باربارا ژاکلین ساهاکیان بودجه ای را از Leverhulme Trust و بنیاد لوندبک دریافت می کند. تحقیقات وی در موضوع NIHR Medtech و در شرایط آزمایشگاهی تشخیصی (MIC) و مرکز تحقیقات زیست پزشکی NIHR کمبریج (BRC) انجام شده است. او برای شناخت کمبریج مشورت می کند.
fabio. cuzzolin@brookes. ac. uk بودجه ای از اتحادیه اروپا ، اوکری ، The Leverhulme Trust ، شورای انگلیس و انگلستان نوآوری دریافت می کند.
Wojtek Buczynski برای هر شرکت یا سازمانی که از این مقاله بهره مند شود ، برای آن کار نمی کند ، مشورت می کند ، و یا بودجه خود را دریافت می کند و هیچ وابستگی مربوط به آن فراتر از قرار ملاقات تحصیلی خود را فاش نکرده است.
شرکای
دانشگاه کمبریج بودجه را به عنوان عضو مکالمه انگلستان تأمین می کند.
هوش مصنوعی (AI) اکنون از نزدیک با انسانهایی که قبلاً در مناطق دست نیافتنی محسوب می شدند ، از نزدیک با انسانها همخوانی کرده یا حتی از آن فراتر رفته است. این موارد شامل شطرنج ، بازی های بازی ، GO ، خودروهای خودران ، تاشو پروتئین و موارد دیگر است. این پیشرفت سریع فناوری نیز تأثیر زیادی در صنعت خدمات مالی داشته است. مدیران مدیران بیشتر و بیشتر در این بخش (صریح یا ضمنی) اعلام می کنند که آنها "شرکت های فناوری را با مجوز بانکی" اداره می کنند.
شما می توانید در اینجا به مقاله های بیشتری از مکالمه ، روایت شده توسط NOA گوش دهید.
همچنین ظهور سریع و رشد صنعت فناوری مالی (FINTech) وجود دارد ، که در آن راه اندازی فناوری به طور فزاینده موسسات مالی ایجاد شده را در مناطقی مانند بانکداری خرده فروشی ، حقوق بازنشستگی یا سرمایه گذاری شخصی به چالش می کشد. به همین ترتیب ، هوش مصنوعی اغلب در فرآیندهای پشت صحنه مانند امنیت سایبری ، شستشوی پول ، چک های مشتری خود یا چت بابات ظاهر می شود.
در میان بسیاری از موارد موفق ، به نظر می رسد که به طور آشکار غایب است: هوش مصنوعی در بازارهای مالی درآمد کسب می کند. در حالی که الگوریتم های ساده معمولاً توسط معامله گران استفاده می شوند ، یادگیری ماشین یا الگوریتم های هوش مصنوعی در تصمیم گیری سرمایه گذاری بسیار کمتر است. اما از آنجا که یادگیری ماشینی مبتنی بر تجزیه و تحلیل مجموعه داده های عظیم و یافتن الگوهای در آنها و بازارهای مالی است که مقادیر عظیمی از داده ها را تولید می کنند ، به نظر می رسد یک مسابقه آشکار است. در یک مطالعه جدید ، که در مجله بین المللی علوم داده و تجزیه و تحلیل منتشر شده است ، ما در مورد اینکه آیا هوش مصنوعی بهتر از انسان در کسب درآمد است ، کمی روشن کرده ایم.
برخی از شرکت‌های سرمایه‌گذاری تخصصی به نام صندوق‌های تامینی کوانت (که مخفف «کمی» است) اعلام می‌کنند که از هوش مصنوعی در فرآیند تصمیم‌گیری سرمایه‌گذاری خود استفاده می‌کنند. با این حال، آنها اطلاعات عملکرد رسمی را منتشر نمی کنند. همچنین، علیرغم اینکه برخی از آنها میلیاردها دلار را مدیریت می‌کنند، نسبت به اندازه صنعت سرمایه‌گذاری بزرگ‌تر، جایگاه ویژه و کوچکی دارند.
از سوی دیگر، تحقیقات دانشگاهی بارها پیش بینی های مالی بسیار دقیق بر اساس الگوریتم های یادگیری ماشینی را گزارش کرده اند. اینها در تئوری می توانند به استراتژی های سرمایه گذاری اصلی بسیار موفق برای صنعت مالی تبدیل شوند. و با این حال، به نظر نمی رسد که این اتفاق بیفتد.
دلیل این تناقض چیست؟آیا این فرهنگ مدیریت ریشه‌دار است یا چیزی به جنبه‌های عملی سرمایه‌گذاری در دنیای واقعی مربوط می‌شود؟
پیش بینی های مالی هوش مصنوعی
ما 27 مطالعه بررسی شده توسط محققان دانشگاهی را که بین سال‌های 2000 تا 2018 منتشر شده بودند، تجزیه و تحلیل کردیم. اینها انواع مختلف آزمایش‌های پیش‌بینی بازار سهام را با استفاده از الگوریتم‌های یادگیری ماشینی توصیف می‌کنند. ما می خواستیم تعیین کنیم که آیا این تکنیک های پیش بینی می توانند در دنیای واقعی تکرار شوند یا خیر.
مشاهدات فوری ما این بود که بیشتر آزمایش‌ها چندین نسخه (در موارد شدید، تا صدها) مدل سرمایه‌گذاری خود را به صورت موازی اجرا کردند. تقریباً در همه موارد، نویسندگان مدل با بالاترین عملکرد خود را به عنوان محصول اولیه آزمایش خود ارائه کردند - به این معنی که بهترین نتیجه انتخاب شده بود و همه نتایج زیر بهینه نادیده گرفته شدند. این رویکرد در مدیریت سرمایه گذاری در دنیای واقعی کار نمی کند، جایی که هر استراتژی معینی را می توان تنها یک بار اجرا کرد، و نتیجه آن سود یا زیان واضح است - هیچ نتیجه ای از بین نمی رود.
اجرای انواع مختلف و سپس معرفی موفق ترین آنها به عنوان نماینده، در بخش مالی گمراه کننده است و احتمالاً غیرقانونی تلقی می شود. به عنوان مثال، اگر ما سه نوع از یک استراتژی را اجرا کنیم، که یکی از آنها 40-% و دیگری 20% و دیگری 20% را از دست بدهد و سپس تنها سود 20% را به نمایش بگذاریم، واضح است که این نتیجه منفرد نادرست است. عملکرد صندوقفقط یک نسخه از یک الگوریتم باید آزمایش شود، که نماینده یک راه اندازی سرمایه گذاری در دنیای واقعی و در نتیجه واقعی تر است.
مدلهای موجود در مقالات مورد بررسی ، به میزان بسیار بالایی از دقت ، حدود 95 ٪ - نشانه موفقیت فوق العاده در بسیاری از زمینه های زندگی دست یافتند. اما در پیش بینی بازار ، اگر یک الگوریتم 5 ٪ از زمان اشتباه باشد ، هنوز هم می تواند یک مشکل واقعی باشد. این ممکن است فاجعه بار باشد نه اشتباه حاشیه ای - نه تنها سود را از بین می برد ، بلکه کل سرمایه اساسی را نیز از بین می برد.
ما همچنین خاطرنشان کردیم که بیشتر الگوریتم های هوش مصنوعی "جعبه های سیاه" هستند ، بدون شفافیت در مورد نحوه کار آنها. در دنیای واقعی ، این احتمالاً باعث ایجاد اعتماد به نفس سرمایه گذاران نمی شود. همچنین احتمالاً از دیدگاه نظارتی مسئله ای خواهد بود. از این گذشته ، بیشتر آزمایشات هزینه معاملات را به خود اختصاص نداد. اگرچه این سالها در حال کاهش است ، اما صفر نیستند و می توانند تفاوت بین سود و زیان را ایجاد کنند.
هیچ یک از آزمایشاتی که ما به آن نگاه کردیم ، به مقررات مالی فعلی ، مانند دستورالعمل حقوقی اتحادیه اروپا MIFID II یا اخلاق تجاری توجه نکرد. این آزمایشات به خودی خود مشغول فعالیت های غیر اخلاقی نبودند - آنها به دنبال دستکاری در بازار نبودند - اما آنها فاقد یک ویژگی طراحی صریح بودند که از اخلاقی بودن برخوردار بودند. از نظر ما ، یادگیری ماشین و الگوریتم های هوش مصنوعی در تصمیم گیری سرمایه گذاری باید دو مجموعه از استانداردهای اخلاقی را رعایت کنند: ساختن اخلاق هوش مصنوعی به خودی خود ، و تصمیم گیری در مورد تصمیم گیری ، فاکتورسازی در ملاحظات زیست محیطی ، اجتماعی و حاکمیتی. این امر باعث می شود هوش مصنوعی از سرمایه گذاری در شرکت هایی که ممکن است به جامعه آسیب برساند ، باز کند.
همه این بدان معنی است که هوش مصنوعی که در آزمایشات دانشگاهی شرح داده شده بود در دنیای واقعی صنعت مالی غیر ممکن بود.
آیا انسانها بهتر هستند؟
ما همچنین می خواستیم دستاوردهای هوش مصنوعی را با متخصصان سرمایه گذاری انسانی مقایسه کنیم. اگر هوش مصنوعی بتواند سرمایه گذاری کند و همچنین بهتر از انسان باشد ، این می تواند از کاهش عظیم مشاغل استفاده کند.
ما متوجه شدیم که تعداد انگشت شماری از صندوق های دارای هوش مصنوعی که داده های عملکرد آنها در منابع داده های بازار در دسترس عموم که عموماً در بازار تحت تأثیر قرار گرفته اند ، فاش شده است. به همین ترتیب ، ما نتیجه گرفتیم که در حال حاضر یک مورد بسیار قوی به نفع تحلیلگران و مدیران انسانی وجود دارد. علیرغم همه نقص های آنها ، شواهد تجربی به شدت نشان می دهد که انسان در حال حاضر از هوش مصنوعی جلوتر است. این ممکن است تا حدی به دلیل میانبرهای ذهنی کارآمد باشد که انسان ها وقتی مجبور به تصمیم گیری سریع تحت عدم اطمینان می شویم.
در آینده ، این ممکن است تغییر کند ، اما ما هنوز هم قبل از تغییر به هوش مصنوعی نیاز به شواهد داریم. و در آینده نزدیک ، ما معتقدیم که ، به جای اینکه انسانها را در برابر هوش مصنوعی ببندیم ، باید این دو را با هم ترکیب کنیم. این به معنای تعبیه هوش مصنوعی در تصمیم گیری و ابزارهای تحلیلی است ، اما تصمیم نهایی سرمایه گذاری را به تیم انسانی واگذار می کند.
