.png)
Профессионалы давно используют компьютерные модели для торговли на бирже, но теперь обратиться к машине за помощью в выборе акций могут и рядовые сторонние инвесторы. Регуляторы впервые разрешили искусственному интеллекту предлагать им рекомендации, какие акции стоит покупать или продавать. Но его действия зависят от того, какие установки ему дают разработчики, поэтому, как и в случае с живыми людьми, он может оказаться и провидцем, и рядовым аналитиком.
Михаил Оверченко
Израильское Управление по ценным бумагам (ISA) в сентябре разрешило финтехкомпании Bridgewise использовать чат-бот на основе генеративного искусственного интеллекта (ИИ), который будет давать рекомендации по покупке и продаже акций. ИИ тренировался на исторических данных и новостях, поступающих в режиме реального времени, а ISA с самого начала было вовлечено в процесс разработки продукта, заявил гендиректор Bridgewise Габи Дайамант.
К продукту, предлагаемому в партнерстве с Israel Discount Bank, одним из крупнейших банков страны, предъявляются определенные требования. Инвестиционные рекомендации не должны носить характер «персональных советов» и «относиться к конкретному пользователю», а комиссионные должны быть фиксированными и не зависеть от результатов инвестиций, пишет Bloomberg.
Тестируя бета-версию продукта, репортер агентства попросил назвать пять акций, которые лучше всего купить в этот день. Чат-бот быстро ответил и назвал причины, по которым это стоит сделать. В отличие от него популярный ChatGPT предоставил информацию общего характера о компаниях и описал риски, связанные с инвестированием. На вопрос, покупать или продавать акции Alphabet, материнской компании Google, ChatGPT ответил, что не дает такие рекомендации.
Компьютерные модели в финансах и инвестировании используются уже не одно десятилетие, работающие с ними хедж-фонды (их еще называют «квантами») реализуют количественные (quantitative), или алгоритмические, стратегии. Применение ИИ для выбора ценных бумаг является частью количественного подхода к инвестированию. Надежды на повышение доходности инвестиций в основном возлагаются на машинное обучение, когда компьютеры на огромных массивах данных учатся выполнять определенные задачи, поясняет Bloomberg. Машинное обучение включает в себя как генеративный ИИ, создающий контент для того же ChatGPT, так и предиктивный (прогнозный) ИИ, который, в частности, использует прошлые результаты для прогнозирования будущих.
«Генеративный ИИ ничего нового не говорит. Он, по большому счету, ищет в имеющемся объеме знаний или очевидные зависимости, или менее очевидные, но те, которые там уже есть, – пояснил GURU Константин Фоминых, выпускник РЭШ и основатель финтехкомпании TenViz, который более 20 лет работает на Уолл-стрит и разрабатывает ИИ-модели для торговли. – А предиктивный показывает, куда все движется и плывет. Он помогает инвесторам вовремя поймать неожиданные развороты рынка».
Генеративные модели ИИ, скорее всего, будут бесполезны в предсказании движения цен на рынке, но узкоспециальные инструменты, заточенные на конкретный класс задач, часто обладают более сильной предсказательной способностью, чем модели общего применения, отмечает приглашенный преподаватель РЭШ, основатель финтех-компании Vlinder Сергей Ивлиев: «Например, такие ИИ-системы (как описаны в статье. – GURU) могут обучаться и на потоковых данных, включая новости в реальном времени, что делает их более гибкими».
К тому же у профессионала и рядового инвестора разные запросы. «Профессионалы часто ищут уникальные, сложные паттерны или предсказания, которые могут сигнализировать о неожиданных разворотах рынка или возможностях, которые менее очевидны, – продолжает Ивлиев. – Это требует более продвинутых аналитических инструментов и предиктивных моделей, которые могут учитывать скрытые корреляции и рыночные аномалии». Рядовым же инвесторам, по его мнению, важнее стабильные и проверенные подходы, а не поиск сложных рыночных сигналов, они могут довольствоваться более простыми рекомендациями, основанными на текущих данных, например на исторически успешных стратегиях или аналитике по конкретным бумагам. Другое дело, что ценность таких рекомендаций может быть весьма ограниченной.
В каком-то смысле ИИ может выступать в роли провидца, идущего против рыночной толпы и видящего контриндикаторы, на которые другие не обращают внимания, вроде Нассима Талеба с его «Черным лебедем», профессора экономики Йельского университета (и нобелевского лауреата) Роберта Шиллера, чья книга «Иррациональная эйфория» о пузыре на фондовом рынке вышла в 2000 г., когда начал лопаться интернет-пузырь, или управляющего хедж-фондом Scion Capital Майкла Бьюрри, ставшего героем фильма «Игра на понижение» об ипотечном кризисе 2007–2008 гг. Если говорить концептуально, ИИ должен видеть и предсказывать что-то неочевидное, поясняет Фоминых: «По определению это не может быть понятно всем. Чтобы предсказать что-то неочевидное, нам нужно смириться с тем, что это будет неочевидно. И у людей с этим связан конфликт, так как они считают, что могут объяснить все». (О том, насколько иррационально может вести себя ИИ, – в выпуске «Экономики на слух».)
На самом деле люди могут объяснить очень мало и в 99% случаев просто экстраполируют прошлые события на будущее, продолжает Фоминых: «Удачная аналогия – с погодой. Раз в Нью-Йорке сегодня прекрасный солнечный день, то 100 лет назад в прогнозе бы сказали: наверное, и завтра погода будет хорошая. Но в современном мире спутники видят, что из Канады идут тучи, которые, возможно, принесут холодную, ветреную, мокрую, противную погоду. Человеку неочевидно, что завтра придут тучи из Канады, потому что он не там, и даже если он позвонит канадским друзьям, они не скажут, куда от них тучи полетят». А спутники это видят, проводит аналогию с ИИ Фоминых.
Многие работающие с ИИ фонды используют его в рамках традиционных метрик и теорий, для поиска закономерностей, основанных на экономических моделях, но для гораздо более быстрого анализа больших объемов информации, говорит Стефан Зохрен, директор квантового торгового подразделения лондонского Man, крупнейшего публичного хедж-фонда в мире. Но с помощью машинного обучения можно найти и множество других, не столь очевидных закономерностей, что является потенциальным «преимуществом, поскольку понятно, что их смогло обнаружить меньше людей», поясняет Зохрен.
У физика Михаила Харитонова, который ранее работал в Европейском центре ядерных исследований CERN в Женеве, а затем основал в Кремниевой долине хедж-фонд Voleon Group, использующий ИИ, несколько иной взгляд. ИИ позволяет найти новые возможности, для того чтобы не столько обыграть рынок, сколько получить небольшое преимущество перед другими его участниками, считает он: «В финансах можно быть очень успешным, если будешь лишь чуть-чуть лучше 50%».
Пока, судя по некоторым исследованиям, ИИ не всегда удается быть «чуть-чуть лучше 50%». Так, Eurekahedge, индекс 12 фондов, использующих ИИ, отстал за период с 2018 по 2023 г. на 14 процентных пунктов от своего ориентира – индекса традиционных хедж-фондов.
Источник: Bloomberg
Всего 45% ИИ-фондов обыгрывают свои индексы-ориентиры, говорит Андреас Фогель, старший аналитик Plexus Investments, которая отслеживает результаты таких фондов. Это примерно соответствует результатам людей-управляющих. То есть, заключает Фогель, ИИ вполне может с ними конкурировать и нет необходимости нанимать дорогого управляющего, если аналогичный результат может дать компьютер.
Фоминых согласен, что профессия финансового аналитика и управляющего инвестициями – одна из тех, которые стоят в очереди на автоматизацию. «Человеческие знания ограниченны. Сначала человек набирает опыт, делает ошибки, у многих низкая степень обучаемости и т. д. То есть концептуально ИИ должен это делать гораздо лучше, – говорит он. – Рано или поздно, я уверен, ИИ вытеснит профессиональных инвесторов, как, например, в шахматах компьютер «перебил» шахматистов».
При этом, оговаривается Фоминых, сейчас ИИ называют все, что только можно, поэтому результаты его применения в инвестициях могут сильно различаться.
С сильным расхождением теоретических и практических результатов работы ИИ столкнулись Дорон Аврамов, профессор финансов в израильском Междисциплинарном центре в Герцлии, и его коллеги. Они протестировали несколько ИИ-стратегий, которые описывались в других исследованиях как успешные. Подтвердилось, что «методы машинного обучения успешно выявляют неправильно оцененные акции <…> и, если не учитывать экономических ограничений, приносят прибыль в длинных позициях в последние годы и имеют низкий риск падения». Проанализированные стратегии обгоняли рынок на 40% в годовом исчислении, пояснял Аврамов The Wall Street Journal (WSJ). Но когда он с коллегами стал разбираться, выяснилось, что в реальности неучтенные «экономические ограничения» свели на нет практически все виртуальные успехи.
Значительная часть бумажной прибыли (от изменения цен активов, а не полученной при их продаже) приходилась на акции компаний с очень маленькой рыночной капитализацией. Учитывая их низкую ликвидность и мизерные цены (такие акции еще называют грошовыми), занять значимую позицию, не спровоцировав сильного изменения цен, в таких бумагах невозможно. Их также нельзя взять в долг у брокера, чтобы продать вкороткую, а именно по коротким позициям была получена существенная часть виртуальной прибыли.
После исключения неликвидных акций испарилось более половины бумажной прибыли. А ту, которая осталась, в значительной мере съели транзакционные издержки, так как ИИ предлагал проводить огромное количество сделок (месячные обороты составили от 87 до 163% от размера рассмотренных портфелей). Недаром слишком активная торговля считается одной из ключевых ошибок розничных инвесторов (подробнее – в статье GURU).
Кроме того, отмечал Аврамов, предложенные ИИ стратегии не представляли собой ничего особенного, т. е. не предложили способы заработка, которые не смогли бы найти обычные инвесторы.
ИИ может помочь обычным инвесторам тем, что уберет из их действий эмоциональную составляющую, говорит Фоминых: «Понять, что покупать, а что продавать, не так сложно. Сложно, например, не продать, если рынок начинает идти против тебя. Скажем, ты купил акции Nvidia, они поднялись на 10, 20, 30, 40%, а потом упали на 4%, и ты думаешь: все, игра закончилась. И вот в этот момент знать, купить больше, или оставить, или начать продавать, – это самое важное. ИИ делает то, что люди делают плохо».
Согласно недавнему исследованию, ИИ лучше финансовых аналитиков предсказывает изменение корпоративных прибылей, а ведь это один из главных факторов, на основании которых инвесторы принимают решения о покупке и продаже ценных бумаг. Основываясь исключительно на анализе бухгалтерской отчетности и отчетах о прибылях тысяч компаний за несколько десятилетий, большая языковая модель GPT-4 в 60,35% случаев правильно определила, вырастет или упадет прибыль компании в следующем году. При этом результаты были особенно успешны там, где живые аналитики, давшие верные ответы в 52,71% случаев, испытывали затруднения.
Правда, в этом исследовании ИИ не показал хороших результатов в тех случаях, в которых их хотел бы видеть Фоминых: точность анализа падала в периоды экономических шоков, таких как нефтяной кризис 1974 г., финансовый кризис 2008 г., пандемия ковида. Там полезными оказывались знания людей и понимание ими не только финансовых процессов, но и психологии участников рынка, действий менеджеров и пр. Тем не менее результаты исследования поднимают вопрос о том, «будут ли обоснованные решения на финансовых рынках и дальше приниматься прежде всего аналитиками», сказал WSJ соавтор исследования, профессор Чикагского университета Валерий Николаев. ИИ-модели могут не просто стать «вспомогательным инструментом», но и «занять более центральное место в процессе принятия решений, занять место водителя, а человек будет смотреть через их плечо», считает он.
