jsou založeny na lineárních vztazích, například na pozorování, že hodnotové akcie v čase rostou. Odborníci na kvantové modely tvrdí, že tento přístup může přinést výsledky, které se snadno interpretují, ale nedokážou zachytit složitost trhů. Zjišťují, že nejnovější prediktivní modely s umělou inteligencí se lépe přizpůsobují velkému počtu vstupů a odhalují složité vzorce, včetně toho, jak se různé proměnné vzájemně ovlivňují. Rozsáhlé jazykové modely pohánějící generativní programy AI mohou také zlepšit něco, co je známé jako zpracování přirozeného jazyka, které již finanční profesionálové používají k analýze výkazů zisků, přepisů hovorů a dalších dokumentů, aby odhalili obchodní signály nebo potenciální investiční rizika. Zatímco starší iterace se spoléhaly na rozpoznávání konkrétních slov, nejnovější technologie lépe analyzují kontext, takže jsou přesnější. Některé akademické studie ukázaly, že ChatGPT lze použít k dešifrování tržních důsledků „Fedspeaku“ - ostražitého žargonu, v němž centrální bankéři často hovoří o úrokových sazbách - a podnikových zpráv způsobem, který se blíží tomu, čeho může dosáhnout lidský odborník. Funguje to? Zatím existuje jen málo důkazů o tom, že by umělá inteligence poskytovala hmatatelnou výhodu. Index Eurekahedge 12 fondů využívajících AI zaostal za svým širším indexem hedgeových fondů za posledních pět let přibližně o 14 procentních bodů. Podle společnosti Plexus Investments, správce aktiv, který sleduje výnosy butikových fondů s umělou inteligencí, pouze 45 % z nich překonává benchmarky, s nimiž se poměřují. Na druhou stranu akademická práce z roku 2021 naznačuje, že podílové fondy poháněné touto technologií překonávají své lidmi řízené protějšky, i když ne trh. Jaké jsou překážky? Stroje se často nechají zmást šumem na trzích a finanční sektor – překvapivě – někdy postrádá rozsáhlé datové soubory, které jsou běžné v jiných odvětvích. Tradiční kvantitativní strategie mohou sledovat ceny akcií na měsíční nebo čtvrtletní bázi, aby eliminovaly šum, který se objevuje v denních či minutových datech. To však znamená, že budou mít méně než 2 000 datových bodů i pro akcie společností, které existují již sto let.) Když programy umělé inteligence objeví potenciálně ziskové vzorce, mohou je narušit náhlé změny trendů. Další překážkou je nedostatečná vysvětlitelnost umělé inteligence, protože může být obtížné zjistit, jak program dospěl k určitému závěru. Ukazuje se, že lidští investoři obecně rádi vědí, co se pokazilo, když přišli o peníze.