Kan AI forvalte porteføljen din? InvestorAI-grunnlegger Bruce Keith svarer på 'Zero Sum'

Kunstig intelligens gjør inntog i investeringsverdenen, fra hedgefond og kvantitative handelsbord til privatkunders porteføljer og automatisert ordreutførelse.

Men etter hvert som tilgangen til AI-drevne verktøy øker, melder det seg et viktigere spørsmål: kan investorer virkelig stole på en maskin med pengene sine?

Bruce Keith, administrerende direktør og medgründer av InvestorAI, mener teknologien kan forbedre måten folk investerer på dramatisk — men bare når den brukes til riktig oppgave.

På den siste episoden av Zero Sum forklarte Keith hvorfor det å be ChatGPT eller en annen stor språkmodell om å fortelle deg hva du skal kjøpe neste gang kan være feil tilnærming, hvorfor AI kan være bedre egnet til kortsiktige markedsbeslutninger enn langtidsinvesteringer, og hva investorer bør kreve før de overgir kapital til en AI-drevet strategi.

De ulike sidene ved AI-investeringer

Keiths skille mellom generell AI og formålsbygde investeringsmodeller står sentralt i diskusjonen.

Store språkmodeller trenes for å svare på spørsmål ved å bruke enorme mengder informasjon.

Det gjør dem nyttige for å forstå hva som skjedde i en portefølje, oppsummere nyheter og forklare hvorfor en verdi utviklet seg.

Men å forutsi en spesifikk markedsbevegelse er et annet problem.

Keith hevdet at effektive investeringsmodeller må identifisere gjentakende markedsmønstre, potensielle brudd (breakouts) og punkter der mønstrene endrer seg, i stedet for bare å hente informasjon som allerede er tilgjengelig på nettet.

For å gjøre dette tok selskapet hans en ukonvensjonell tilnærming: de tilpasset computer vision — samme teknologi som brukes i ansiktsgjenkjenning og selvkjørende biler — for å analysere markedsdata.

Ved å oversette massive datasett til visuelle representasjoner kan deres AI "se" komplekse breakout-mønstre som menneskelige analytikere, eller tekstbaserte LLM-er, helt ville gått glipp av.

Denne distinksjonen er viktig ettersom flere privatkunder begynner å bruke AI-chatboter som uformelle finansielle rådgivere.

Den virkelige investeringsfordelen kan være å vite når man skal gå ut

Et av Keiths mest interessante argumenter er at det å gå inn i en handel er relativt enkelt. Det vanskeligere problemet er å vite når man skal gå ut.

"Ingen sier deg når du skal gå ut."

Hans bredere poeng er at investorer har en tendens til å fokusere kraftig på å finne neste vinnerhandel, mens risikostyring ofte avgjør om disse gevinstene faktisk overlever.

Keith sa at AI er spesielt nyttig for kortsiktige beslutninger, og definerte dette tidsperspektivet som om lag to til tre måneder.

Mennesker, mener han, er fortsatt bedre egnet til langsiktige vurderinger fordi de kan arbeide med ufullstendig informasjon og innlemme faktorer som er vanskelig for maskiner å kvantifisere.

Det antyder en hybridmodell framfor en fullstendig automatisert løsning: maskiner behandler langt mer informasjon enn en individuell investor kan, samtidig som mennesker beholder ansvaret for det større bildet.

AI-investeringer trenger mer åpenhet før investorer kan stole på det

Det reiser et annet problem: hvordan skal en investor avgjøre om en AI-drevet strategi faktisk fungerer?

Keith mener bransjen trenger klarere standarder for hvordan resultater presenteres.

Investorer bør ikke være fornøyd med én enkel overskriftsfigur eller en imponerende backtest.

"Hvis det du er ute etter er konsistens — konsistente resultater, konsistent meravkastning — så må spørsmålet være hvor konsistent dette har vært?"

Han anbefaler å se først på gevinstfrekvens og beat rate (andel ganger strategien slo referansen), etterfulgt av gjennomsnittlig avkastning og maksimale drawdowns.

En strategi som vinner ofte kan fortsatt ødelegge kapital dersom tapene på tapstransaksjonene er store nok.

Implikasjonen er enkel: investorer bør vurdere et AI-verktøy omtrent som de ville vurdert en menneskelig fondsforvalter, med en verifiserbar track record, klar metodikk og forståelse for hvordan det oppfører seg både i stigende og synkende markeder.

Tilsynsmyndigheter forsøker å ta igjen for en teknologi som stadig beveger seg

Keith forventer også at regulering vil bli en viktig del av debatten om AI-investeringer.

Han sa at regulatorer i bunn og grunn ligger etter, men argumenterte for at en prinsippbasert tilnærming kan være mer effektiv enn å forsøke å skrive detaljerte regler for hver ny anvendelse.

Viktigst av alt mener han at ansvaret ikke kan outsources til maskinen.

For finansselskaper som tar i bruk AI betyr det å opprettholde menneskelig overvåking, risikokontroller og ansvarlighet selv når beslutningene i økende grad blir automatiserte.

Neste fase er AI som gjør mer enn å anbefale handler

Teknologien kan etter hvert gå lenger enn å generere signaler og bevege seg inn i utførelse.

Keith sa at automatisert ordreutførelse allerede blir mer vanlig, med AI som potensielt bestemmer når man skal handle, når man skal stoppe og når man skal pause etter tap.

Men han understreket at nødvendige risikokontroller må være bygget rundt systemet før investorer overgir betydelige kapitalbeløp.

Det kan være det reelle neste steget for AI i finansmarkedene: ikke å erstatte investorer helt, men å bli et stadig mer kraftfullt lag mellom informasjon og utførelse.

Keiths egne avsluttende investeringsanrop reflekterte denne balansen. Han nevnte indiske infrastrukturinvesteringer og JSW Steel blant sine optimistiske ideer, mens han pekte på amerikanske lederskapsaksjer som sin pessimistiske anbefaling og «å lytte til ungdommen» som sin joker.

Se hele episoden av Zero Sum for hele samtalen om AI-drevet investering, åpenhet, automatisering og hva som kreves for å stole på en maskin med ekte penger.