مریم غدیرپور؛ بازار: معامله‌گران بازار سهام مدت‌هاست که با موانعی برای موفقیت مواجه بوده‌اند، که مهم‌ترین آنها فقدان اطلاعات جامع از بازار، تلاش‌های برخی شرکت‌ها یا معامله‌گران برای دستکاری بازار و حتی عدم آشنایی بسیاری از معامله‌گران با اصول اولیه معاملات صحیح که منجر به موفقیت در بازار می‌شود، است. بسیاری از معامله‌گران به دلیل طمع یا ترس، با انواع فراز و نشیب‌ها روبرو می‌شوند. با این حال، چالش‌های جدید در حال افزایش هستند و امروزه خود را به معامله‌گران تحمیل می‌کنند.
سایت ارقام در گزارشی به نقل از منابع متعدد در این باره می نویسد: با افزایش سرعت جریان اطلاعات در عصر دیجیتال، اضافه بار اطلاعاتی به یکی از برجسته‌ترین چالش‌های پیش روی معامله‌گران بازار سهام تبدیل شده است. در حالی که قرار است داده‌های «فراوان» فرصت‌هایی را برای تصمیم‌گیری‌های بهتر در سرمایه‌گذاری فراهم کنند، واقعیت این است که اثر معکوس دارد. اضافه بار اطلاعاتی، سرمایه‌گذاران را گیج می‌کند و توانایی آنها را در تشخیص بین آنچه مهم است و آنچه «فقط نویز» است، کاهش می‌دهد.
اطلاعات بیش از حد و نگرش منفی
یک مطالعه توسط فدرال رزرو ایالات متحده نشان می‌دهد که افزایش به اصطلاح «شاخص اضافه بار اطلاعات» با کاهش قابل توجه حجم معاملات، در برخی موارد تا ۱۵درصد، مرتبط است. این کاهش نشان دهنده تردید و احتیاط در بین سرمایه‌گذارانی است که خود را قادر به پردازش حجم عظیم داده‌های ناشی از اخبار، گزارش‌های مالی و رسانه‌های اجتماعی نمی‌بینند.
این امر با توجه به وابستگی سفته‌بازان به اطلاعات آنی، به طور قابل توجهی بیشتر از سرمایه‌گذاران بر آنها تأثیر می‌گذارد. بنابراین، درصد سفته‌بازانی که تحت تأثیر اضافه بار اطلاعات قرار گرفته‌اند از ۵۲ درصد در سال ۲۰۰۱ به بیش از ۸۰ درصد در سال ۲۰۲۳ افزایش یافته است.
این تأثیر به رفتار فردی محدود نمی‌شود، بلکه ساختار بازار را نیز در بر می‌گیرد. مطالعات نشان داده‌اند که دوره‌های اشباع اطلاعات، شاهد افزایش بازده سهام در آینده بین ۳ تا ۵ درصد هستند که می‌توان آن را با تقاضای حق بیمه ریسک بالاتر توسط سرمایه‌گذاران برای جبران عدم قطعیت ناشی از اشباع اطلاعات توضیح داد.
این پدیده اغلب در سهام کوچک یا بسیار بی‌ثبات، که ارزیابی آنها با وجود اطلاعات بسیار زیاد دشوار است، به ویژه اگر این اطلاعات به نوعی متناقض باشند، که خطر ضرر و زیان را برای سفته‌بازان نیز افزایش می‌دهد، بارزتر است.
جالب اینجاست که اضافه بار اطلاعات فقط بر انسان‌ها تأثیر نمی‌گذارد؛ بلکه به ابزارهای هوش مصنوعی نیز گسترش می‌یابد. یک مطالعه اخیر از دانشگاه ملبورن نشان داد که عملکرد مدل‌های هوش مصنوعی در تجزیه و تحلیل اخبار مالی در ابتدا با افزایش مقدار داده‌ها بهبود می‌یابد، اما پس از رسیدن به یک آستانه خاص، شروع به کاهش می‌کند و به سطوح عملکرد تصادفی می‌رسد
اختلال در هوش مصنوعی
جالب اینجاست که اضافه بار اطلاعات فقط بر انسان‌ها تأثیر نمی‌گذارد؛ بلکه به ابزارهای هوش مصنوعی نیز گسترش می‌یابد. یک مطالعه اخیر از دانشگاه ملبورن نشان داد که عملکرد مدل‌های هوش مصنوعی در تجزیه و تحلیل اخبار مالی در ابتدا با افزایش مقدار داده‌ها بهبود می‌یابد، اما پس از رسیدن به یک آستانه خاص، شروع به کاهش می‌کند و به سطوح عملکرد تصادفی می‌رسد.
این کشف نشان می‌دهد که حتی سیستم‌های هوشمند نیز به تعادل ظریفی در میزان اطلاعاتی که مدیریت می‌کنند، نیاز دارند. این مطالعه بر مدل‌های زبانی بزرگ مانند مدل‌هایی که برای تحلیل پیشنهادهای مالی و پیش‌بینی واکنش بازار به اخبار استفاده می‌شوند، تمرکز دارد. نتایج، الگوی عملکردی را نشان می‌دهد که از یک منحنی U شکل معکوس پیروی می‌کند، که در آن دقت مدل در ابتدا با افزودن اطلاعات بیشتر بهبود می‌یابد، اما پس از یک نقطه خاص شروع به کاهش می‌کند.
برای مثال، هنگام تحلیل اخبار روزانه، با افزایش ۱۰ درصدی تعداد اخبار تحلیل‌شده، دقت پیش‌بینی از ۵۲درصد به ۵۵درصد افزایش یافت و این افزایش تا رسیدن به ۶۵درصد ادامه یافت و پس از مقدار مشخصی از اخبار که از موردی به مورد دیگر متفاوت بود، شروع به کاهش کرد.
با وجود این چالش‌ها، ابزارهای هوش مصنوعی ممکن است به کاهش اثرات اضافه بار اطلاعات کمک کنند. یک مطالعه نشان داد که استفاده از مدل‌هایی مانند ChatGPT برای تجزیه و تحلیل گزارش‌های درآمد، پدیده «رانش پس از درآمد» - خرید یا فروش سریع پس از اعلام درآمد، به ویژه اگر غیرمنتظره باشد، را تا ۳۰درصد کاهش می‌دهد.
توانایی فیلتر کردن اخبار با استفاده از مدل‌های هوش مصنوعی متن‌باز در حال افزایش است. یک مطالعه اخیر از دانشگاه استنفورد نشان داد که یک مدل متن‌باز که به عنوان یک تحلیلگر مالی خودکار توسعه داده شده است، در یک دوره ۳۰ ساله از ۹۳ درصد از مدیران صندوق‌های سرمایه‌گذاری مشترک فعال بهتر عمل کرده و به طور متوسط ۶۰۰ درصد بازده در مقایسه با عملکرد انسان‌های "متخصص" به دست آورده است.
این در حالی است که این مدل فقط از داده‌های عمومی مانند گزارش‌های درآمد و نرخ بهره استفاده می‌کرد. همچنین عوامل روانشناختی را از طریق آنچه که به عنوان "تحلیل احساسات" از تماس‌های مالی شناخته می‌شود، در نظر گرفت و هر سه ماه یکبار سبدهای سرمایه‌گذاری را مجدداً پیکربندی کرد، خرید و فروش انجام داد که نشان دهنده سطح بالایی از کارایی در جذب و تجزیه و تحلیل اطلاعات مالی است.
پلتفرم‌هایی مانند اینستاگرام؛ X و TikTok به منابع اصلی اطلاعات مالی، به ویژه در میان سرمایه‌گذاران جوان، تبدیل شده‌اند، اما باید به اینفلوئنسرهای مالی توجه ویژه‌ای داشت و منابع آنها را بررسی کرد. به عبارت دیگر، تصمیمات سرمایه‌گذاری را بر اساس یک ویدیوی ۳۰ ثانیه‌ای اتخاذ نکنید
شبکه‌های اجتماعی و الگوریتم‌های آن
بدیهی است که اتکای بیش از حد و گسترش مداوم رسانه‌های اجتماعی، تأثیر منفی فناوری بر معامله‌گران را تشدید می‌کند، به‌ویژه به این دلیل که نه تنها باعث می‌شود آنها در اطلاعات غرق شوند، بلکه به این دلیل که نحوه عملکرد الگوریتم‌های آن، این اطلاعات را به صورت یک‌طرفه انباشته می‌کند.
وقتی شخصی بیش از یک تحلیلگر یا متخصص را دنبال می‌کند که خرید را توصیه می‌کنند و از دیدگاه صعودی بازار حمایت می‌کنند، الگوریتم‌ها از همه تحلیلگران مشابه پشتیبانی می‌کنند و برعکس، به این معنی که آنها فقط یک روند را در طول زمان می‌بینند که بر دیدگاه منطقی آنها نسبت به مسائل تأثیر منفی می‌گذارد.
از نظر تأثیر کلی، مطالعه‌ای که توسط دانشگاه کلرادو انجام شده و میلیون‌ها پست در پلتفرم‌هایی مانند X، StockTwist و Seeking Alpha را تجزیه و تحلیل کرده است، نشان می‌دهد که احساسات پایین در این پلتفرم‌ها پس از رکود بازار منجر به کاهش بیشتر قیمت در هفته‌های بعدی می‌شود.
این مطالعه همچنین نشان داد که افزایش بحث در مورد یک سهام خاص اغلب قبل از عملکرد منفی رخ می‌دهد، پدیده‌ای که منعکس کننده چیزی است که به عنوان "هیاهوی رسانه‌ای" شناخته می‌شود و سرمایه‌گذاران را گیج می‌کند و آنها را به سمت تصمیم‌گیری‌های غیرمنطقی سوق می‌دهد.
از سوی دیگر، مطالعه دیگری توسط موسسه ملی تحقیقات اقتصادی در ایالات متحده نشان داد که نفوذ اجتماعی محدود به اخبار نیست، بلکه به روابط شخصی نیز گسترش می‌یابد. سرمایه‌گذارانی که دوستانی در مناطقی دارند که قیمت دارایی‌ها در آنها افزایش یافته است، حتی اگر هیچ تجربه مستقیمی با آن بازارها نداشته باشند، نسبت به سرمایه‌گذاری خوش‌بین‌تر می‌شوند. این نفوذ روانی جمعی، پدیده «سرایت مالی» را تقویت می‌کند که از طریق شبکه‌های اجتماعی منتقل می‌شود.
این موضوع در میان نسل جدید سرمایه‌گذاران که به آنچه اکنون به عنوان «اینفلوئنسرها» شناخته می‌شوند، تکیه می‌کنند، مشهودتر است. این اصطلاح به تأثیرگذاران مالی در پلتفرم‌هایی مانند تیک‌تاک و اینستاگرام اشاره دارد. بیش از ۶۰ درصد از سرمایه‌گذاران جوان بین ۱۸ تا ۲۵ سال برای تصمیم‌گیری‌های سرمایه‌گذاری خود به محتوای این تأثیرگذاران متکی هستند.
از قضا، بخش بزرگی از این محتوا فاقد افشای حمایت مالی، محتوای تبلیغاتی یا توصیه‌های مالی رسمی است و فالوورها را در معرض خطر واقعی اطلاعات نادرست قرار می‌دهد.
چگونه از اثرات منفی جلوگیری کنیم
در نهایت، به نظر می‌رسد که نشانه‌های عصر مدرن، به ویژه انباشت اطلاعات، هوش مصنوعی و نقش رسانه‌های اجتماعی، به واقعیتی اجتناب‌ناپذیر در بازارهای مدرن تبدیل شده‌اند. با این حال، برخورد هوشمندانه با آنها - چه با توسعه مهارت‌های فیلتر کردن سرمایه‌گذاران و چه با به‌کارگیری ابزارهای تحلیلی پیشرفته - می‌تواند کلید حفظ سود و سرمایه سرمایه‌گذاران از یک سو و تضمین کارایی و ثبات بازار از سوی دیگر باشد.
برای جلوگیری از اثرات منفی این تحولات، باید چند نکته را رعایت کرد:
- فیلتر کردن اطلاعات: هر چیزی را که می‌خوانید باور نکنید.
اولین قدم در مبارزه با اضافه بار اطلاعات، توسعه مهارت «فیلترینگ هوشمند» است. نه هر خبر فوری‌ای ارزش توجه را دارد و نه هر تحلیل مالی در یک پلتفرم رسانه اجتماعی مبتنی بر اصول علمی است.
بنابراین، منابع اطلاعاتی معتبری مانند گزارش‌های رسمی درآمد یا تحلیل‌های موسسات مالی شناخته‌شده را انتخاب کنید و از واکنش‌های احساسی به اخبار منتشر شده در رسانه‌های اجتماعی خودداری کنید.
- از هوش مصنوعی به عنوان دستیار استفاده کنید، نه به عنوان جایگزین.
هوش مصنوعی می‌تواند ابزاری قدرتمند برای تحلیل داده‌ها باشد، اما مصون از خطا نیست. همانطور که توضیح دادیم، عملکرد مدل‌های هوش مصنوعی در تحلیل اخبار مالی در ابتدا با افزایش اطلاعات بهبود می‌یابد، اما پس از یک نقطه خاص به دلیل اضافه بار اطلاعات، کاهش می‌یابد. این بدان معناست که حتی ماشین‌ها نیز به «تغذیه هوشمند» نیاز دارند، بنابراین باید در مورد آنچه می‌خواهید هوش مصنوعی به آن تکیه کند، بسیار دقیق باشید و از آن بخواهید که منحصراً به آن تکیه کند.
در اینجا، از ابزارهای هوش مصنوعی برای خلاصه کردن گزارش‌ها یا تحلیل روندها استفاده کنید، اما برای تصمیم‌گیری صرفاً به آنها تکیه نکنید، یا تحلیل خودکار را با شهود انسانی ترکیب نکنید.
رسانه‌های اجتماعی: شمشیری دو لبه
پلتفرم‌هایی مانند اینستاگرام، X و TikTok به منابع اصلی اطلاعات مالی، به ویژه در میان سرمایه‌گذاران جوان، تبدیل شده‌اند، اما باید به اینفلوئنسرهای مالی توجه ویژه‌ای داشت و منابع آنها را بررسی کرد. به عبارت دیگر، تصمیمات سرمایه‌گذاری را بر اساس یک ویدیوی ۳۰ ثانیه‌ای اتخاذ نکنید.
نظر شما