Kan AI styre din portefølje? InvestorAIs Bruce Keith svarer i 'Zero Sum'

Kunstig intelligens trænger dybere ind i investeringer, fra hedgefonde og kvantitative trading-afdelinger til detailinvestorers porteføljer og automatiseret udførelse.

Men efterhånden som adgangen til AI-drevne værktøjer vokser, opstår et vigtigere spørgsmål: kan investorer virkelig have tillid til en maskine med deres penge?

Bruce Keith, CEO og medstifter af InvestorAI, mener, at teknologien dramatisk kan forbedre måden folk investerer på, men kun når den anvendes til det rette formål.

I den seneste episode af Zero Sum forklarede Keith, hvorfor det kan være forkert at bede ChatGPT eller en anden stor sprogmodel fortælle dig, hvad du skal købe næste gang, hvorfor AI kan være bedre til kortsigtede markedsbeslutninger end til langsigtet investering, og hvad investorer bør kræve, før de overdrager kapital til en AI-drevet strategi.

De forskellige aspekter af AI-investering

Keiths skelnen mellem generel AI og specialbyggede investeringsmodeller er central for diskussionen.

Store sprogmodeller er trænet til at besvare spørgsmål ved hjælp af enorme mængder information.

Det gør dem nyttige til at forstå, hvad der skete i en portefølje, opsummere nyheder og forklare, hvorfor et aktiv bevægede sig.

Men at forudsige en konkret markedsbevægelse er et andet problem.

Keith hævdede, at effektive investeringsmodeller skal identificere tilbagevendende markedsmønstre, potentielle udbrud (breakouts) og tidspunkter, hvor disse mønstre ændrer sig, i stedet for blot at hente information, der allerede findes online.

For at gøre dette tog hans firma en utraditionel tilgang: at tilpasse computer vision — den samme teknologi, der bruges i ansigtsgenkendelse og selvkørende biler — til at analysere markedsdata.

Ved at omsætte massive datamængder til visuelle repræsentationer kan deres AI "se" komplekse udbrudsmønstre, som menneskelige analytikere eller tekstbaserede sprogmodeller ville overse.

Den skelnen er vigtig, efterhånden som flere detailinvestorer begynder at betragte AI-chatbots som uformelle finansielle rådgivere.

Den reelle investeringsfordel kan være at vide, hvornår man skal komme ud

Et af Keiths mest interessante argumenter er, at det er relativt let at gå ind i en handel. Det sværere problem er at vide, hvornår man skal gå ud.

"Ingen fortæller dig, hvornår du skal gå ud."

Hans overordnede pointe er, at investorer har en tendens til at fokusere kraftigt på at finde den næste vindende handel, mens risikostyring ofte afgør, om disse gevinster faktisk holder.

Keith sagde, at AI er særligt nyttig til kortsigtede beslutninger og definerede det tidsvindue som cirka to til tre måneder.

Mennesker er efter hans opfattelse fortsat bedre egnet til langsigtede vurderinger, fordi de kan arbejde med ufuldstændig information og inddrage faktorer, som er svære for maskiner at kvantificere.

Det peger på en hybridmodel frem for en fuldt automatiseret løsning: maskiner kan behandle langt mere information end en enkelt investor, mens mennesker bevarer ansvaret for det overordnede billede.

AI-investering kræver mere gennemsigtighed, før investorer kan have tillid til det

Det rejser et andet problem: hvordan kan en investor afgøre, om en AI-drevet strategi faktisk virker?

Keith mener, at branchen har brug for klarere standarder for, hvordan performance præsenteres.

Investorer bør ikke være tilfredse med et enkelt overskriftstal eller en imponerende bagudkørsel (backtest).

"Hvis det, du søger, er konsistens — konsistens i output, konsistens i merafkast — så må spørgsmålet være: hvor konsekvent har denne ting været?"

Han anbefaler først at se på gevinstraten (win rate) og beat-raten, efterfulgt af gennemsnitlige afkast og drawdowns.

En strategi, der vinder ofte, kan stadig ødelægge kapital, hvis dens tabende handler er tilstrækkeligt store.

Konsekvensen er klar: investorer bør vurdere et AI-værktøj på samme måde, som de ville vurdere en menneskelig fondsforvalter — med et verificerbart track record, en klar metode og en forståelse for, hvordan det opfører sig i både stigende og faldende markeder.

Tilsynsmyndighederne forsøger at indhente en teknologi, der hele tiden bevæger sig

Keith forventer også, at regulering vil blive en væsentlig del af debatten om AI-investering.

Han sagde, at regulatorer i sagens natur forsøger at indhente udviklingen, men hævdede, at en principbaseret tilgang kan være mere effektiv end at forsøge at skrive detaljerede regler for hver ny anvendelse.

Vigtigst af alt mener han, at ansvar ikke kan outsources til maskinen.

For finansielle virksomheder, der implementerer AI, betyder det at opretholde menneskelig overvågning, risikokontroller og ansvarlighed, selv når beslutninger i stigende grad automatiseres.

Næste fase er AI, der gør mere end at anbefale handler

Teknologien kan i sidste ende rykke sig fra blot at generere signaler til også at håndtere eksekvering.

Keith sagde, at automatiseret eksekvering allerede bliver mere almindeligt, hvor AI potentielt kan beslutte, hvornår der skal handles, hvornår der skal stoppes, og hvornår der skal pauses efter tab.

Men han betonede, at de nødvendige risikokontroller skal være opbygget omkring systemet, før investorer overlader betydelige kapitalandele til det.

Det kan være det reelle næste skridt for AI på finansmarkederne: ikke at erstatte investorer fuldstændigt, men at blive et stadigt mere effektivt lag mellem information og eksekvering.

Keiths egne afsluttende investeringsanbefalinger afspejlede denne balance. Han nævnte indiske infrastrukturelle investeringer og JSW Steel blandt sine optimistiske idéer, mens han pegede på førende amerikanske aktier som sin pessimistiske vurdering og "at lytte til de unge" som sit wildcard.

Se hele episoden af Zero Sum for hele samtalen om AI-drevet investering, gennemsigtighed, automatisering og hvad der skal til for at have tillid til en maskine med rigtige penge.