|
Η AI
μειώνει τα κενά
πληροφόρησης
Σε επίπεδο εταιρειών, η
τεχνητή νοημοσύνη
βελτιώνει σημαντικά την
αποτελεσματικότητα της
χρηματιστηριακής
ανάλυσης.
Τα
συστήματα AI μπορούν να
επεξεργάζονται σε
ελάχιστο χρόνο:
εταιρικές ανακοινώσεις,
οικονομικές καταστάσεις,
ρυθμιστικές υποβολές,
εναλλακτικά δεδομένα
αγοράς.
Αυτό επιτρέπει στους
επενδυτές να εντοπίζουν
ταχύτερα αλλαγές στα
θεμελιώδη μεγέθη των
εταιρειών και συμβάλλει
στη βελτίωση της
διαδικασίας διαμόρφωσης
των τιμών.
Η
Bernstein εκτιμά ότι η
ταχύτερη επεξεργασία
πληροφοριών μειώνει τα
λεγόμενα «information
gaps» μεταξύ επενδυτών
και βοηθά στη μικρότερη
απόκλιση μεταξύ των
εκτιμήσεων των αναλυτών
και των πραγματικών
αποτελεσμάτων των
επιχειρήσεων.
Με
απλά λόγια, οι αγορές
γίνονται πιο γρήγορες
στο να ενσωματώνουν νέα
δεδομένα.
Περισσότερη ανάλυση με
λιγότερο κόστος
Η
τεχνητή νοημοσύνη
αλλάζει επίσης τον τρόπο
λειτουργίας των
επενδυτικών τμημάτων.
Αυτοματοποιημένες
διαδικασίες μπορούν
πλέον να επιταχύνουν:
τις
αναλύσεις αποτελεσμάτων
τριμήνου,
την
ενημέρωση
χρηματοοικονομικών
μοντέλων,
την
κάλυψη νέων εταιρειών
από αναλυτές.
Αυτό επιτρέπει στους
επαγγελματίες της αγοράς
να παρακολουθούν
μεγαλύτερο αριθμό
εταιρειών.
Ιδιαίτερα σημαντική
είναι η επίδραση στις
μικρότερες εταιρείες των
αναδυόμενων αγορών, όπου
η κάλυψη από αναλυτές
ήταν παραδοσιακά
περιορισμένη.
Η
Bernstein σημειώνει ότι
η αύξηση της κάλυψης
αυτών των εταιρειών
μπορεί να μειώσει το
λεγόμενο
«premium της έλλειψης
πληροφόρησης»,
δηλαδή το γεγονός ότι
μετοχές που
παρακολουθούνται
λιγότερο συχνά συχνά
διαπραγματεύονται με
διαφορετικές αποτιμήσεις
λόγω περιορισμένης
πληροφόρησης.
Ο
κίνδυνος των ίδιων
μοντέλων και των ίδιων
αποφάσεων
Ωστόσο, η Bernstein
προειδοποιεί ότι η ίδια
τεχνολογία που κάνει τις
αγορές πιο
αποτελεσματικές μπορεί
να δημιουργήσει νέες
αδυναμίες.
Καθώς όλο και
περισσότεροι επενδυτές
χρησιμοποιούν παρόμοια
εργαλεία AI,
εκπαιδευμένα σε παρόμοια
δεδομένα, υπάρχει ο
κίνδυνος να καταλήγουν
στις ίδιες επενδυτικές
αποφάσεις.
Αυτό μπορεί να οδηγήσει
σε:
υπερβολική συγκέντρωση
θέσεων,
«συνωστισμένες»
επενδύσεις,
μαζικές πωλήσεις όταν
αλλάξει το κλίμα.
Σε
περιόδους ηρεμίας το
φαινόμενο μπορεί να μην
είναι εμφανές. Όμως σε
μια κρίση, η ταυτόχρονη
αντίδραση πολλών
αλγοριθμικών συστημάτων
μπορεί να ενισχύσει τις
κινήσεις της αγοράς.
Τα
παραδείγματα του carry
trade και της
παραπληροφόρησης
Η
Bernstein αναφέρει ως
χαρακτηριστικά
παραδείγματα πρόσφατα
γεγονότα όπου η ταχύτητα
των αυτοματοποιημένων
συναλλαγών ενίσχυσε τις
διακυμάνσεις.
Ένα
από αυτά ήταν η ανατροπή
του yen carry
trade τον Αύγουστο του
2024, όταν η
απότομη ενίσχυση του
γιεν προκάλεσε μαζικό
κλείσιμο θέσεων και
αναταράξεις σε διεθνείς
αγορές.
Παράλληλα, η Bernstein
επισημαίνει περιπτώσεις
όπου περιεχόμενο που
δημιουργήθηκε από
τεχνητή νοημοσύνη
προκάλεσε προσωρινές
κινήσεις στις
αμερικανικές μετοχές
πριν επιβεβαιωθεί η
εγκυρότητα των
πληροφοριών.
Το
πρόβλημα είναι ότι η AI
μπορεί να μεταδίδει και
να επεξεργάζεται
πληροφορίες ταχύτερα από
την ανθρώπινη ικανότητα
επαλήθευσης.
Το
πρόβλημα της
«αυτοεκπληρούμενης
πρόβλεψης»
Ένας ακόμη κίνδυνος που
εντοπίζει η Bernstein
είναι το λεγόμενο
«πρόβλημα
ανακλαστικότητας»
(reflexivity problem).
Η
ιδέα είναι ότι οι
προβλέψεις των μοντέλων
AI μπορεί να επηρεάζουν
την ίδια την αγορά που
προσπαθούν να
προβλέψουν.
Για
παράδειγμα:
ένα
μοντέλο AI εντοπίζει
θετική τάση σε μια
μετοχή,
πολλοί επενδυτές
ακολουθούν το σήμα,
η
τιμή ανεβαίνει,
η
άνοδος επιβεβαιώνει το
αρχικό μοντέλο.
Δημιουργείται έτσι ένας
κύκλος όπου οι
προβλέψεις επηρεάζουν
την πραγματικότητα.
Η
συνέπεια μπορεί να
είναι:
μεγαλύτερη κυριαρχία των
επενδυτικών τάσεων
(momentum),
αυξημένη συγκέντρωση
κεφαλαίων σε λίγες
εταιρείες,
μεγαλύτερες υπερβολές
στις αποτιμήσεις.
Πιο
αποτελεσματικές αγορές,
αλλά μεγαλύτεροι
κίνδυνοι ουράς
Το
τελικό συμπέρασμα της
Bernstein είναι ότι η
τεχνητή νοημοσύνη
πιθανότατα θα μειώσει
τις καθημερινές
αναποτελεσματικότητες
των αγορών.
Οι
επενδυτές θα έχουν:
περισσότερη πληροφόρηση,
ταχύτερη ανάλυση,
καλύτερα εργαλεία λήψης
αποφάσεων.
Όμως η ίδια εξέλιξη
μπορεί να αυξήσει τον
κίνδυνο ακραίων
γεγονότων.
Με
άλλα λόγια, η AI μπορεί
να οδηγήσει σε μια αγορά
με λιγότερα
συνηθισμένα λάθη αλλά
μεγαλύτερες ακραίες
διακυμάνσεις.
Η
νέα πρόκληση για τους
επενδυτές δεν θα είναι
μόνο να χρησιμοποιούν
την τεχνητή νοημοσύνη,
αλλά να κατανοούν πότε η
ίδια η τεχνολογία μπορεί
να γίνει πηγή κινδύνου.
|
