هوش مصنوعي چگونه آينده بازار سرمايه را تغيير مي‌دهد؟

ورود هوش مصنوعي به بازارهاي مالي جهان، ديگر صرفاً به استفاده از ابزارهاي جديد براي تحليل قيمت سهام محدود نمي‌شود. اين فناوري در حال ورود به بخش‌هاي مختلف زنجيره بازار سرمايه از پردازش اطلاعات و تحليل صورت‌هاي مالي گرفته تا مديريت پرتفوي، معاملات الگوريتمي، مديريت ريسك و نظارت بر بازار است. در همين حال، كارشناسان معتقدند استفاده گسترده از AI مي‌تواند ساختار نيروي انساني نهادهاي مالي را نيز تغيير دهد؛ به‌گونه‌اي كه در آينده تحليلگران مسلط به هوش مصنوعي جايگزين بخشي از تحليلگران سنتي شوند.شهاب خدابخشيان، معاون سرمايه‌گذاري مشاور سرمايه‌گذاري فاينتك، در گفت‌وگو با خبرنگار مدار اقتصادي، درباره ميزان اثرگذاري موج هوش مصنوعي بر بازار سرمايه اظهار كرد: تأثير هوش مصنوعي بر بازار سرمايه احتمالاً عميق‌تر از آن است كه صرفاً آن را يك ابزار جديد براي تحليل بدانيم. به گفته او، AI مي‌تواند در كل زنجيره فعاليت بازار سرمايه وارد شود و بخش‌هاي مختلف اين بازار را تحت‌تأثير قرار دهد.او توضيح داد: جمع‌آوري و پردازش اطلاعات، تحليل صورت‌هاي مالي و اخبار، پيش‌بيني و مدل‌سازي، مديريت پرتفوي و معاملات الگوريتمي، كشف تقلب و نظارت بر بازار از‌جمله حوزه‌هايي هستند كه مي‌توانند از توسعه هوش مصنوعي تأثير بپذيرند.

  مزيت اصلي AI پيش‌بيني قيمت نيست

خدابخشيان با تأكيد بر اينكه مزيت اصلي هوش مصنوعي الزاماً پيش‌بيني دقيق قيمت سهام نيست، گفت: نقطه قوت اصلي اين فناوري، توانايي پردازش حجم بسيار بزرگي از داده‌هاي ساختاريافته و غيرساختاريافته و كشف الگوهايي است كه شناسايي آنها براي انسان دشوار يا زمان‌بر خواهد بود.از اين منظر، نقش تحليلگر بازار سرمايه نيز مي‌تواند در سال‌هاي آينده دستخوش تغيير شود. به گفته اين كارشناس بازار سرمايه، مزيت رقابتي تحليلگر در آينده صرفاً در طبقه‌بندي داده‌ها نخواهد بود، بلكه توانايي تعريف مساله، انتخاب داده مناسب، ارزيابي خروجي مدل و درنهايت تبديل آن به يك تصميم سرمايه‌گذاري اهميت بيشتري پيدا خواهد كرد.او با بيان اينكه قواعد و ابزارهاي تحليل در حال تغيير هستند، افزود: براي نمونه، يك تحليلگر ممكن است در شرايط فعلي ساعت‌ها گزارش‌هاي كدال، گزارش‌هاي ماهانه، صورت‌هاي مالي، اخبار صنعت و اطلاعيه‌هاي شركت‌ها را به‌صورت دستي بررسي كند، اما با استفاده از AI مي‌توان بخش قابل‌توجهي از اين فرآيند را براي استخراج و دسته‌بندي اطلاعات انجام داد.با اين حال، خدابخشيان تأكيد كرد كه استفاده از هوش مصنوعي به معناي حذف تحليلگر نيست. به گفته او، در سرمايه‌گذاري بايد ميان خروجي مدل و تصميم سرمايه‌گذاري تفاوت قائل شد.

  تصميم سرمايه‌گذاري همچنان به قضاوت حرفه‌اي نياز دارد

معاون سرمايه‌گذاري مشاور سرمايه‌گذاري فاينتك در تشريح اين موضوع گفت: ممكن است يك مدل هوش مصنوعي نشان دهد احتمال وقوع يك سناريو افزايش يافته است، اما اينكه اين سناريو باتوجه به ريسك، اخبار، افق سرمايه‌گذاري، نقدشوندگي، محدوديت‌هاي پرتفوي و شرايط اقتصاد كلان ارزش پذيرش دارد يا خير، همچنان به قضاوت حرفه‌اي نيازمند است.

بنابراين، آنچه در آينده اهميت بيشتري خواهد داشت، تعامل ميان توان پردازشي ماشين و توان تصميم‌گيري انسان است. در چنين شرايطي، تحليلگر به جاي صرف زمان براي جست‌وجو و دسته‌بندي حجم عظيمي از اطلاعات، مي‌تواند بخش بيشتري از ظرفيت خود را به تفسير داده‌ها، بررسي سناريوها و اتخاذ تصميم اختصاص دهد.

خدابخشيان البته پيش‌بيني كرد كه هوش مصنوعي در آينده نزديك، هم از نظر كمي و هم كيفي، تغييراتي در وضعيت تحليلگران ايجاد خواهد كرد. او گفت: در آينده نه چندان دور، در نهادهاي مالي دنيا، تحليلگران ضعيف تا حدي جايگزين مي‌شوند، از تعداد تحليلگران برخي مجموعه‌ها كاسته خواهد شد و در بسياري از حوزه‌ها، تحليلگران حرفه‌اي مسلط به AI جايگزين افرادي خواهند شد كه از اين ابزار استفاده نمي‌كنند.

  فرصت‌هاي AI براي سرمايه‌گذاران

اما ورود هوش مصنوعي به بازار سرمايه تنها به تغيير جايگاه تحليلگران محدود نمي‌شود. اين فناوري مي‌تواند براي سرمايه‌گذاران نيز فرصت‌هاي قابل‌توجهي ايجاد كند.

خدابخشيان، پردازش سريع حجم عظيم اطلاعات، كاهش زمان و هزينه تحليل، تحليل همزمان داده‌هاي مالي، خبري و اقتصادي و استخراج اطلاعات از متن گزارش‌ها و صورت‌هاي مالي را ازجمله مهم‌ترين مزيت‌هاي استفاده از AI دانست.

به گفته او، شناسايي الگوها و روابط غيرخطي، بهبود مديريت ريسك و سناريوسازي، توسعه معاملات الگوريتمي و سيستم‌هاي تصميم‌يار و همچنين افزايش دسترسي سرمايه‌گذاران خرد به ابزارهاي تحليلي حرفه‌اي، از ديگر مزيت‌هاي اين فناوري محسوب مي‌شود. در واقع، هوش مصنوعي مي‌تواند فاصله ميان سرمايه‌گذاران حرفه‌اي و خرد را در دسترسي به برخي ابزارهاي پردازش و تحليل اطلاعات كاهش دهد. با اين حال، استفاده از اين فناوري بدون شناخت محدوديت‌هاي آن مي‌تواند ريسك‌هاي جديدي را نيز ايجاد كند.

  توهم مدل و همگرايي تصميمات

 دو ريسك مهم

معاون سرمايه‌گذاري مشاور سرمايه‌گذاري فاينتك در تشريح ريسك‌هاي استفاده از هوش مصنوعي اظهار كرد: در كنار فرصت‌هاي اين فناوري، ريسك‌هاي مهمي نيز وجود دارد كه از جمله مهم‌ترين آنها مي‌توان به توهم يا خطاي مدل، سوگيري داده، بيش‌پردازش، اتكاي بيش از حد سرمايه‌گذار به خروجي مدل و ريسك مدل اشاره كرد.به گفته او، يك ريسك ديگر نيز مي‌تواند شكل‌گيري نوعي همگرايي در تصميمات سرمايه‌گذاري باشد. به اين معنا كه اگر تعداد زيادي از فعالان بازار از مدل‌ها و داده‌هاي مشابه استفاده كنند، رفتار آنها نيز ممكن است به يكديگر شبيه شود.

خدابخشيان هشدار داد كه چنين شرايطي به‌ويژه در زمان وقوع بحران مي‌تواند به تشديد نوسانات بازار منجر شود. ازسوي ديگر، در معاملات الگوريتمي، سرعت و مقياس تصميم‌گيري AI مي‌تواند ريسك‌هاي جديدي براي ثبات و سلامت بازار ايجاد كند.بر اين اساس، استفاده از هوش مصنوعي بدون چارچوب نظارتي و مديريت ريسك مناسب، نه‌تنها الزاماً به كاهش ريسك منجر نمي‌شود، بلكه مي‌تواند خود به منبعي براي ايجاد ريسك سيستماتيك تبديل شود.

  تجربه بورس‌هاي بزرگ جهان چيست؟

اين كارشناس بازار سرمايه درباره نحوه استفاده بورس‌هاي بزرگ دنيا از هوش مصنوعي نيز گفت: بازارهاي پيشرفته، AI را در چند لايه وارد زيرساخت‌هاي مالي خود كرده‌اند.به گفته خدابخشيان، نخستين لايه به معاملات بازار مربوط مي‌شود. استفاده گسترده از الگوريتم‌ها و معاملات پربسامد، بهينه‌سازي اجراي سفارش‌ها و مديريت نقدشوندگي در اين بخش قرار مي‌گيرد.لايه دوم، نظارت بر بازار است. در اين حوزه از يادگيري ماشين براي شناسايي الگوهاي غيرعادي معاملات، دستكاري بازار، معاملات مشكوك و ساير رفتارهاي غيرطبيعي استفاده مي‌شود.مديريت ريسك نيز يكي ديگر از حوزه‌هاي مهم كاربرد AI در بازارهاي مالي است. مدل‌هاي پيشرفته مي‌توانند امكان سنجش بهتر ريسك و تحليل سناريوهاي مختلف را فراهم كنند.خدابخشيان در ادامه، خدمات حوزه سرمايه‌گذاري را از ديگر لايه‌هاي استفاده از هوش مصنوعي دانست و گفت: AI در تحليل، مشاوره سرمايه‌گذاري و مديريت دارايي نيز وارد شده است.

  داده باكيفيت، پيش‌شرط توسعه AI در بورس ايران

با اين حال، يكي از مهم‌ترين الزامات توسعه هوش مصنوعي، برخورداري از زيرساخت داده مناسب است. خدابخشيان تأكيد كرد: يكي از مهم‌ترين اقدامات بورس‌هاي بزرگ دنيا، سرمايه‌گذاري روي زيرساخت داده باكيفيت، استاندارد و قابل دسترس بوده است.

او تصريح كرد: هوش مصنوعي بدون دسترسي به داده باكيفيت، بيشتر از اينكه يك مزيت باشد، مي‌تواند به ابزاري بسيار سريع براي توليد خطا تبديل شود.

بر همين اساس، اين كارشناس بازار سرمايه معتقد است بازار سرمايه ايران نيز براي توسعه كاربردهاي هوش مصنوعي بايد به سمت ايجاد زيرساخت داده يكپارچه حركت كند.به گفته او، صورت‌هاي مالي، داده‌هاي اقتصادي، اطلاعيه‌ها، اطلاعات مجامع و ساير داده‌هاي مرتبط بايد تا حد امكان ساختاريافته، استاندارد، قابل جست‌وجو و ماشين‌خوان باشند.

  ضرورت تدوين حكمراني هوش مصنوعي در بازار سرمايه

خدابخشيان، تدوين چارچوب حكمراني هوش مصنوعي را يكي ديگر از نيازهاي بازار سرمايه ايران دانست و گفت: بايد مسووليت خطاي AI، نحوه اعتبارسنجي مدل، نوع داده‌هاي مورد استفاده، روش جلوگيري از دستكاري داده‌ها و همچنين شرايطي كه استفاده از يك مدل بايد متوقف شود، مشخص شود.

در كنار زيرساخت و مقررات، نيروي انساني نيز نقش تعيين‌كننده‌اي دارد. او تأكيد كرد: بازار سرمايه به نسلي از متخصصان نياز دارد كه علاوه بر درك مباحث مالي و سرمايه‌گذاري، با داده، برنامه‌نويسي، آمار و هوش مصنوعي نيز آشنا باشند.

  پيشنهاد ايجاد «زيرساخت هوشمند بازار سرمايه ايران»

خدابخشيان پيشنهاد كرد سازمان بورس پروژه‌اي تحت عنوان «زيرساخت هوشمند بازار سرمايه ايران» تعريف كند. به گفته او، اين پروژه مي‌تواند در سه لايه طراحي شود.لايه نخست، ديتا است كه هدف آن استانداردسازي و يكپارچه‌سازي داده‌هاي بازار خواهد بود. لايه دوم، AI است كه مي‌تواند براي توسعه مدل‌هاي تحليل، كشف ناهنجاري، مديريت ريسك، تحليل گزارش‌هاي مالي و ايجاد ابزارهاي تصميم‌يار مورد استفاده قرار گيرد.لايه سوم نيز Application يا كاربردهاي عملياتي است كه خدمات مبتني بر هوش مصنوعي را دراختيار كارگزاري‌ها، شركت‌هاي تأمين سرمايه، سبدگردان‌ها، مشاوران سرمايه‌گذاري، صندوق‌ها و سرمايه‌گذاران قرار مي‌دهد.

درنهايت، معاون سرمايه‌گذاري مشاور سرمايه‌گذاري فاينتك با تأكيد بر اينكه هدف نبايد جايگزيني انسان با ماشين باشد، گفت: هدف از به‌كارگيري هوش مصنوعي بايد افزايش كيفيت تصميم‌گيري انسان با كمك ماشين باشد؛ رويكردي كه براي بازاري مانند ايران اهميت دوچندان دارد.