جی پی مورگان چیس مجموعه ای از عوامل هوش مصنوعی ساخته است که به صورت پویا تخصیص بین سهام و اوراق قرضه را در پاسخ به شرایط متغیر بازار جابجا می کند و نتایج اولیه در وال استریت چشمگیر است. بر اساس گزارش بلومبرگ، که این تحقیق را در روز جمعه، 10 جولای گزارش کرد، هر هشت عاملی که بانک مورد آزمایش قرار داد، بر اساس ریسک تعدیل شده، عملکرد بهتری از پرتفوی سنتی 60/40 داشتند.

این کار آخرین نشانه ای است که نشان می دهد هوش مصنوعی از ابزار بهره وری برای کارمندان به سمت موتورخانه تصمیم گیری سرمایه گذاری حرکت می کند. برای شرکتی به اندازه JPMorgan - که در حال حاضر یکی از تهاجمی‌ترین توسعه‌دهنده‌های هوش مصنوعی در امور مالی است - نگاهی ملموس به اینکه چگونه نمایندگان مستقل ممکن است روزی به مدیریت تریلیون‌ها سرمایه مشتری کمک کنند، ارائه می‌کند.

عوامل هوش مصنوعی چگونه کار می کردند

به جای دنبال کردن ترکیب ثابتی از دارایی‌ها، نمایندگان برای خواندن شرایط در حال تغییر بازار و تخصیص مجدد سرمایه بین سهام و درآمد ثابت در پرواز طراحی شدند. در مدیریت سبد سنتی، قانون 60/40 - 60٪ سهام، 40٪ اوراق قرضه - یک استراتژی سنگ بنای دهه ها بوده است زیرا رشد را در مقابل ثبات متعادل می کند. نمایندگان جی پی مورگان مستقیماً در برابر این معیار قرار گرفتند.

طبق گزارش‌های متعدد این تحقیق، بیش از دو دهه شبیه‌سازی‌های تاریخی، بهترین عامل بازدهی سالانه تقریباً 0.7 درصد بالاتر از نمونه کارها کلاسیک 60/40 ارائه کرد. مهمتر از همه، این عملکرد بهتر با نوسانات کمتری همراه بود، به این معنی که نمایندگان به ازای هر واحد ریسک، بازدهی بهتری کسب کردند - سرمایه‌گذاران حرفه‌ای متریک بیشتر به آن اهمیت می‌دهند.

این نمایندگان همچنین مدل رژیم بازار مبتنی بر قوانین موجود JPMorgan را شکست دادند، چارچوبی که بانک از قبل برای هدایت تصمیمات تخصیص دارایی استفاده می کند. این جزئیات ممکن است بیش از همه مهم باشد: نشان می دهد که هوش مصنوعی صرفاً با یک کتاب راهنما مطابقت ندارد، بلکه در حال بهبود مدل پیچیده ای است که کوانت های انسانی قبلاً آن را اصلاح کرده بودند.

هشدار بزرگ: بک تست ها پول واقعی نیستند

همانطور که اعداد و ارقام چشمگیر به نظر می رسند، خود جی پی مورگان به احتیاط می خواهد. نتایج حاصل از آزمون پس‌آزمون‌های تاریخی - پخش مجدد دو دهه داده‌های بازار گذشته از طریق نمایندگان - نه از سرمایه‌گذاری زنده با سرمایه واقعی است. بک تست ها در امور مالی بدنام هستند زیرا بر روی کاغذ درخشان به نظر می رسند در حالی که در دنیای واقعی دچار تزلزل می شوند، جایی که هزینه های تراکنش، شوک های ناگهانی و این واقعیت ساده که آینده هرگز گذشته را تکرار نمی کند می تواند حتی ظریف ترین استراتژی را نیز از بین ببرد.

بلومبرگ خاطرنشان کرد که JPMorgan نسبت به تلقی کردن شبیه‌سازی‌ها به‌عنوان دلیلی مبنی بر اینکه هوش مصنوعی می‌تواند به طور مداوم از بازارها بهتر باشد، هشدار داده است. عملکرد گذشته، همانطور که سلب مسئولیت سرمایه گذاری قدیمی می گوید، تضمینی برای نتایج آینده نیست - و این سلب مسئولیت با قدرت بیشتری برای رویکرد آزمایش نشده و مبتنی بر هوش مصنوعی اعمال می شود.

با این حال، ثبات نتیجه در بین هشت عامل مختلف قابل توجه است. وقتی یک الگوریتم منفرد اعداد پس‌آزمون قوی را ارسال می‌کند، افراد شکاک می‌توانند شانس یا بیش از حد مناسب را مقصر بدانند. وقتی یک خانواده کامل از نمایندگان، که با پیکربندی‌های مختلف ساخته شده‌اند، همگی از معیارهای کلاسیک و مدل تولید خود یک بانک عبور می‌کنند، به چیزی سیستماتیک‌تر در مورد رویکرد اساسی اشاره می‌کند.

چه معنایی برای امور مالی دارد

این آزمایش در لحظه ای انجام می شود که وال استریت در حال رقابت برای تعبیه هوش مصنوعی در عملیات اصلی خود است. بانک ها و مدیران دارایی دو سال گذشته را صرف به کارگیری هوش مصنوعی برای خدمات مشتریان، خلاصه های تحقیقاتی و تولید کد کرده اند – کارهایی که در آن اشتباه شرم آور است اما فاجعه بار نیست. تخصیص پورتفولیو کاملاً مقوله متفاوتی است: در اینجا، قضاوت یک نماینده مستقیماً بر میزان پولی که مشتریان به دست می آورند یا از دست می دهند تأثیر می گذارد.

تحقیقات JPMorgan نشان می‌دهد که صنعت به سمت آن مرز با ریسک بالاتر پیش می‌رود. اگر کارگزاران بتوانند رژیم‌های بازار را بخوانند و ریسک را در زمان واقعی تنظیم کنند، در نهایت می‌توانند عناصر کمیته‌های تحت رهبری انسان را که در حال حاضر استراتژی تخصیص را در وجوه بزرگ تنظیم می‌کنند، تکمیل کنند - یا در برخی موارد جایگزین کنند. این فناوری همچنین با فشار گسترده‌تری به سمت «هوش مصنوعی عاملی» همراه است، سیستم‌هایی که می‌توانند به جای پاسخ دادن به سؤالات، اقدامات چند مرحله‌ای را برای رسیدن به یک هدف انجام دهند.

راه پیش رو

چندین مانع باقی می ماند تا عوامل هوش مصنوعی، پورتفولیوهای واقعی را در مقیاس مدیریت کنند. تنظیم‌کننده‌ها هنوز با نحوه نظارت بر تصمیم‌گیری مالی مستقل دست و پنجه نرم می‌کنند و خطر یک عامل بد رفتار که رکود بازار را تقویت کند، یک نگرانی واقعی است. شفافیت موضوع دیگری است: بسیاری از قدرتمندترین مدل‌ها به‌عنوان «جعبه‌های سیاه» عمل می‌کنند و مدیران صندوق باید بتوانند به مشتریان و رگولاتورها توضیح دهند که چرا یک سبد سهام تعدیل شده است.

همچنین این سوال وجود دارد که وقتی همه ابزارهای یکسانی داشته باشند چه اتفاقی می افتد. یک استراتژی که بازار را در یک آزمون پس‌آزمون شکست می‌دهد، زمانی که رقبای کافی هوش مصنوعی مشابهی را به کار گیرند، می‌تواند کار خود را متوقف کند و یک مزیت قبلی را به خط پایه جدید تبدیل کند.

در حال حاضر، نمایندگان JPMorgan به جای یک محصول، یک نتیجه تحقیقاتی هستند. اما پیام بزرگترین بانک در ایالات متحده واضح است: عصر هوش مصنوعی به عنوان دستیار تحلیلگر وال استریت، جای خود را به چیز بسیار جاه طلبانه تری می دهد و چند سال آینده مشخص خواهد کرد که آیا ماشین ها می توانند واقعاً بر روی انسان هایی که آنها را ساخته اند سرمایه گذاری کنند.

برای اطلاعات بیشتر در مورد اینکه چگونه هوش مصنوعی در حال تغییر شکل مالی و صنعت است، به [صفحه اصلی AI Buzz Wire] (https://aibuzzwire.news) مراجعه کنید.

اطلاعات بیشتر اخبار هوش مصنوعی →

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →