Medtem ko vlagatelji umetno inteligenco (AI) vse pogosteje uporabljajo kot pomoč pri izbiri delnic, upravljanju tveganj in drugih naložbenih odločitvah, JPMorgan Chase preučuje še ambicioznejšo možnost, ali lahko model umetne inteligence sam sprejema odločitve o razporejanju kapitala.
Prvi rezultati so obetavni. Raziskovalci banke so razvili več investicijskih agentov, ki temeljijo na umetni inteligenci in se glede na spreminjajoče se razmere na trgih premikajo med delnicami in obveznicami. V zgodovinskih testiranjih, ki vključujejo podatke za zadnjih 20 let, je najuspešnejši sistem tradicionalni portfelj 60/40 (60 odstotkov delnic in 40 odstotkov obveznic) presegel za 0,7 odstotne točke na leto, ob tem pa je bil manj izpostavljen nihanjem. Strategi pod vodstvom Thomasa Salopeka navajajo, da je model presegel tudi interni model JPMorgana, ki na podlagi pravil prepoznava različna obdobja na trgih.
Rezultate je treba obravnavati previdno. Temeljijo namreč na simulacijah preteklih podatkov in ne na dejanskem trgovanju, zato pri JPMorganu opozarjajo, da ne dokazujejo, da lahko umetna inteligenca dolgoročno in dosledno premaguje trg. Kljub temu raziskava kaže, kam bi se lahko razvijal svet avtomatiziranega vlaganja, saj uporaba umetne inteligence v finančnem sektorju še naprej hitro raste.
"Agenta umetne inteligence je mogoče oblikovati tako, da sprejema odločitve v razmerah negotovosti in dosega boljše rezultate od ustrezne primerjalne strategije (benchmarka)," so strategi zapisali v četrtkovem sporočilu. Dodali so, da gre za prvi poskus podjetja, razviti sistem umetne inteligence, ki bi znal prepoznavati različne tržne režime.
Ta eksperiment ponuja prvi vpogled v naslednjo fazo uporabe umetne inteligence na Wall Streetu. Banke so v zadnjih dveh letih velike jezikovne modele uvajale predvsem za podporo pri raziskavah, programiranju in razvoju internih naložbenih orodij. Zdaj vse pogosteje preverjajo, ali lahko ti sistemi naredijo še korak dlje, od zgolj pomoči zaposlenim do samostojnega sprejemanja ene najpomembnejših odločitev v finančni industriji: kako razporediti kapital na trgih.
Ugotovitve prihajajo v času, ko vse več akademskih raziskav odpira vprašanja o tem, kaj bi se lahko zgodilo, če bi vlagatelji pri sprejemanju naložbenih odločitev množično uporabljali podobne modele umetne inteligence. Tehnologija lahko vlagatelje naredi hitrejše in bolje informirane, vendar raziskovalci opozarjajo tudi na tveganja. Med njimi so kopičenje podobnih naložbenih pozicij (t. i. crowded trades), večja izpostavljenost tržnim manipulacijam ter močnejši pretresi v obdobjih nestabilnosti, če bi preveč podjetij prišlo do enakih zaključkov.
Na ta tveganja opozarjajo tudi strategi JPMorgana.
"Odločno pozivamo k previdnosti in nasprotujemo nekritičnemu sprejemanju pretirano samozavestnih odgovorov umetne inteligence, ki temeljijo zgolj na zgodovinskih podatkih," so zapisali. "Agentna umetna inteligenca mora temeljiti na premišljenem procesu razporejanja sredstev, ne pa na naivni predpostavki, da lahko sam agent predstavlja vir strokovnega znanja na tem področju."
Kljub temu ugotovitve dodajajo nove dokaze, da lahko umetna inteligenca prevzame vse bolj zapletene naloge na področju investiranja. Raziskovalna ekipa JPMorgana je z uporabo agentov, ki jih poganjajo modeli podjetij OpenAI in Anthropic, razvila sistem za razvrščanje tržnih razmer v štiri kategorije glede na gospodarsko rast in inflacijo: "Zlatolaska" (Goldilocks, okolje z zmerno rastjo in nizko inflacijo), reflacija, stagflacija ter obdobje umika vlagateljev od tveganja (risk-off).
Agenti umetne inteligence so nato sprejemali odločitve o razporeditvi kapitala med različne razrede naložb glede na posamezno tržno okolje. Tako so na primer v obdobjih močnejše gospodarske rasti povečali delež delnic, ob slabšanju gospodarskih pričakovanj pa so več sredstev usmerili v naložbe s fiksnim donosom, predvsem obveznice.
Vseh osem preizkušenih agentov umetne inteligence je pri donosih, prilagojenih tveganju, preseglo tradicionalni portfelj 60/40. Prav tako so bili uspešnejši od obstoječega JPMorganovega modela tržnih režimov, ki temelji na pravilih, kar nakazuje, da je tehnologija uspela nadgraditi pristop, ki ga banka že uporablja pri odločanju o razporejanju sredstev.
"Navdušeni smo nad možnostmi, ki jih prinaša agentska umetna inteligenca, vendar ostajamo previdni pri popolnem prenosu odločanja o razporejanju sredstev na same agente," so sklenili Salopek in njegovi sodelavci.
.webp){kind=icon}
