سمیه شوریابی؛ بازار: مدیر تحقیق و توسعه بازار گروه سرمایهگذاری ثروت فدک معتقد است گسترش هوش مصنوعی در بازارهای مالی، مزیت رقابتی را بهتدریج از «دسترسی به اطلاعات» به سمت «توان پردازش، تحلیل و تصمیمگیری بر مبنای داده» منتقل میکند؛ تحولی که میتواند ساختار تحلیل، مدیریت دارایی، مدیریت ریسک و حتی نظارت بر بازار سرمایه را دگرگون کند.
مجید عبدالحمیدی، مدیر تحقیق و توسعه بازار گروه سرمایهگذاری ثروت فدک در گفتوگو با خبرنگار خبرگزاری بازار درباره آثار توسعه هوش مصنوعی بر بازار سرمایه اظهار داشت: ورود هوش مصنوعی به بازارهای مالی را نباید صرفاً به استفاده از یک ابزار جدید برای تحلیل سهام تقلیل داد. آنچه در حال وقوع است، تغییر تدریجی در زیرساخت تصمیمگیری مالی است؛ یعنی داده، الگوریتم و سرعت پردازش اطلاعات به بخش مهمتری از مزیت رقابتی نهادهای مالی تبدیل میشوند.
آیا هوش مصنوعی میتواند ساختار سنتی تحلیل در بورس را تغییر دهد؟
عبدالحمیدی با بیان اینکه هوش مصنوعی قطعاً ساختار سنتی تحلیل در بازار سرمایه را تغییر خواهد داد، گفت: تا امروز بخش مهمی از مزیت یک تحلیلگر یا نهاد مالی از دسترسی سریعتر به اطلاعات، توان پردازش صورتهای مالی و تجربه تحلیل بازار ناشی میشد، هوش مصنوعی بخشی از این فاصله را کاهش میدهد و یک سامانه مناسب میتواند حجم بسیار بزرگی از صورتهای مالی، اطلاعیهها، گزارشهای ماهانه، تغییرات نرخ ارز، قیمتهای جهانی و دادههای معاملاتی را در زمانی بسیار کوتاه پردازش کند.
وی افزود: در نتیجه، در آینده صرف داشتن اطلاعات دیگر مزیت رقابتی کافی نخواهد بود؛ بلکه مزیت اصلی در کیفیت داده، مدل تحلیلی و نحوه تبدیل داده به تصمیم سرمایهگذاری شکل میگیرد.
این کارشناس مطرح بازار سرمایه ادامه داد: این موضوع برای بازار سرمایه ایران اهمیت مضاعفی دارد؛ زیرا بخش زیادی از اطلاعات مورد نیاز تحلیلگران در گزارشهای متعدد و با ساختارهای متفاوت منتشر میشود و جمعآوری، استانداردسازی و تفسیر این اطلاعات بخش قابل توجهی از زمان تحلیل را به خود اختصاص میدهد.
مهمترین کاربرد هوش مصنوعی در بورس ایران چیست؟
وی با اشاره به کاربردهای هوش مصنوعی در بازار سرمایه گفت: به نظرم نباید نقطه شروع را «پیشبینی قیمت فردای سهم» در نظر گرفت، چراکه کاربردهای مهمتر و عملیاتیتری وجود دارد.
عبدالحمیدی افزود: هوش مصنوعی میتواند اطلاعات منتشرشده در کدال را استخراج و طبقهبندی کند، همچنین تغییرات فروش و حاشیه سود شرکتها را شناسایی و انحراف عملکرد شرکت از بودجه یا روند تاریخی را هشدار دهد کما اینکه نسبتهای مالی را نیز مقایسه نماید و حتی اثر تغییر نرخ ارز، قیمت کامودیتیها یا نرخ بهره را بر صنایع مختلف در قالب سناریو بررسی کند.
هوش مصنوعی میتواند یک دستیار سرمایهگذاری بسیار قدرتمند باشد، اما نباید با مرجع بدون خطای تصمیمگیری اشتباه گرفته شود
وی ادامه داد: در مدیریت دارایی نیز میتوان از این فناوری برای بهینهسازی پرتفوی، سنجش ریسک، تحلیل همبستگی داراییها، Stress Test، تشخیص تغییر رژیم بازار و طراحی سیستمهای هشدار زودهنگام استفاده کرد.
به گفته این کارشناس بازار سرمایه، اولین ارزش اقتصادی هوش مصنوعی الزاماً در «پیشبینی بازار» نیست؛ بلکه در افزایش بهرهوری فرآیند تحلیل و ارتقای کیفیت تصمیمگیری است.
هوش مصنوعی میتواند قیمت سهام را پیشبینی کند؟
عبدالحمیدی در پاسخ به این پرسش که آیا هوش مصنوعی میتواند قیمت سهام را پیشبینی کند، تأکید کرد: باید در این زمینه بسیار محتاط بود. بازار مالی یک سیستم پویاست و تحت تأثیر متغیرهای اقتصادی، سیاسی، رفتاری و انتظارات سرمایهگذاران قرار دارد و هیچ الگوریتمی نمیتواند عدمقطعیت را از بازار حذف نماید.
وی گفت: هوش مصنوعی میتواند الگوهایی را پیدا کند که تشخیص آنها برای انسان دشوار است و میتواند احتمالات و سناریوهای مختلف را بهتر محاسبه کند؛ اما تفاوت بزرگی میان پیشبینی احتمالاتی و ادعای «دانستن قیمت آینده» وجود دارد.
این تحلیلگر بازار سرمایه افزود: به همین دلیل معتقدم استفاده حرفهای از AI در بازار سرمایه باید بیشتر به سمت Scenario Analysis، تحلیل حساسیت، احتمالسنجی و مدیریت ریسک حرکت کند، نه تولید سیگنالهای قطعی خرید و فروش.
آیا با توسعه هوش مصنوعی نقش تحلیلگران مالی کاهش پیدا خواهد کرد؟
مدیر تحقیق و توسعه بازار گروه سرمایهگذاری ثروت فدک با بیان اینکه ماهیت کار تحلیلگر تغییر میکند، اما تحلیلگر حذف نمیشود، اظهار داشت: در گذشته بخش زیادی از زمان یک تحلیلگر صرف جمعآوری داده، ساخت فایلهای محاسباتی، استخراج اطلاعات صورتهای مالی و انجام محاسبات تکرارشونده میشد که بخش بزرگی از این فعالیتها قابلیت اتوماسیون دارد.
وی تصریح کرد: در مقابل، اهمیت تواناییهایی مانند تشخیص مفروضات غلط، طراحی سناریو، درک مدل کسبوکار، تحلیل کیفیت سود، ارزیابی ریسک و قضاوت حرفهای افزایش خواهد یافت.
عبدالحمیدی ادامه داد: به بیان ساده، تصور نمیکنم هوش مصنوعی جای تحلیلگر را بگیرد؛ اما احتمالاً تحلیلگری که بتواند بهدرستی از هوش مصنوعی استفاده کند، نسبت به تحلیلگری که همچنان کاملاً با روشهای سنتی فعالیت میکند مزیت قابل توجهی خواهد داشت.
مدیریت دارایی در عصر هوش مصنوعی
وی درباره تأثیر این فناوری بر سبدگردانها و شرکتهای مدیریت دارایی گفت: مدیریت دارایی یکی از بخشهایی است که میتواند بیشترین اثر را از هوش مصنوعی بپذیرد.
به گفته عبدالحمیدی، مدیر یک پرتفوی در آینده میتواند بهصورت لحظهای وضعیت بنیادی شرکتها، انحراف بازده پرتفوی، تغییر همبستگی صنایع، ریسک نقدشوندگی، Concentration Risk و سناریوهای مختلف کلان اقتصادی را در یک سیستم یکپارچه مشاهده کند.
وی افزود: در چنین شرایطی، تصمیمگیری از حالتی که بخش زیادی از آن مبتنی بر بررسی دستی گزارشهاست، به سمت Asset Management دادهمحور حرکت میکند.
این کارشناس بازار سرمایه همچنین شخصیسازی خدمات مالی را مرحله بعدی این تحول دانست و گفت: ترکیب دارایی و سطح ریسک پیشنهادی برای همه سرمایهگذاران یکسان نخواهد بود و میتواند بر اساس افق سرمایهگذاری، تحمل ریسک، جریان نقدی و اهداف هر فرد طراحی شود.
سرمایهگذاران حقیقی چه سهمی از این تحول دارند؟
عبدالحمیدی با بیان اینکه سرمایهگذاران حقیقی نیز از این تحول منتفع خواهند شد، گفت: ابزارهایی که قبلاً تنها در اختیار تیمهای حرفهای تحلیل و مدیریت دارایی قرار داشتند، بهتدریج در دسترس سرمایهگذاران بیشتری قرار میگیرند. سرمایهگذار میتواند صورت مالی را سریعتر تحلیل کند، همچنین صنایع را مقایسه نماید و یا ریسک پرتفوی خود را بهتر بشناسد.
وی در عین حال هشدار داد: خطر زمانی شکل میگیرد که سرمایهگذار تصور کند هر خروجی تولیدشده توسط یک مدل هوش مصنوعی الزاماً صحیح است.
این کارشناس بازار سرمایه تأکید کرد: هوش مصنوعی میتواند یک دستیار سرمایهگذاری بسیار قدرتمند باشد، اما نباید با مرجع بدون خطای تصمیمگیری اشتباه گرفته شود.
خطر شکلگیری «رفتار گلهای الگوریتمی»
وی درباره تأثیر AI بر رفتار هیجانی سرمایهگذاران نیز گفت: در سطح فردی، سیستمهای تصمیمیار میتوانند کمککننده باشند و سرمایهگذار را مجبور کنند قبل از معامله، نسبت ریسک به بازده، ارزشگذاری و سناریوهای جایگزین را بررسی کند؛ موضوعی که میتواند بخشی از تصمیمات هیجانی را کاهش دهد.
موج اصلی هوش مصنوعی در بازار سرمایه زمانی آغاز میشود که این فناوری مستقیماً وارد فرآیند تحلیل، ارزشگذاری، مدیریت ریسک، تخصیص دارایی و نظارت بر بازار شود
عبدالحمیدی افزود: اما در سطح کل بازار مسئله پیچیدهتر است. چنانچه تعداد زیادی از الگوریتمها از دادههای مشابه، مدلهای مشابه و قواعد تصمیمگیری نزدیک به یکدیگر استفاده کنند، در شرایط خاص ممکن است به نتایج مشابه برسند. در این حالت به جای کاهش رفتار جمعی، نوع جدیدی از رفتار گلهای الگوریتمی میتواند شکل بگیرد.
وی بیان کرد: بنابراین توسعه معاملات الگوریتمی و هوش مصنوعی بدون توسعه همزمان نظام مدیریت ریسک و نظارت بازار، رویکرد مناسبی نخواهد بود.
نهاد ناظر نیز باید هوشمندتر شود
مدیر تحقیق و توسعه بازار گروه سرمایهگذاری ثروت فدک با اشاره به نقش نهاد ناظر در این تحول اظهار داشت: نهاد ناظر نیز باید به همان اندازه که بازار هوشمند میشود، از ابزارهای هوشمند استفاده نماید.
وی گفت: در بازاری با حجم بالای سفارش و تراکنش، تشخیص برخی الگوهای غیرعادی صرفاً با روشهای سنتی دشوار است. الگوریتمهای یادگیری ماشین میتوانند در شناسایی رفتارهای غیرمتعارف، ارتباط میان حسابها، الگوهای مشکوک معاملاتی و پایش دادههای بازار ابزار مکمل مؤثری باشند.
عبدالحمیدی افزود: از طرف دیگر، استفاده گسترده از AI موضوعاتی مانند شفافیت مدل، مسئولیت تصمیم، امنیت داده، تضاد منافع و قابلیت توضیحپذیری الگوریتمها را نیز جدیتر میکند.
وی ادامه داد: مقررات آینده صرفاً درباره این نخواهد بود که «آیا از هوش مصنوعی استفاده کنیم یا خیر»؛ بلکه سؤال اصلی این است که چگونه از آن استفاده کنیم که نوآوری حفظ شود و در عین حال حقوق سرمایهگذار و سلامت بازار نیز آسیب نبیند.
داده؛ مهمترین زیرساخت توسعه AI در بازار سرمایه
عبدالحمیدی مهمترین چالش توسعه هوش مصنوعی در بازار سرمایه ایران را پیش از الگوریتم، «داده» دانست و گفت: هیچ مدل پیشرفتهای نمیتواند ضعف ساختاری داده را بهطور کامل جبران کند.
وی افزود: برای حرکت جدی به سمت هوش مصنوعی مالی، دادهها باید استاندارد، قابل پردازش ماشینی، دارای تاریخچه مناسب و تا حد امکان از طریق زیرساختهای مشخص در دسترس باشند.
این کارشناس بازار سرمایه خاطرنشان کرد: اگر Data Infrastructure مناسبی ایجاد شود، بخش خصوصی میتواند بر بستر آن دهها محصول تحلیلی، مدیریت ریسک، ارزشگذاری، مدیریت دارایی و خدمات سرمایهگذاری ایجاد کند.
به گفته وی، شاید مهمترین سرمایهگذاری بازار سرمایه در عصر AI، قبل از خرید مدلهای پیچیده، ساخت زیرساخت داده استاندارد و قابل اتکا باشد.
آینده رقابت در صنعت مالی
وی در پایان گفت: طی چند سال آینده شاهد شکلگیری ترکیبی از تخصص مالی، علوم داده و هوش مصنوعی در نهادهای مالی خواهیم بود.
وی افزود: کارگزاری آینده فقط محل ارسال سفارش نیست، سبدگردان آینده صرفاً مدیر چند پرتفوی نیست و واحد تحلیل نیز صرفاً تولیدکننده گزارشهای دورهای نخواهد بود. نهاد مالی بهتدریج باید به یک مجموعه Data-Driven تبدیل شود که بتواند اطلاعات را جمعآوری، تحلیل و به تصمیم تبدیل کند.
عبدالحمیدی خاطرنشان کرد: در چنین فضایی، شرکتهایی جلوتر خواهند بود که زودتر سه دارایی را در کنار یکدیگر توسعه دهند؛ داده باکیفیت، نیروی انسانی متخصص و مدلهای تحلیلی قابل اعتماد.
وی در پایان تأکید کرد: هوش مصنوعی قرار نیست فلسفه بازار سرمایه را تغییر دهد؛ همچنان بازده، ریسک و ارزشگذاری متغیرهای اصلی خواهند بود. چیزی که تغییر میکند، سرعت و کیفیت محاسبه این متغیرها و نحوه تبدیل آنها به تصمیم است.
به گفته این کارشناس بازار سرمایه، موج اصلی هوش مصنوعی در بازار سرمایه زمانی آغاز میشود که از تولید محتوا و پاسخگویی متنی عبور کنیم و AI مستقیماً وارد فرآیند تحلیل، ارزشگذاری، مدیریت ریسک، تخصیص دارایی و نظارت بر بازار شود؛ در آن نقطه، دیگر با یک ابزار جانبی مواجه نیستیم، بلکه با تغییر در معماری تصمیمگیری بازارهای مالی روبهرو خواهیم بود.
نظر شما