Η JPMorgan Chase έχει δημιουργήσει ένα σύνολο πρακτόρων τεχνητής νοημοσύνης που μετατοπίζουν δυναμικά τις κατανομές μεταξύ μετοχών και ομολόγων ανταποκρινόμενοι στις μεταβαλλόμενες συνθήκες της αγοράς και τα πρώτα αποτελέσματα στρέφουν τα κεφάλια στη Wall Street. Σύμφωνα με το Bloomberg, το οποίο ανέφερε την έρευνα την Παρασκευή, 10 Ιουλίου, και οι οκτώ από τους πράκτορες που εξέτασε η τράπεζα ξεπέρασαν τις επιδόσεις του παραδοσιακού χαρτοφυλακίου 60/40 σε βάση προσαρμοσμένη στον κίνδυνο.
Το έργο είναι το πιο πρόσφατο σημάδι ότι η τεχνητή νοημοσύνη μετακινείται από ένα εργαλείο παραγωγικότητας για τους εργαζόμενους στο μηχανοστάσιο της λήψης επενδυτικών αποφάσεων. Για μια εταιρεία του μεγέθους της JPMorgan - ήδη ένας από τους πιο επιθετικούς δημιουργούς τεχνητής νοημοσύνης στα χρηματοοικονομικά - προσφέρει μια συγκεκριμένη ματιά στο πώς οι αυτόνομοι πράκτορες θα μπορούσαν μια μέρα να βοηθήσουν στη διαχείριση τρισεκατομμυρίων κεφαλαίων πελατών.
Πώς λειτούργησαν οι πράκτορες AI
Αντί να ακολουθούν ένα σταθερό μείγμα περιουσιακών στοιχείων, οι πράκτορες σχεδιάστηκαν για να διαβάζουν τις μεταβαλλόμενες συνθήκες της αγοράς και να ανακατανέμουν κεφάλαια μεταξύ μετοχών και σταθερού εισοδήματος on the fly. Στην παραδοσιακή διαχείριση χαρτοφυλακίου, ο κανόνας 60/40 — 60% μετοχές, 40% ομόλογα — αποτελεί στρατηγική ακρογωνιαίο λίθο εδώ και δεκαετίες, επειδή εξισορροπεί την ανάπτυξη με τη σταθερότητα. Οι πράκτορες της JPMorgan τέθηκαν απευθείας σε αυτό το σημείο αναφοράς.
Πάνω από δύο δεκαετίες ιστορικών προσομοιώσεων, ο πράκτορας με τις καλύτερες επιδόσεις παρείχε ετήσια απόδοση περίπου 0,7 ποσοστιαίες μονάδες υψηλότερη από το κλασικό χαρτοφυλάκιο 60/40, σύμφωνα με πολλές αναφορές της έρευνας. Κυρίως, αυτή η υπεραπόδοση ήρθε με χαμηλότερη μεταβλητότητα, πράγμα που σημαίνει ότι οι πράκτορες πέτυχαν καλύτερες αποδόσεις ανά μονάδα κινδύνου – οι μετρικοί επαγγελματίες επενδυτές ενδιαφέρονται περισσότερο για τους επαγγελματίες επενδυτές.
Οι πράκτορες ξεπέρασαν επίσης το υπάρχον μοντέλο αγοράς βασισμένο σε κανόνες της JPMorgan, το πλαίσιο που χρησιμοποιεί ήδη η τράπεζα για να καθοδηγήσει τις αποφάσεις κατανομής περιουσιακών στοιχείων. Αυτή η λεπτομέρεια μπορεί να έχει μεγαλύτερη σημασία: υποδηλώνει ότι η τεχνητή νοημοσύνη δεν ταίριαζε απλώς με ένα καθιερωμένο βιβλίο, αλλά βελτιωνόταν σε ένα εξελιγμένο μοντέλο που τα ανθρώπινα quants είχαν ήδη τελειοποιήσει.
Η μεγάλη προειδοποίηση: Τα backtests δεν είναι πραγματικά χρήματα
Όσο εντυπωσιακοί κι αν ακούγονται οι αριθμοί, η ίδια η JPMorgan προτρέπει να είμαστε προσεκτικοί. Τα αποτελέσματα προέρχονται από ιστορικά backtesting - αναπαράγοντας δεδομένα προηγούμενων δύο δεκαετιών της αγοράς μέσω των πρακτόρων - όχι από ζωντανές επενδύσεις με πραγματικό κεφάλαιο. Τα backtests είναι διαβόητα στα οικονομικά επειδή φαίνονται λαμπρά στα χαρτιά ενώ παραπαίουν στον πραγματικό κόσμο, όπου το κόστος συναλλαγής, οι ξαφνικοί κλυδωνισμοί και το απλό γεγονός ότι το μέλλον δεν επαναλαμβάνει ποτέ το παρελθόν μπορεί να διαβρώσει ακόμη και την πιο κομψή στρατηγική.
Η JPMorgan έχει προειδοποιήσει να μην αντιμετωπίζονται οι προσομοιώσεις ως απόδειξη ότι η τεχνητή νοημοσύνη μπορεί να ξεπεράσει σταθερά τις αγορές, σημείωσε το Bloomberg. Οι προηγούμενες επιδόσεις, όπως λέει η παλιά δήλωση αποποίησης ευθυνών για επενδύσεις, δεν αποτελούν εγγύηση για μελλοντικά αποτελέσματα — και αυτή η αποποίηση ευθύνης ισχύει με ιδιαίτερη ισχύ σε μια μη δοκιμασμένη προσέγγιση που βασίζεται στην τεχνητή νοημοσύνη.
Ωστόσο, η συνέπεια του αποτελέσματος σε οκτώ διαφορετικούς παράγοντες είναι αξιοσημείωτη. Όταν ένας μεμονωμένος αλγόριθμος δημοσιεύει ισχυρούς αριθμούς backtest, οι σκεπτικιστές μπορούν εύλογα να κατηγορήσουν την τύχη ή την υπερβολική προσαρμογή. Όταν μια ολόκληρη οικογένεια πρακτόρων, κατασκευασμένη με διαφορετικές διαμορφώσεις, ξεπερνά τόσο ένα κλασικό σημείο αναφοράς όσο και το μοντέλο παραγωγής μιας τράπεζας, αυτό δείχνει κάτι πιο συστηματικό σχετικά με την υποκείμενη προσέγγιση.
Τι σημαίνει για τα οικονομικά
Το πείραμα προσγειώνεται σε μια στιγμή που η Wall Street αγωνίζεται να ενσωματώσει την τεχνητή νοημοσύνη βαθύτερα στις βασικές της λειτουργίες. Οι τράπεζες και οι διαχειριστές περιουσιακών στοιχείων έχουν αφιερώσει τα τελευταία δύο χρόνια στην ανάπτυξη της τεχνητής νοημοσύνης για την εξυπηρέτηση πελατών, τις περιλήψεις ερευνών και τη δημιουργία κώδικα - εργασίες όπου ένα λάθος είναι ενοχλητικό αλλά όχι καταστροφικό. Η κατανομή χαρτοφυλακίου είναι μια εντελώς διαφορετική κατηγορία: εδώ, η κρίση ενός πράκτορα επηρεάζει άμεσα το πόσα χρήματα βγάζουν ή χάνουν οι πελάτες.
Η έρευνα της JPMorgan υποδηλώνει ότι ο κλάδος οδεύει προς αυτό το όριο με υψηλότερα πονταρίσματα. Εάν οι πράκτορες μπορούν να διαβάσουν τα καθεστώτα αγοράς και να προσαρμόσουν τον κίνδυνο σε πραγματικό χρόνο, θα μπορούσαν τελικά να συμπληρώσουν - ή σε ορισμένες περιπτώσεις να αντικαταστήσουν - στοιχεία των επιτροπών υπό την ηγεσία του ανθρώπου που επί του παρόντος ορίζουν τη στρατηγική κατανομής σε μεγάλα κεφάλαια. Η τεχνολογία συνδυάζεται επίσης με μια ευρύτερη ώθηση προς την «πρακτική τεχνητή νοημοσύνη», συστήματα που μπορούν να κάνουν ενέργειες πολλαπλών βημάτων προς έναν στόχο αντί να απαντούν απλώς σε ερωτήσεις.
Ο δρόμος μπροστά
Αρκετά εμπόδια παραμένουν προτού οι πράκτορες τεχνητής νοημοσύνης διαχειριστούν πραγματικά χαρτοφυλάκια σε κλίμακα. Οι ρυθμιστικές αρχές εξακολουθούν να παλεύουν με τον τρόπο επίβλεψης της αυτόνομης λήψης χρηματοοικονομικών αποφάσεων και ο κίνδυνος ενός πράκτορα με κακή συμπεριφορά που ενισχύει την ύφεση της αγοράς είναι μια πραγματική ανησυχία. Η διαφάνεια είναι ένα άλλο ζήτημα: πολλά από τα πιο ισχυρά μοντέλα λειτουργούν ως «μαύρα κουτιά» και οι διαχειριστές κεφαλαίων πρέπει να μπορούν να εξηγούν στους πελάτες και τις ρυθμιστικές αρχές γιατί προσαρμόστηκε ένα χαρτοφυλάκιο.
Υπάρχει επίσης το ερώτημα τι συμβαίνει όταν όλοι έχουν τα ίδια εργαλεία. Μια στρατηγική που ξεπερνά την αγορά σε ένα backtest μπορεί να σταματήσει να λειτουργεί μόλις αρκετοί ανταγωνιστές αναπτύξουν παρόμοια τεχνητή νοημοσύνη, μετατρέποντας ένα προηγούμενο πλεονέκτημα στη νέα γραμμή βάσης.
Προς το παρόν, οι πράκτορες της JPMorgan παραμένουν ερευνητικό αποτέλεσμα και όχι προϊόν. Αλλά το μήνυμα από τη μεγαλύτερη τράπεζα στις Ηνωμένες Πολιτείες είναι ξεκάθαρο: η εποχή της τεχνητής νοημοσύνης ως βοηθός αναλυτή της Wall Street δίνει τη θέση της σε κάτι πολύ πιο φιλόδοξο και τα επόμενα χρόνια θα καθορίσουν εάν οι μηχανές μπορούν να επενδύσουν πραγματικά στους ανθρώπους που τις κατασκεύασαν.
Για περισσότερα σχετικά με το πώς η τεχνητή νοημοσύνη αναδιαμορφώνει τα οικονομικά και τη βιομηχανία, επισκεφτείτε την [αρχική σελίδα AI Buzz Wire] (https://aibuzzwire.news).
Διαβάστε περισσότερα νέα AI →---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
