JPMorgan Chase створив набір агентів штучного інтелекту, які динамічно переміщують розподіл між акціями та облігаціями у відповідь на зміну ринкових умов, і перші результати привертають увагу Уолл-стріт. Згідно з повідомленням Bloomberg, яке повідомило про дослідження в п’ятницю, 10 липня, усі вісім агентів, яких перевірив банк, перевершили традиційний портфель 60/40 на основі скоригованого ризику.
Ця робота є останньою ознакою того, що штучний інтелект переходить від інструменту продуктивності для працівників до машинного відділення прийняття інвестиційних рішень. Для фірми розміром з JPMorgan — яка вже є однією з найагресивніших розробників штучного інтелекту у фінансах — вона пропонує конкретний погляд на те, як автономні агенти одного разу можуть допомогти керувати трильйонами капіталу клієнтів.
Як працювали агенти ШІ
Замість того, щоб стежити за фіксованою сумішшю активів, агенти були розроблені, щоб зчитувати зміну ринкових умов і перерозподіляти капітал між акціями та фіксованим доходом на льоту. У традиційному управлінні портфелем правило 60/40 — 60% акцій, 40% облігацій — було наріжною стратегією протягом десятиліть, оскільки воно збалансувало зростання та стабільність. Агентів JPMorgan прямо протиставили цьому критерію.
За два десятиліття історичного моделювання найефективніший агент забезпечив річну прибутковість приблизно на 0,7 відсоткових пунктів вище, ніж класичний портфель 60/40, згідно з численними звітами про дослідження. Важливо те, що ця перевага прийшла з нижчою волатильністю, тобто агенти досягли кращого прибутку на одиницю ризику — показника, який найбільше цікавить професійних інвесторів.
Агенти також перевершили власну існуючу модель ринкового режиму, засновану на правилах JPMorgan, систему, яку банк уже використовує для прийняття рішень щодо розподілу активів. Ця деталь може мати найбільше значення: вона свідчить про те, що штучний інтелект не просто відповідав усталеній ігре, а вдосконалював складну модель, яку вже вдосконалили люди.
Велике застереження: бектести — це не справжні гроші
Як би вражаюче не звучали ці цифри, сам JPMorgan закликає бути обережними. Результати отримані в результаті історичного тестування — відтворення минулих ринкових даних за два десятиліття через агентів — а не в результаті реального інвестування реального капіталу. Бекстести сумно відомі у фінансах тим, що виглядають блискучими на папері, але невдалими в реальному світі, де трансакційні витрати, раптові потрясіння та простий факт, що майбутнє ніколи не повторює минуле, можуть підірвати навіть найелегантнішу стратегію.
JPMorgan застерігає від розгляду симуляцій як доказу того, що штучний інтелект може стабільно перевершувати ринки, зазначає Bloomberg. Минулі показники, згідно зі старим застереженням щодо інвестицій, не є гарантією майбутніх результатів — і це застереження з особливою силою стосується неперевіреного підходу, керованого ШІ.
Тим не менш, узгодженість результату для восьми різних агентів помітна. Коли один алгоритм публікує сильні результати тестування, скептики можуть обґрунтовано звинувачувати удачу або переобладнання. Коли ціла сім’я агентів, створена з різними конфігураціями, перевершує як класичний еталон, так і власну виробничу модель банку, це вказує на щось більш систематичне в базовому підході.
Що це означає для фінансів
Експеримент припадає на момент, коли Уолл-стріт намагається глибше впровадити штучний інтелект у свою основну діяльність. Банки та менеджери активів витратили останні два роки на розгортання штучного інтелекту для обслуговування клієнтів, підсумкових досліджень і створення коду — завдань, у яких помилка викликає незручність, але не катастрофу. Розподіл портфеля – це зовсім інша категорія: тут оцінка агента безпосередньо впливає на те, скільки грошей заробляють або втрачають клієнти.
Дослідження JPMorgan свідчать про те, що галузь наближається до межі вищих ставок. Якщо агенти можуть читати ринкові режими та коригувати ризики в режимі реального часу, вони можуть зрештою доповнити — або в деяких випадках замінити — елементи комітетів під керівництвом людей, які зараз встановлюють стратегію розподілу великих коштів. Технологія також поєднується з більш широким поштовхом до «агентного штучного інтелекту», систем, які можуть виконувати багатоетапні дії для досягнення мети, а не просто відповідати на запитання.
Дорога вперед
Перед тим, як агенти штучного інтелекту керувати реальними портфелями в масштабі, залишається кілька перешкод. Регулятори все ще борються з тим, як наглядати за автономним прийняттям фінансових рішень, і ризик того, що агент, що погано поводиться, посилить спад ринку, викликає справжнє занепокоєння. Іншою проблемою є прозорість: багато найпотужніших моделей працюють як «чорні скриньки», і менеджери фондів повинні мати можливість пояснити клієнтам і регуляторам, чому портфель був скоригований.
Виникає також питання, що відбувається, коли всі мають однакові інструменти. Стратегія, яка перевершує ринок під час тестування, може перестати працювати, коли достатньо конкурентів розгорне подібний ШІ, перетворивши колишню перевагу на нову базову лінію.
Наразі агенти JPMorgan залишаються результатом дослідження, а не продуктом. Але послання найбільшого банку Сполучених Штатів чітке: ера штучного інтелекту як помічника аналітика Уолл-стріт поступається місцем чомусь набагато амбітнішому, і наступні кілька років визначатимуть, чи зможуть машини справді перевершити інвестування людей, які їх створили.
Щоб дізнатися більше про те, як ШІ змінює фінанси та промисловість, відвідайте [домашню сторінку AI Buzz Wire] (https://aibuzzwire.news).
Читати більше новин AI →---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
