هوش مصنوعی قواعد رقابت در بازار سرمایه را تغییر می‌دهد

فرض کنید مدیر یک پرتفوی بتواند به‌صورت لحظه‌ای وضعیت بنیادی شرکت‌ها، انحراف بامجید عبدالحمیدی: زده پرتفوی، تغییر همبستگی صنایع، ریسک نقدشوندگی، Concentration Risk و سناریوهای مختلف کلان اقتصادی را در یک سیستم یکپارچه مشاهده کند.
در چنین شرایطی، تصمیم‌گیری از حالتی که بخش زیادی از آن مبتنی بر بررسی دستی گزارش‌هاست به سمت Asset Management داده‌محور حرکت می‌کند.
مرحله بعدی نیز شخصی‌سازی خدمات مالی است. یعنی ترکیب دارایی و سطح ریسک پیشنهادی برای همه سرمایه‌گذاران یکسان نباشد و بر اساس افق سرمایه‌گذاری، تحمل ریسک، جریان نقدی و اهداف هر فرد طراحی شود.

آیا سرمایه‌گذاران حقیقی هم از این تحول منتفع می‌شوند؟

بله، اما این موضوع یک وجه مثبت و یک ریسک مهم دارد.
از یک طرف، ابزارهایی که قبلاً تنها در اختیار تیم‌های حرفه‌ای تحلیل و مدیریت دارایی قرار داشتند، به‌تدریج در دسترس سرمایه‌گذاران بیشتری قرار می‌گیرند. سرمایه‌گذار می‌تواند صورت مالی را سریع‌تر تحلیل کند، صنایع را مقایسه کند یا ریسک پرتفوی خود را بهتر بشناسد.
اما خطر زمانی شکل می‌گیرد که سرمایه‌گذار تصور کند هر خروجی تولیدشده توسط یک مدل هوش مصنوعی الزاماً صحیح است.
هوش مصنوعی می‌تواند یک دستیار سرمایه‌گذاری بسیار قدرتمند باشد، اما نباید با مرجع بدون خطای تصمیم‌گیری اشتباه گرفته شود.
در حوزه سرمایه‌گذاری، کیفیت داده ورودی، مفروضات مدل و حتی نحوه طرح سؤال می‌تواند نتیجه را به‌طور اساسی تغییر دهد.

آیا AI می‌تواند رفتار هیجانی سرمایه‌گذاران را کاهش دهد؟

در سطح فردی می‌تواند کمک‌کننده باشد. سیستم‌های تصمیم‌یار می‌توانند سرمایه‌گذار را مجبور کنند قبل از معامله، نسبت ریسک به بازده، ارزش‌گذاری و سناریوهای جایگزین را بررسی کند و این موضوع می‌تواند بخشی از تصمیمات هیجانی را کاهش دهد.
اما در سطح کل بازار مسئله پیچیده‌تر است.
اگر تعداد زیادی از الگوریتم‌ها از داده‌های مشابه، مدل‌های مشابه و قواعد تصمیم‌گیری نزدیک به یکدیگر استفاده کنند، در شرایط خاص ممکن است به نتایج مشابه برسند. در این حالت به جای کاهش رفتار جمعی، نوع جدیدی از رفتار گله‌ای الگوریتمی می‌تواند شکل بگیرد.
بنابراین توسعه معاملات الگوریتمی و هوش مصنوعی بدون توسعه هم‌زمان نظام مدیریت ریسک و نظارت بازار، رویکرد مناسبی نخواهد بود.

نقش نهاد ناظر در این تحول چیست؟

نهاد ناظر نیز باید به همان اندازه که بازار هوشمند می‌شود، از ابزارهای هوشمند استفاده کند.
در بازاری با حجم بالای سفارش و تراکنش، تشخیص برخی الگوهای غیرعادی صرفاً با روش‌های سنتی دشوار است. الگوریتم‌های یادگیری ماشین می‌توانند در شناسایی رفتارهای غیرمتعارف، ارتباط میان حساب‌ها، الگوهای مشکوک معاملاتی و پایش داده‌های بازار ابزار مکمل مؤثری باشند.
از طرف دیگر، استفاده گسترده از AI موضوعاتی مانند شفافیت مدل، مسئولیت تصمیم، امنیت داده، تضاد منافع و قابلیت توضیح‌پذیری الگوریتم‌ها را نیز جدی‌تر می‌کند.
بنابراین مقررات آینده صرفاً درباره این نخواهد بود که «آیا از هوش مصنوعی استفاده کنیم یا خیر»؛ بلکه سؤال اصلی این است که چگونه از آن استفاده کنیم که نوآوری حفظ شود و در عین حال حقوق سرمایه‌گذار و سلامت بازار نیز آسیب نبیند.

مهم‌ترین مانع توسعه هوش مصنوعی در بازار سرمایه ایران چیست؟

از نگاه من مهم‌ترین چالش حتی قبل از الگوریتم، داده است.
هیچ مدل پیشرفته‌ای نمی‌تواند ضعف ساختاری داده را به‌طور کامل جبران کند. برای حرکت جدی به سمت هوش مصنوعی مالی، داده‌ها باید استاندارد، قابل پردازش ماشینی، دارای تاریخچه مناسب و تا حد امکان از طریق زیرساخت‌های مشخص در دسترس باشند.
اگر Data Infrastructure مناسبی ایجاد شود، بخش خصوصی می‌تواند روی آن ده‌ها محصول تحلیلی، مدیریت ریسک، ارزش‌گذاری، مدیریت دارایی و خدمات سرمایه‌گذاری ایجاد کند.
بنابراین شاید مهم‌ترین سرمایه‌گذاری بازار سرمایه در عصر AI، قبل از خرید مدل‌های پیچیده، ساخت زیرساخت داده استاندارد و قابل اتکا باشد.

آینده رقابت در صنعت مالی را چگونه می‌بینید؟

تصور می‌کنم طی چند سال آینده شاهد شکل‌گیری ترکیبی از تخصص مالی، علوم داده و هوش مصنوعی در نهادهای مالی خواهیم بود.
کارگزاری آینده فقط محل ارسال سفارش نیست، سبدگردان آینده صرفاً مدیر چند پرتفوی نیست و واحد تحلیل نیز صرفاً تولیدکننده گزارش‌های دوره‌ای نخواهد بود. نهاد مالی به‌تدریج باید به یک مجموعه Data-Driven تبدیل شود که بتواند اطلاعات را جمع‌آوری، تحلیل و به تصمیم تبدیل کند.
در چنین فضایی، شرکت‌هایی جلوتر خواهند بود که زودتر سه دارایی را در کنار یکدیگر توسعه دهند: داده باکیفیت، نیروی انسانی متخصص و مدل‌های تحلیلی قابل اعتماد.