Leváltják-e a robotok az embereket a részvény-befektetések aktív kiválasztása során? – teszi fel a kérdést a Financial Times. A gépi tanulás és matematikai módszerek segítségével a számítógépek megtalálhatják a megfelelő részvényeket.
Bár a gépi tanulás hatalmas jövő előtt áll azon a téren, hogy segítse a befektetőket a felülteljesítő részvények megtalálásában, az emberekre is szükség lesz. Feladatuk a megfelelő algoritmusok kidolgozása és a befektetési döntések tesztelése, gyakorlása. Csak más, az eddigiektől eltérő képességekkel rendelkező emberekre lesz ehhez szükség.
A gépi tanulás, a mesterséges intelligencia egyik ága lehetővé teszi a nagy teljesítményű számítógépek számára, hogy folyamatosan javítsák teljesítményüket a meghatározott célok érdekében. De anélkül, hogy az embereknek kellene diktálniuk a pontos módszertani lépéseket.
Magukat fejlesztik a gépek
A részletes utasítások végrehajtása helyett a számítógépek nagy mennyiségű adatot elemeznek algoritmusok segítségével. Az algoritmusaikat kísérletezés és a hibákból való tanulás útján maguk fejlesztik tovább. A számítógépek felderíthetnek olyan szabályszerűségeket, amelyeket az emberek nem is tudnának érzékelni.
Az aktív részvényportfólió-kezelők már régóta működtetnek kvantitatív befektetési alapokat. Ezek számos olyan tényezőt figyelembe vesznek, amelyek befolyásolhatják a jövőbeli részvényárakat, mint például a piaci kapitalizáció, a momentum (az ár lendülete, tendenciája), az érték és a növekedés viszonya.
Összefüggések millióit vizsgálják
E kvantitatív alapok működtetésekor a részvénykezelők kifinomult számítógépes modelleket alkalmaztak az egyes tényezők közötti kapcsolatok azonosítására ahhoz, hogy meghatározzák a felülteljesítő értékpapírokat.
De miben jobb a gépi tanulás, mint az eddigi kvantitatív elemzés? Képes a túlteljesítő részvényeket azonosítani olyan minták alapján, amelyeket az emberek nem vettek volna figyelembe. A lehetséges összefüggések millióit képesek áttekinteni, hogy azonosítsák a jó vagy rossz befektetési teljesítményre jellemző mintázatokat a vállalatoknál.
Már értik a nyelvünket
A természetes nyelvfeldolgozás javításával a gépi tanulás összehasonlíthatja a kritikus kifejezéseket. Az adatelemző tudósok így hatalmas számú nagy terjedelmű dokumentumban, például a SEC tőzsdefelügyeletnek szóló bejelentésekben vagy szabadalmi kérvényekben is fel tudják fedezni a fontos információkat.
Ezek az új algoritmusok képeket és hangokat is kvantitatív módszerekkel feldolgozható adatformátumokká alakíthatnak. A műholdas fényképeken ezek az algoritmusok lényeges tényeket találhatnak. Megszámolhatják a kezdődő házépítéseket Kínában, vagy az autók számát egy élelmiszerbolt-hálózat parkolóiban.
Az emberek hibái nélkül
A gépi tanulás a hatalmas adatbázisok szigorú és folyamatos értékelésével csökkentheti az emberi elfogultságot, amely oly sokszor aláássa a megalapozott befektetési döntéseket. Ezek a torzulások például a túlzott önbizalom, a hibák beismerésének kerülése és a trendek túlzottan makacs követése.
A gépi tanulásnak is vannak azonban korlátai, hibái. A torzulások felismerésére és megszüntetésére a vállalatoknak tehetséges adatfeldolgozó szakemberekre van szükségük.
A válság felértékelte az intuíciót
Mivel a mesterséges intelligencia a következtetéseit a létező adatokból vezeti le, nem tudja megjósolni az olyan jövőbeli mintákat, amelyek nem a múltban gyökereznek. Erre jó példa a 2008-as pénzügyi válság, ami jelentős szakadásokat okozott sok korábbi folyamatban. A befektetési szakembereknek részben intuíció és intelligens találgatások alapján kell megítélniük a jövőbeli trendeket.
A mesterséges intelligencia anélkül talál összefüggéseket, hogy megértené azok mögöttes okait. Tehetséges szakemberekre van szükség, akik eldöntik, hogy egy jelenség inkább csak zajt jelent, vagy befektetési jelzés. A szakértői csapatok néha napokat töltenek a gépi jelzések kiértékelésével.
Trump és a mesterséges intelligencia
A közösségi média szigorú számítógépes elemzése alapján az adatbányász tudósok előre jelezték, hogy Donald Trumpot 2016-ban megválasztják elnöknek. Ez a helyes előrejelzés azonban különböző befektetési forgatókönyvekhez is vezethetett volna. Attól függően, hogy hogyan reagál az amerikai részvénypiac erre a győzelme. (Végül optimista lett – a szerk.)
Bár a gépi tanulás hatékony eszközöket kínál a részvénykiválasztás javításához, továbbra is tehetséges szakemberekre lesz szükség az adatok tisztításához, feldolgozásához, nyereséges ügyletekké történő átalakításához.
A nagyoké a terep
Az aktív vagyonkezelőknek sokkal több tőkét kell fordítaniuk ennek megvalósítására, sokkal több szakembert kell felvenniük magas szintű tudással. Ez valószínűleg a sok erőforrással rendelkező, nagy csoportokat hozza előnybe és akadályokat gördít az új indulók számára.
170 ezer ember jelentkezett az Európai Unió versenyvizsgájára, az EPSO szervezésében, amellyel később az EU szerveinél dolgozhatnak. 
