जेपी मॉर्गन चेसने कृत्रिम बुद्धिमत्ता एजंट्सचा एक संच तयार केला आहे जो बदलत्या बाजार परिस्थितीला प्रतिसाद म्हणून स्टॉक आणि बाँड्समधील वाटप गतिशीलपणे बदलतो आणि सुरुवातीचे परिणाम वॉल स्ट्रीटवर डोके फिरवत आहेत. शुक्रवार, 10 जुलै रोजी संशोधनाचा अहवाल देणाऱ्या ब्लूमबर्गच्या मते, बँकेने चाचणी केलेल्या सर्व आठ एजंट्सनी जोखीम-समायोजित आधारावर पारंपारिक 60/40 पोर्टफोलिओपेक्षा जास्त कामगिरी केली.
एआय कर्मचाऱ्यांसाठी उत्पादनक्षमतेच्या साधनातून गुंतवणूक निर्णय घेण्याच्या इंजिन रूममध्ये जात असल्याचे हे कार्य नवीनतम चिन्ह आहे. JPMorgan च्या आकारमानाच्या फर्मसाठी - आधीच AI च्या फायनान्समधील सर्वात आक्रमक उपयोजकांपैकी एक - हे स्वायत्त एजंट एक दिवस क्लायंट कॅपिटलमध्ये ट्रिलियन्स व्यवस्थापित करण्यात कशी मदत करू शकतात यावर एक ठोस देखावा देते.
एआय एजंट कसे काम करतात
मालमत्तेच्या निश्चित मिश्रणाचा अवलंब करण्याऐवजी, एजंट्सना बाजारातील बदलत्या परिस्थितीचे वाचन करण्यासाठी आणि इक्विटी आणि निश्चित उत्पन्नामध्ये भांडवल पुन्हा वाटप करण्यासाठी डिझाइन केले गेले. पारंपारिक पोर्टफोलिओ व्यवस्थापनामध्ये, 60/40 नियम - 60% स्टॉक, 40% बाँड - हे अनेक दशकांपासून एक कोनशिला धोरण आहे कारण ते स्थिरतेच्या विरूद्ध वाढीला संतुलित करते. जेपी मॉर्गनचे एजंट थेट त्या बेंचमार्कच्या विरोधात उभे होते.
दोन दशकांहून अधिक काळातील ऐतिहासिक सिम्युलेशन, सर्वोत्कृष्ट कामगिरी करणाऱ्या एजंटने क्लासिक 60/40 पोर्टफोलिओपेक्षा अंदाजे 0.7 टक्के जास्त वार्षिक परतावा दिला, संशोधनाच्या अनेक अहवालांनुसार. निर्णायकपणे, त्या उत्कृष्ट कामगिरीमध्ये कमी अस्थिरता आली, याचा अर्थ एजंट्सनी प्रति युनिट जोखीम अधिक चांगले परतावा मिळवला — मेट्रिक व्यावसायिक गुंतवणूकदारांना सर्वात जास्त काळजी वाटते.
एजंटांनी जेपी मॉर्गनचे स्वतःचे विद्यमान नियम-आधारित बाजार शासन मॉडेल, ज्या फ्रेमवर्कचा वापर बँक आधीच मालमत्ता वाटप निर्णयांचे मार्गदर्शन करण्यासाठी करते. हा तपशील सर्वांत महत्त्वाचा असू शकतो: हे सूचित करते की एआय केवळ स्थापित प्लेबुकशी जुळत नाही तर अत्याधुनिक मॉडेलमध्ये सुधारणा करत आहे जे मानवी परिमाणांनी आधीच परिष्कृत केले आहे.
मोठा इशारा: बॅकटेस्ट हे खरे पैसे नसतात
संख्या जितकी प्रभावी वाटते तितकीच, JPMorgan स्वतः सावधगिरी बाळगण्याचे आवाहन करत आहे. परिणाम ऐतिहासिक बॅकटेस्टींगमधून आले आहेत — एजंट्सद्वारे मागील दोन दशकांचा बाजार डेटा पुन्हा प्ले करणे — वास्तविक भांडवलासह थेट गुंतवणूकीतून नाही. बॅकटेस्ट्स वास्तविक जगात चकचकीत असताना कागदावर चमकदार दिसण्यासाठी अर्थशास्त्रात कुप्रसिद्ध आहेत, जेथे व्यवहार खर्च, अचानक धक्का आणि भविष्यात कधीही भूतकाळाची पुनरावृत्ती होत नाही ही साधी वस्तुस्थिती सर्वात मोहक धोरण देखील नष्ट करू शकते.
जेपी मॉर्गनने सिम्युलेशनला पुरावा म्हणून हाताळण्याविरुद्ध चेतावणी दिली आहे की एआय सातत्याने बाजारपेठांपेक्षा जास्त कामगिरी करू शकते, ब्लूमबर्गने नमूद केले. जुन्या गुंतवणुकीचे अस्वीकरण जसे जाते तसे भूतकाळातील कामगिरी ही भविष्यातील परिणामांची हमी नसते — आणि ते अस्वीकरण चाचणी न केलेल्या, एआय-चालित दृष्टिकोनासाठी अतिरिक्त शक्तीसह लागू होते.
तरीही, आठ वेगवेगळ्या एजंट्समधील निकालाची सातत्य लक्षणीय आहे. जेव्हा एकल अल्गोरिदम मजबूत बॅकटेस्ट क्रमांक पोस्ट करतो, तेव्हा संशयवादी वाजवीपणे नशीब किंवा ओव्हरफिटिंगला दोष देऊ शकतात. जेव्हा एजंटांचे संपूर्ण कुटुंब, भिन्न कॉन्फिगरेशनसह तयार केलेले, सर्व क्लासिक बेंचमार्क आणि बँकेचे स्वतःचे उत्पादन मॉडेल या दोन्हींवर मात करतात, तेव्हा ते अंतर्निहित दृष्टिकोनाबद्दल अधिक पद्धतशीर गोष्टीकडे निर्देश करते.
अर्थासाठी याचा अर्थ काय
वॉल स्ट्रीट AI ला त्याच्या मूळ ऑपरेशन्समध्ये सखोलपणे एम्बेड करण्यासाठी धावत असताना प्रयोग एका क्षणी येतो. बँका आणि मालमत्ता व्यवस्थापकांनी ग्राहक सेवा, संशोधन सारांश आणि कोड जनरेशनसाठी AI तैनात करण्यात गेली दोन वर्षे घालवली आहेत — ज्या कामांमध्ये चूक लाजिरवाणी आहे परंतु आपत्तीजनक नाही. पोर्टफोलिओ वाटप ही पूर्णपणे भिन्न श्रेणी आहे: येथे, एजंटचा निर्णय ग्राहकांनी किती पैसा कमावला किंवा गमावला यावर थेट परिणाम होतो.
जेपी मॉर्गनचे संशोधन असे सूचित करते की उद्योग त्या उच्च-स्टेक सीमांकडे वळत आहे. जर एजंट बाजाराच्या नियमांचे वाचन करू शकतील आणि रिअल टाइममध्ये जोखीम समायोजित करू शकतील, तर ते अखेरीस मानव-नेतृत्वाखालील समित्यांच्या घटकांना पूरक - किंवा काही प्रकरणांमध्ये बदलू शकतात, जे सध्या मोठ्या निधीवर वाटप धोरण निश्चित करतात. तंत्रज्ञान देखील "एजंटिक एआय" प्रणालीकडे व्यापक पुश करते जे प्रश्नांची उत्तरे देण्याऐवजी ध्येयाकडे अनेक-चरण क्रिया करू शकतात.
पुढे रस्ता
एआय एजंट्सना प्रत्यक्ष पोर्टफोलिओ मोठ्या प्रमाणावर व्यवस्थापित करण्यापूर्वी अनेक अडथळे उरतात. नियामक अजूनही स्वायत्त आर्थिक निर्णय घेण्यावर देखरेख कशी करावी याबद्दल झगडत आहेत आणि वाईट वर्तन करणाऱ्या एजंटचा बाजारातील मंदी वाढवण्याचा धोका ही खरी चिंता आहे. पारदर्शकता ही आणखी एक समस्या आहे: बरीच शक्तिशाली मॉडेल्स "ब्लॅक बॉक्स" म्हणून कार्य करतात आणि निधी व्यवस्थापकांना क्लायंट आणि नियामकांना पोर्टफोलिओ का समायोजित केला गेला हे समजावून सांगण्यास सक्षम असणे आवश्यक आहे.
प्रत्येकाकडे सारखीच साधने असताना काय होईल असाही प्रश्न आहे. बॅकटेस्टमध्ये मार्केटला हरवणारी रणनीती काम करणे थांबवू शकते एकदा पुरेसे स्पर्धकांनी समान AI तैनात केल्यावर, पूर्वीची धार नवीन बेसलाइनमध्ये बदलते.
आत्तासाठी, जेपी मॉर्गनचे एजंट उत्पादनाऐवजी संशोधनाचे परिणाम आहेत. परंतु युनायटेड स्टेट्समधील सर्वात मोठ्या बँकेचा संदेश स्पष्ट आहे: वॉल स्ट्रीट विश्लेषकाचा सहाय्यक म्हणून AI चे युग अधिक महत्वाकांक्षी गोष्टींना मार्ग देत आहे आणि ज्यांनी मशीन बनवल्या त्या मानवांची खरोखरच गुंतवणूक करू शकतात की नाही हे पुढील काही वर्षे ठरवेल.
AI वित्त आणि उद्योग कसा बदलत आहे याबद्दल अधिक माहितीसाठी, AI Buzz Wire मुख्यपृष्ठ ला भेट द्या.
अधिक एआय बातम्या वाचा →
