Czy AI może zarządzać Twoim portfelem? Bruce Keith z InvestorAI w 'Zero Sum'

Sztuczna inteligencja wkracza coraz głębiej w inwestowanie — od funduszy hedgingowych i biur tradingu ilościowego po portfele inwestorów detalicznych i automatyczną realizację zleceń.

Jednak w miarę jak rośnie dostęp do narzędzi opartych na AI, pojawia się ważniejsze pytanie: czy inwestorzy mogą naprawdę powierzyć maszynie swoje pieniądze?

Bruce Keith, CEO i współzałożyciel InvestorAI, uważa, że technologia może znacząco poprawić sposób, w jaki ludzie inwestują, ale tylko jeśli jest stosowana do właściwych zadań.

W najnowszym odcinku Zero Sum Keith wyjaśnił, dlaczego proszenie ChatGPT lub innego dużego modelu językowego o wskazanie, co kupić następne, może być błędnym podejściem, dlaczego AI może być lepsze przy decyzjach krótkoterminowych niż przy inwestowaniu długoterminowym oraz czego inwestorzy powinni wymagać, zanim powierzą kapitał strategii sterowanej przez AI.

Różne aspekty inwestowania z wykorzystaniem AI

Rozróżnienie Keitha między AI ogólnego przeznaczenia a modelami zaprojektowanymi specjalnie do inwestowania jest kluczowe dla tej dyskusji.

Duże modele językowe są uczone odpowiadania na pytania przy użyciu ogromnych ilości informacji.

To sprawia, że są przydatne do zrozumienia, co wydarzyło się w portfelu, streszczania wiadomości i wyjaśniania, dlaczego cena aktywa uległa zmianie.

Ale prognozowanie konkretnego ruchu na rynku to inna kwestia.

Keith twierdzi, że skuteczne modele inwestycyjne muszą identyfikować powtarzające się wzorce rynkowe, potencjalne wybicia oraz momenty, w których te wzorce się zmieniają, zamiast jedynie pobierać informacje już dostępne w sieci.

Aby to osiągnąć, jego firma zastosowała niekonwencjonalne podejście: adaptując widzenie komputerowe — tę samą technologię wykorzystywaną w rozpoznawaniu twarzy i samochodach autonomicznych — do analizowania danych rynkowych.

Przekształcając ogromne zbiory danych w reprezentacje wizualne, ich AI potrafi „zobaczyć” złożone wzorce wybicia, które analitycy ludźcy lub modele tekstowe całkowicie by przeoczyły.

To rozróżnienie ma znaczenie, ponieważ coraz więcej inwestorów detalicznych zaczyna traktować chatboty AI jak nieformalnych doradców finansowych.

Prawdziwą przewagą inwestycyjną może być wiedza, kiedy wyjść

Jednym z najciekawszych argumentów Keitha jest to, że wejście w transakcję jest stosunkowo proste. Trudniejszym problemem jest wiedza, kiedy z niej wyjść.

„Nikt ci nie mówi, kiedy wyjść.”

Jego szerszy wniosek jest taki, że inwestorzy koncentrują się na znalezieniu następnej zwycięskiej transakcji, podczas gdy zarządzanie ryzykiem często decyduje o tym, czy te zyski przetrwają.

Keith mówi, że AI jest szczególnie przydatne przy decyzjach krótkoterminowych, definiując ten horyzont na mniej więcej dwa–trzy miesiące.

W jego opinii ludzie wciąż są lepiej przystosowani do ocen długoterminowych, ponieważ potrafią działać przy niepełnych informacjach i uwzględniać czynniki trudne do zakwantyfikowania dla maszyn.

To sugeruje model hybrydowy zamiast w pełni zautomatyzowanego: maszyny przetwarzają znacznie więcej informacji niż pojedynczy inwestor, podczas gdy ludzie zachowują odpowiedzialność za szerszy obraz.

Inwestowanie z wykorzystaniem AI wymaga większej przejrzystości, zanim inwestorzy mu zaufają

To rodzi kolejny problem: jak inwestor ma ocenić, czy strategia oparta na AI faktycznie działa?

Keith twierdzi, że branża potrzebuje jaśniejszych standardów prezentacji wyników.

Inwestorzy nie powinni zadowalać się pojedynczą liczbą podaną w nagłówku ani imponująco wyglądającym backtestem.

„Jeśli szukasz spójności — spójności wyników, spójności przewagi — pytanie brzmi: jak spójny był ten mechanizm?”

Zaleca najpierw przyjrzeć się wskaźnikowi trafień (win rate) i częstotliwości pokonywania benchmarku (beat rate), a następnie średnim stopom zwrotu i obsunięciom.

Strategia, która często wygrywa, może mimo to zniszczyć kapitał, jeśli przegrane transakcje są wystarczająco duże.

Implikacja jest prosta: inwestorzy powinni oceniać narzędzie AI podobnie jak menedżera funduszu — po zweryfikowanej historii wyników, jasnej metodologii i zrozumieniu, jak zachowuje się w rynkach rosnących i spadających.

Regulatorzy próbują nadążyć za technologią, która nieustannie się rozwija

Keith oczekuje również, że regulacje staną się istotnym elementem debaty o inwestowaniu z użyciem AI.

Powiedział, że regulatorzy z natury gonią za zmianami, ale argumentował, że podejście oparte na zasadach może być skuteczniejsze niż próby pisania szczegółowych przepisów dla każdej nowej aplikacji.

Co najważniejsze, uważa, że odpowiedzialności nie można przekazać maszynie.

Dla firm finansowych wdrażających AI oznacza to utrzymanie nadzoru ludzkiego, kontroli ryzyka i odpowiedzialności, nawet gdy decyzje są coraz bardziej zautomatyzowane.

Następna faza to AI, które robi więcej niż tylko rekomendować transakcje

Technologia w końcu mogłaby wyjść poza generowanie sygnałów i zająć się realizacją zleceń.

Keith stwierdził, że automatyczna egzekucja staje się już coraz powszechniejsza, a AI potencjalnie może decydować, kiedy handlować, kiedy zamknąć pozycję i kiedy przerwać działanie po stratach.

Ale podkreślił, że niezbędne kontrole ryzyka muszą być zbudowane wokół systemu zanim inwestorzy powierzą mu istotne kwoty kapitału.

To może być prawdziwy następny krok AI na rynkach finansowych: nie zastępowanie inwestorów w całości, lecz stawanie się coraz potężniejszą warstwą pośredniczącą między informacją a realizacją.

Rekomendacje końcowe Keitha odzwierciedlały to zrównoważenie. Wśród jego byczych typów wymienił wydatki infrastrukturalne Indii i JSW Steel, natomiast jako swoją niedźwiedzią prognozę wskazał US Leadership, a jako dziką kartę — „słuchanie młodzieży”.

Obejrzyj cały odcinek Zero Sum, aby poznać całą rozmowę o inwestowaniu wspieranym AI, przejrzystości, automatyzacji i o tym, co jest potrzebne, by zaufać maszynie prawdziwymi pieniędzmi.