德勤預計，到 2025 年，自動化系統管理的資產規模將在 5 萬億至 7 萬億美元之間。 考慮到人工智能在金融領域的引入速度，這是一個非常現實的預測。
技術日益滲透到生活的各個領域：我們每天都知道計算機可以在無需人工干預的情況下駕駛汽車、進行醫療診斷，甚至製作名牌服裝。 投資者也沒有袖手旁觀：幫助做出投資決策和管理資產的新工具不斷出現，此外，自動做出投資決策的量子基金也越來越受歡迎。
證券交易所的人工智能
現代技術被引入投資領域的程度比乍一看要積極得多。 這個市場上的許多參與者都在談論他們打算在公司中擴大人工智能 (AI) 的使用。
根據 Greenwich Associates 和湯森路透的《突破性變革：投資研究的未來》，超過一半的資產管理公司正在尋求將人工智能整合到他們的投資流程中，並獲得該領域的經驗。
該報告基於對 30 名投資總監和資產管理者的調查。 研究證實，未來幾年人工智能在這一領域的滲透率將會提高：17%的投資公司已經在積極使用這項技術，10%的公司計劃在未來12個月內實施，總體而言，56 %的受訪者預計人工智能在投資過程中的作用將會增強。
與此同時，通過人工智能做出投資決策的對沖基金數量也在不斷增長。 此類基金通常被稱為量子基金，其中投資決策是根據數學模型自動做出的。
根據對沖基金研究（HFR）的數據，去年年底量化基金管理的資產接近1萬億美元，截至940月底為2010億美元，與86年相比增長了XNUMX%。 最大的量化基金包括 Renaissance、Two Sigma Investments、DE Shaw Group、PDT Partners 和 TGS。
AI也對傳統巨頭感興趣。 去年，瑞士信貸銀行設立了一支1億美元的量化基金Qube Research and Technologies，該銀行還管理著另一支量化基金QT Fund。
美國最大的銀行之一摩根大通在這一領域也非常活躍。 50月，該銀行成立了人工智能技術實施部門。 摩根大通正在開發一款能夠實現股票交易自動化的交易機器人。 到目前為止，機器人還只是一個輔助工具，買賣股票的最終決定權是由人做出的，不過，到今年年底，機器人可能會全面負責銀行XNUMX%的股票交易。亞太地區。
10月初，有消息稱羅斯柴爾德家族成員投資了一個名為Exo Investing的人工智能財富管理平台。 該平台的創建者表示，它為廣大投資者提供了先進的基於人工智能的技術工具——投資組合從 000 英鎊起。
與許多其他領域一樣，人工智能在金融市場的傳播可能會減少就業機會。 諮詢公司 Opimas 預測，到 2025 年，大約 90 萬名財富管理從業人員（全球 000 萬名此類專業人士）將面臨風險，其中包括基金經理、分析師和支持人員。
陷阱
在人工智能的幫助下做出投資決策會帶來巨大的風險，包括由於這種投資選擇尚未經過時間和嚴重危機的充分考驗。
增加自動化投資決策風險的一個限制是人工智能不如人類靈活，只能根據其擁有的數據量做出決策。
“機器不具備預測危機的基礎知識，因為每個危機都是獨一無二的。 人類擅長談論危機之類的事情，有時也能預測危機，但我們經常會出錯。”紐約大學教授、首批量化基金之一 SCT 資本管理公司創始人瓦贊特·達爾 (Vazant Dhar) 表示。 達爾致力於計算機數據分析的多部著作，其中他在其中提出了人們是否準備好將錢託付給計算機的問題。
許多專家一致認為，機器尚無法在考慮各種其他因素的情況下做出預測——從政治變化和地緣政治局勢到技術創新和自然災害。
“讓計算機在 Spotify 上選擇音樂是一回事，但選擇影響萬億美元市場的股票則是另一回事。 在Spotify，如果我們不喜歡我們選擇的歌曲，我們可以繼續播放下一首歌曲，而人工智能投資的風險會高得不成比例。”金融科技平台Elsen 首席執行官Zachary Schaeffer 在一篇文章中寫道。
在他看來，目前還很難判斷是否會出現投資決策完全自動化、無需人工干預的時刻。 謝弗認為，更可能的情況仍然是人類在未來繼續干預，儘管程度比現在要小。
另一個可能的風險與以下事實有關：在眾多量子基金中，投資決策將基於相同的數據、公式和算法做出，在不利的情況下，如果所有基金開始以相同的價格出售股票，這在不利的情況下可能會導致市場崩潰。同一時間。
當然，這一切並不意味著投資領域的人工智能只是對時尚的致敬。 英國投資公司英仕曼集團首席執行官盧克·埃利斯表示，如果技術繼續像現在一樣快速發展，25年後，99%的投資管理案例都會涉及到機器學習系統。 “它將成為我們生活中無處不在的現象。 我不認為機器學習是我們所做的一切的答案。 我只是認為這讓我們在很多事情上做得更好，”埃利斯說。
為投資者服務
最近，針對投資者的單獨服務似乎可以幫助散戶應用人工智能。 事實上，這些服務大部分都是基於對大數據集進行自動分析的能力，並根據這種分析向投資者提出建議。
此類系統通常使用機器學習（“訓練”軟件在沒有明確指令的情況下執行某些任務）和神經網絡（按照活體神經細胞網絡原理起作用的系統，即類似於人腦），因此隨著收到新數據，這些系統不斷得到改進。 大多數這些系統不僅分析交換信息，還分析非常廣泛和多樣的數據陣列，包括各種文章、公司新聞稿和其他新聞資源。
早在 2013 年，Kensho 初創公司就成立了，其創始人致力於金融和投資領域機器學習和人工智能的開發，包括 Kensho 全球事件數據庫和知識圖譜平台。 Kensho 開發的系統基於機器學習，其中人工智能根據大量各種數據學習尋找世界上的政治和其他事件與股票價格之間的相關性。 這家初創公司成功的證明是，550月份它被全球最大的評級機構標準普爾全球公司以XNUMX億美元收購，這是涉及人工智能公司的最大交易之一。
另一個平台 Kavout 使用大數據，系統根據大數據得出有關投資數千家公司股票的前景的結論。 上面已經提到了Exo投資平台，它也為相當廣泛的投資者提供了利用人工智能做出投資決策的機會。 另一家公司 Qplum 為其客戶提供機器人投資顧問的服務，該顧問也使用機器學習技術。 EquBot服務也是基於人工智能的，旨在識別被低估的資產，優化投資組合中某些資產的份額，並確定投資不同股票和其他資產的最佳時機。
因此，投資領域確實變得越來越自動化，我們談論的是大公司開發的系統以及小公司和個人可用的相關服務。 幾年前，諮詢公司德勤預測，到2025年，在一定程度上由自動化系統管理的資產將達到5萬億至7萬億美元，考慮到此類系統的積極實施，現在看來並不太不現實。