چرا بازار سرمایه نیازمند هوش مصنوعی است؟

از سال ۱۹۵۶ که جان مک‌کارتی، مهندس کامپیوتر آمریکایی در «کنفرانس دارتموث» برای اولین بار از اصطلاح هوش مصنوعی یا همان AI استفاده کرد، حدود ۷۰ سال می‌گذرد. اولین کاربردهای تجاری هوش مصنوعی در صنعت مالی در دهه ۱۹۸۰ و با کاربرد سیستم‌های خبره در بانکداری و بیمه برای ارزیابی اعتباری و تصمیم‌گیری پرداخت وام‌ها صورت پذیرفت. پس از آن در دهه ۱۹۹۰ با ورود یادگیری ماشین، شبکه‌های عصبی مصنوعی (ANNs) برای پیش‌بینی قیمت سهام یا نرخ بهره آزموده شدند. در دهه ۲۰۰۰، رشد سریع معاملات الگوریتمی اتفاق افتاد و بانک‌ها و شرکت‌های مالی شروع به استخدام متخصصان داده و مهندسین نرم‌افزار کردند. به تدریج یادگیری عمیق (Deep Learning) به بازار مالی راه یافت و فین‌تک‌هایی که از AI برای خدماتی نوین مانند ربات مشاور استفاده می‌کردند، ظهور کردند. در این دهه اخیر رشد مدل‌های هوش مصنوعی مولد مانند GPT در تحلیل متون مالی، گزارش‌نویسی خودکار و پردازش زبان طبیعی در اخبار و گزارش‌های مالی بصورت گسترده مورد توجه قرار گرفته اند.

چرا بازار سرمایه نیازمند هوش مصنوعی است؟

برخی از مواردی که نیاز به استفاده از هوش مصنوعی در بازار سرمایه را تبیین می‌کنند عبارتند از:

حجم عظیم داده‌ها (‌Big Data)، در بازارهای سرمایه در لحظه میلیون‌ها معامله صورت می‌گیرد، گزارش‌های مالی شرکت‌ها، اخبار اقتصادی و سیاسی، مطالب مطرح شده درشبکه‌های اجتماعی و احساسات درباره بازار، حجم بالایی از داده‌ها را تولید می‌کنند. هوش مصنوعی با ابزارهایی مانند یادگیری ماشین و پردازش زبان طبیعی قادر است این داده‌ها را سریع تحلیل و الگوهای پنهان را استخراج کند.

پیچیدگی بازار: تحلیل‌های سنتی (تحلیل تکنیکال و بنیادی) در بسیاری موارد نمی‌توانند با پیچیدگی و سرعت در بازار سرمایه سازگار شوند. هوش مصنوعی قادر است روندها و الگوهایی را شناسایی کند که برای تحلیل‌گر انسانی نامرئی است. برای مثال در زمان شیوع کرونا در مارس ۲۰۲۰، بازارهای جهانی سقوط شدیدی را تجربه کردند. مدل‌های هوش مصنوعی برخی صندوق‌های سرمایه‌گذاری، پیش از سقوط بازار کاهش پوزیشن‌ها را آغاز کرده بودند؛ در حالی که اکثر تحلیل‌گران انسانی هنوز شوک را درک نکرده بودند.

نیاز به تصمیم‌گیری سریع و دقیق به دلیل نوسان‌ پذیری بالا در این بازار. در بسیاری مواقع معاملات باید در کسری از ثانیه انجام شود. این سطح از سرعت و دقت فقط با استفاده از AI ممکن است.

کاربردهای اصلی هوش مصنوعی در بازار سرمایه

پیش‌بینی قیمت دارایی‌ها با استفاده از داده‌های تاریخی و یادگیری الگوها. مهمترین و اصلی‌ترین کاربرد هوش مصنوعی در بازار سرمایه، پیش بینی قیمت سهام و سایر اوراق بهادارر قابل معامله در این بازار می‌باشد.

شناسایی ناهنجاری‌ها در سفارش‌ها، معاملات مشکوک یا دستکاری قیمت با استفاده از الگوریتم‌های تشخیص ناهنجاری، برای نمونه در بورس نیویورک، از AI برای کشف سفارش‌گذاری‌های غیرطبیعی استفاده می‌شود.

تحلیل احساسات بازار (Sentiment Analysis) با استفاده ازNLP. پردازش زبان طبیعی برای تحلیل اخبار، توییت‌ها و گزارش‌ها یکی دیگر از کاربردهای فعلی هوش مصنوعی در بازارهای سرمایه می‌باشد.

ساخت الگوریتم‌های معاملات خودکار. (Algo Trading) الگوریتم‌های AI در زمان واقعی داده را دریافت کرده، سیگنال تولید کرده و معامله انجام می‌دهند. نمونه موفق معاملات الگوریتمی در شرکت رنسانس تکنالجیز، که در سال ۱۹۸۲ توسط جیم سیمونز، یک استاد دانشگاه در رشته ریاضیات و با کمک تیمی از ریاضیدانان و مهندسین نرم‌افزار تأسیس شده، قابل طرح است. این شرکت توانسته است در طول چند دهه سودآوری بی‌نظیری داشته باشد. معروف‌ترین صندوق سرمایه‌گذاری این شرکت، به‌طور مداوم سودهایی بسیار بالاتر از میانگین بازار ثبت کرده است.

نمونه‌های جهانی استفاده از هوش مصنوعی در بازار سرمایه

در این بخش به چند نمونه از کاربرد موفق AI در بازار سرمایه پرداخته‌ام. در ابتدا به بزرگترین شرکت مدیریت دارایی در جهان اشاره می‌کنم:

بلک راک و علاءالدین: این شرکت با بیش از ۹ تریلیون دلار دارایی تحت مدیریت، به طراحی و توسعه پلتفرم علاءالدین پرداخته‌است. Aladdin (Asset, Liability, Debt and Derivative Investment Network) هسته فناوری بلک‌راک است. این پلتفرم به‌عنوان یک سیستم یکپارچه برای تحلیل ریسک، مدیریت دارایی و معاملات مالی از الگوریتم‌ها و مدل‌های پیشرفته یادگیری ماشین استفاده می‌کند. بیش از ۱۰۰ نهاد مالی بزرگ (از جمله صندوق‌های بازنشستگی، بانک‌ها، بیمه‌ها) در کشورهای مختلف مشترک علاالدین هستند

پلتفرم رابین‌هود: Robinhood یکی از شناخته‌شده‌ترین اپلیکیشن‌های معاملات سهام و رمزارز در آمریکا است. این پلتفرم با هدف دموکراتیزه کردن سرمایه‌گذاری برای عموم مردم طراحی و پیاده‌سازی شد. کاربران رابین‌هود با هماهنگی از طریق شبکه‌های اجتماعی، جنبش‌هایی برای مقابله با نهادهای بزرگ مالی شکل دادند. این جنبش‌ها، بحث‌های زیادی درباره قدرت جمعی خرده‌سرمایه‌گذاران ایجاد کردند. امکاناتی که رابین هود برای سرمایه‌گذاران خرد فراهم می‌آورد عبارتند از: تحلیل رفتار کاربران و شخصی‌سازی محتوا و پیشنهادات سرمایه‌گذاری، تشخیص تقلب و ریسک‌های امنیتی با استفاده از یادگیری ماشین(الگوهای مشکوک در رفتار کاربر یا حملات سایبری را شناسایی می‌کند)، پشتیبانی هوشمند (چت‌بات و دستیار مالی) و تحلیل بازار و پیش‌بینی روندها.

استاک توییتز: یک شبکه اجتماعی مالی است که به طور خاص برای معامله‌گران، سرمایه‌گذاران و تحلیل‌گران بازار طراحی شده است. این پلتفرم شبیه به توییتر است، اما تمرکز آن صرفاً بر بازارهای مالی است. این شبکه اجتماعی از هوش مصنوعی برای بهبود تجربه کاربران و تحلیل داده‌های مالی در مقیاس گسترده استفاده می‌کند. تحلیل احساسات بازار Sentiment Analysis، تشخیص روندها و هشدارهای خودکار، پیشنهاد محتوا به‌صورت هوشمند و ایجاد واچ لیست پیشنهادی برای کاربران از امکانات دیگر این شبکه اجتماعی است. پلتفرم کُین: COIN مخفف Contract Intelligenceیکی از نوآوری‌های برجسته بانک سرمایه‌گذاری جی پی مورگان در حوزه هوش مصنوعی است که با هدف خودکارسازی بررسی قراردادهای حقوقی طراحی شده است. این پلتفرم منجر به کاهش زمان بررسی قراردادها در این بانک سرمایه‌گذاری از ۳۶۰،۰۰۰ ساعت به چند ثانیه شده‌است. همچنین کاهش خطاهای انسانی با خودکارسازی فرایند تحلیل اسناد، صرفه‌جویی در هزینه‌ها با کاهش نیاز به نیروی انسانی برای وظایف تکراری و افزایش بهره‌وری با آزادسازی منابع انسانی برای تمرکز بر وظایف استراتژیک‌تر، منجر بهبود عملکرد بخش حقوقی در جی پی مورگان شده‌است.

استفاده از هوش مصنوعی در بازار سرمایه ایران

در ایران با صرفنظر کردن از تعداد انگشت‌شماری سامانه ارایه دهنده معاملات الگوریتمی به عموم بازیگران بازار سرمایه، شرکت‌های سبدگردان و کارگزاری در حال توسعه یا بهره‌گیری از سیستم‌های مبتنی بر AI برای توصیه‌گرها، تحلیل‌گرهای هوشمند یا ربات‌های معامله‌گر خود و عمدتاً برای مصارف داخل سازمانی هستند و در حوزه تجاری‌سازی بسیار ضعیف عمل کرده‌اند. در واقع اغلب بمنظور ایجاد مزیت رقابتی برای سازمان توسعه دهنده و بصورت اختصاصی مورداستفاده قرار گرفته‌اند. البته که انجام معاملات الگوریتمی و همچنین، ارائه نرم‌افزارهای مرتبط با آن، مستلزم اخذ مجوز از سازمان بورس و اوراق بهادار است و این خود یکی از دلایل کاهش سرعت استفاده از پلتفرم‌های معاملات الگوریتمی فعلی است. در نهایت با نگاه به مسیری که استفاد از هوش مصنوعی در دنیا پیموده‌است،‌ می‌توان به صراحت عنوان کرد که حدود ۲۰ سال از کشورهای پیشرو در حوزه استفاده از هوش مصنوعی در بازار سرمایه عقب هستیم.

از جمله ظرفیت‌هایی که استفاده از هوش مصنوعی در بازار سرمایه ایران را تسهیل خواهد نمود، علاوه بر وجود داده‌های غنی و مستمر موجود در سامانه‌هایی مانند TSETMC، کدال، فیپیران و در نتیجه فراهم بودن بسترمناسبی برای تغذیه الگوریتم‌های AI ، تعدد فعالان مالی و وجود صدها سبدگردان، کارگزاری، صندوق سرمایه‌گذاری، شرکت تأمین سرمایه و دیگر نهادهای مالی در این بازار می‌باشد.

در کنار فرصت‌ها و طرفیت‌های مذکور، چالش‌هایی از جمله چالش‌های انسانی و آموزشی، فقدان نیروی متخصص بین‌رشته‌ای مالی و AI و نبود فرهنگ داده‌محور در نهادهای مالی نیز وجود دارند. بسیاری از مدیران و فعالان بازار هنوز به تحلیل‌های سنتی (احساسی یا شایعه‌محور) بیشتر اعتماد دارند تا به خروجی مدل‌های AI. از دیگر چالش‌های موجود، موضوعات حقوقی و نظارتی و نبود قوانین شفاف درباره الگوتریدینگ می‌باشد.

در کنار موارد داخلی، از جمله ریسک‌هایی که استفاده از معاملات الگوریتمی در بازارهای سرمایه جهانی ایجاد نموده‌است و هنوز درباره آن بحث‌های زیادی مطرح می‌شود، ریسک‌های بازار و سیستمی می‌باشند. این ریسک در واقع رفتارهای همگرا و ایجاد بحران‌های ناگهانی در صورتی که چندین مدل AI از منطق مشابهی استفاده کنند، می‌باشد. در این زمینه این بحث مطرح می‌شود که ممکن است در زمان‌های خاص همه یک تصمیم بگیرند و باعث حرکات توده‌وار و سقوط یا جهش شدید بازار شوند.

در انتها پیشنهاداتی برای هرچه پر رنگ‌تر نمودن نقش هوش مصنوعی در بازار سرمایه ایران، در سه حوزه کلی تدوین و اجرای مقررات جامع(تنظیم‌گری معاملات الگوریتمی و سامانه‌های مبتنی برAI توسط سازمان بورس و اوراق بهادار و تعریف مسئولیت قانونی برای توسعه‌دهندگان و استفاده‌کنندگان از سیستم‌های مذکور) ، توسعه زیرساخت‌های مربوط به نگهداری و پردازش داده‌ها(ارائه APIهای رسمی و استاندارد توسط نهادهای دارنده اطلاعات مربوط به بازار سرمایه) و آموزش و ارتقاء سواد دیجیتال بازار سرمایه(آموزش سرمایه‌گذاران خرد درباره ظرفیت‌ها و محدودیت‌های AI و برگزاری دوره‌های میان‌رشته‌ای در دانشگاه‌ها)، مفید و کاربردی بنظر می‌رسند.

ساره محبعلی قائم مقام مدیرعامل سبدگردان کوروش