در چند سال اخیر، وقتی از «تحول دیجیتال» صحبت میکنیم، یکی از اولین موضوعاتی که به ذهن میرسد، هوش مصنوعی است. این فناوری حالا دیگر موضوع فیلمهای علمیتخیلی نیست؛ بلکه به قلب بازارهای مالی هم راه پیدا کرده و تصمیمگیریهای اقتصادی را متحول میکند. اگر تا دیروز تحلیل بازار فقط با تجربه تحلیلگران انسانی انجام میشد، امروز الگوریتمهایی هستند که در چند ثانیه حجم عظیمی از دادهها را بررسی میکنند و روندهای پنهان بازار را نشان میدهند. طبق گزارش صندوق بینالمللی پول و مدیریت تحقیق و توسعه بورس تهران، رابطه مستقیمی بین نقدشوندگی بازار و میزان پذیرش فناوریهای هوش مصنوعی وجود دارد؛ یعنی هر چه بازار فعالتر و دادههایش بیشتر باشد، زمینه برای استفاده از هوش مصنوعی هم قویتر میشود. در حال حاضر، بزرگترین فرصتهای خلق ارزش در بازار سرمایه از تحلیل سریع دادههای کلان و تصمیمگیری هوشمند ناشی میشود. الگوریتمهای یادگیری ماشین میتوانند میلیاردها داده مالی، اخبار، پستهای شبکههای اجتماعی و شاخصهای اقتصادی را در زمانی کوتاه پردازش کرده و الگوهای پنهان را شناسایی کنند. همین قابلیت، بستر شکلگیری معاملات الگوریتمی خودکار را فراهم کرده است؛ معاملاتی که حالا بخش بزرگی از حجم دادوستد در بازارهای جهانی را به خود اختصاص دادهاند. یکی از کاربردهای شاخص هوش مصنوعی در بازارهای مالی، مشاوران مالی خودکار Robo-Advisers هستند. این ابزارها با در نظر گرفتن اهداف مالی، سطح ریسکپذیری و بازه زمانی سرمایهگذاری هر فرد، ترکیبی بهینه از داراییها پیشنهاد میکنند. نوآوری دیگر، صندوقهای قابل معامله مبتنی بر هوش مصنوعی (AI ETFs است که با الگوریتمهای پیشرفته، سبد سرمایهگذاری خود را بهصورت پویا تنظیم میکنند. در بعد نظارتی، هوش مصنوعی در فناوریهای مقرراتی RegTech و فناوریهای نظارتی SupTech تحولی بزرگ ایجاد کرده است. حالا نهادهای ناظر میتوانند با تحلیل کلاندادهها، تخلفات احتمالی، دستکاری بازار یا پولشویی را در مراحل اولیه تشخیص دهند. کارگزاران نیز از این فناوری برای خودکارسازی گزارشدهی مالی و اطمینان از انطباق با استانداردهای جهانی استفاده میکنند. در سطح عملیات داخلی شرکتها، خودکارسازی فرآیندها مانند تسویه معاملات، احراز هویت مشتریان (KYC) و کسبوکارها (KYB) باعث افزایش شفافیت و کاهش ریسکهای عملیاتی شده است. شرکتهایی مثل سیتی گروپ از این فناوری برای بهینهسازی عملکرد پشتیبانی خود استفاده میکنند.
در حوزه مدیریت ریسک هوشمند، الگوریتمها با شبیهسازی سناریوهای مختلف، اثر نوسانات نرخ ارز، بهره یا قیمت کالاها را بر سبد سرمایهگذاری تحلیل میکنند. بانکهایی نظیر جیپی مورگان از این رویکرد برای ارزیابی دقیقتر ریسکها استفاده میکنند. در رتبهبندی اعتباری نیز مدلهای مبتنی بر هوش مصنوعی با تحلیل رفتار مالی و دادههای غیرسنتی مانند الگوهای خرید آنلاین و تعاملات شبکههای اجتماعی، دقت پیشبینی نکول را بالا بردهاند. مؤسساتی مانند FICO و Experian با تکیه بر این مدلها، ارزیابی ریسک را هوشمندتر و واقعگرایانهتر کردهاند. به طور کلی، آینده بازار سرمایه در مسیر پرشتابی به سوی خودکارسازی، تحلیل پیشگویانه و تصمیمگیری دادهمحور پیش میرود. هرچند چالشهایی مانند شفافیت الگوریتمها و ریسکهای اخلاقی همچنان پابرجاست، اما روند جهانی نشان میدهد که هوش مصنوعی نه تنها ابزار تحلیل، بلکه به ستون فقرات بازارهای مالی آینده تبدیل خواهد شد.
-
حامد پوسانه - عضو هیأت مدیره کارگزاری صبا تأمین
-
شماره ۶۱۴ هفته نامه اطلاعات بورس






نظر شما