تاثیر هوش مصنوعی در بازارهای مالی چیست؟

به گفته‌ی یکی از صنعت‌گران بازار بورس: هوش مصنوعی برای معامله گران مانند آتش برای انسان‌های غارنشین است! معنی این جمله این‌ است که به زودی هوش مصنوعی بازارهای مالی را دگرگون خواهد کرد. با این‌که هنوز هم انسان‌ها بیش‌ترین معامله گران بازارهای مالی هستند اما هوش مصنوعی نیز به میدان آمده و نقش پررنگی را ایفا می‌کند. در آخرین تحقیقات صورت گرفته‌ی یک شرکت تحقیقاتی در انگلستان، معاملات الکترونیکی ۴۵ درصد سود حاصل از دارایی‌های نقدی را بر عهده دارند. با این‌که صندوق‌های تامین مالی تمایل زیادی به خودکارسازی ندارند، بسیاری از آن‌ها از تحلیل‌های مبنی بر هوش مصنوعی برای شکل‌دهی ایده‌های سرمایه گذاری و سبد سهامی خود استفاده می‌کنند. در ادامه با مبانی بازارهای مالی و سپس نقش هوش مصنوعی در پیش‌بینی‌ آن‌ها می‌پردازیم

بازار سهام و بورس چیست؟

بازار سهام جایی است که شما در هریک از روزهای کاری سهام شرکت‌ها را خرید، فروش و معامله می‌کنید. این بازار شامل مجموعه‌ای از شرکت‌ها در تمامی صنایع است که خریداران و فروشنده‌ها قیمت‌ها را تعین کرده و با هم معامله می‌کنند. سرمایه ‌گذاران این سهم‌ها را بین خودشان خرید و فروش می‌کنند و شرکت‌های بورس، مانند بورس نیویورک، وظیفه‌ی ردیابی و تنظیم عرضه و تقاضای همه‌ی این سهام را دارند. سهام بیان‌گر مالکیت یک شرکت است که به واحدهای کوچکی تقسیم‌ می‌شود. با تقسیم سهام به واحدهای کوچک‌تر مردم می‌توانند به درصدی از آن سهام دست‌ یابند.

مهم‌ترین روش‌های تحلیل بازارهای مالی

بازارهای مالی به دو دسته تحلیل تکنیکال (فنی) و تحلیل بنیادی (اساسی) تقسیم می‌شوند. تحلیل تکنیکال به ارزیابی سوابق قیمتی نمودارها می‌پردازد. تکنیکالیست‌ها بر این باورند که همه چیز در قیمت منعکس شده است زیرا نمودارها حاصل میلیون‌ها معامله و رویداد درون شرکت‌ها هستند. با استفاده از الگوهای نموداری و ابزارهای تحلیلی مانند اندیکاتورها، حد سود و حد ضرر و همچنین نقطه‌ی ورود، معامله‌گران تکنیکال تصمیم‌گیری می‌کنند. بیشتر پیشرفت‌های هوش مصنوعی در حوزه بورس بر تحلیل تکنیکال متمرکز است زیرا استخراج داده‌ها و یافتن الگوها و استراتژی‌های معاملاتی از روی قیمت بسیار ساده‌تر از تحلیل مسائل بنیادی اقتصادی است.

تحلیل بنیادی به مطالعه‌ی جنبه‌های اقتصادی شرکت‌ها می‌پردازد که شامل تجزیه‌ی صورت‌های مالی شرکت، اخبار اقتصادی،‌ شاخص‌های اقتصادی مهم، سود و زیان محاسبه شده‌ی شرکت‌ و بسیاری از موارد دیگر است. تحلیل اخبار اقتصادی و سیاسی مانند توییت‌های سیاست‌مداران سطح بالا نیز جزو تحلیل بنیادی به شمار می‌رود. خیلی شاهد این بودیم که با یک توییت ترامپ تا چند روز شاخص بورس آمریکا منفی و یا مثبت می‌شود. امروزه با پیشرفت هوش مصنوعی و پردازش زبان طبیعی (Natural Language Processing) به تازگی پای هوش مصنوعی در تحلیل بنیادی نیز باز شده است. اگرچه ورود هوش مصنوعی در این حوزه هنوز نیاز به بهبود و پیشرفت زیادی دارد تا بتواند از همه‌ی منابع اقتصادی، صورت‌های مالی، اخبار اقتصادی و سایر منابع مالی داده‌ها را استخراج کند، تحلیل کند و بر مبنایش معامله کند.

سرمایه گذاری در بازارهای مالی

پس از آشنایی با نحوه حرکت بازار سهام، بسیاری تصور می‌کنند که سرمایه‌گذاری و معامله‌گری یکسان هستند؛ چراکه هدف هر دو کسب سود است. اما شیوه سودآوری این دو روش کاملاً متفاوت است. به طور خلاصه، سرمایه‌گذاری یک فرآیند بلندمدت است در حالی که معامله‌گری به دنبال سود کوتاه‌مدت است. سرمایه‌گذاری ابزاری برای ایجاد ثروت در بلندمدت محسوب می‌شود. هنگامی که فردی در یک شرکت سرمایه‌گذاری می‌کند، انتظار دارد ارزش سهام آن شرکت طی چند سال یا حتی چند دهه افزایش یابد. این امر نیازمند صبر و انضباط ذهنی فراوانی است تا بتوان نوسانات بازار را تحمل کرد. سرمایه‌گذاری می‌تواند ثروت قابل توجهی را برای دوران بازنشستگی شما فراهم آورد، ثروتی که بسیار بیشتر از سود سپرده‌های بانکی یا پس‌انداز شخصی شما خواهد بود.

امروزه هوش مصنوعی و سیستم‌های خودکار معامله‌گری بیشتر در معامله‌گری مورد استفاده قرار می‌گیرند، زیرا تحلیل تکنیکال در معامله‌گری بسیار برجسته است. با این حال، اخیراً از سیستم‌های هوش مصنوعی در سرمایه‌گذاری نیز بهره گرفته می‌شود. این سیستم‌ها با بررسی اطلاعات بنیادی و داده‌های موجود از میان هزاران شرکت، بهترین‌ها را انتخاب می‌کنند. همچنین در فرآیند مدیریت سبد سرمایه‌گذاری نیز از این الگوریتم‌ها برای سرمایه‌گذاری بهینه استفاده می‌گردد.

شاید شنیدن فرآیند سرمایه‌گذاری برایتان خسته‌کننده باشد. احتمالاً نمی‌خواهید در 30 سال آینده ثروتمند شوید؛ بلکه می‌خواهید همین الان به نتیجه برسید. نگران نباشید، زیرا در این صورت شما را با معامله‌گری آشنا خواهیم کرد.

معامله گری در بازارهای مالی

معامله گری در بازار سهام برای به دست آوردن پول در کوتاه مدت استفاده می‌شود. و معامله گران در بازه‌های زمانی کوتاه در چند هفته، روز، دقیقه و گاهی در چند ثانیه وارد یک معامله شده و با کسب سود متناسب از آن خارج می‌شوند. تصور کنید در ۳۰ ثانیه بتوانید ۴۰۰ دلار سود کنید که بسیار فوق العاده است!

این جمله را از معامله گران زیادی می‌شنوید. شاید شما با خود بگویید چه عالی اگر در ۳۰ ثانیه ۴۰۰ دلار سود در انتظار است من نیز معامله می‌کنم. باید گفت که برای شروع در این حرفه نیاز به تحلیل سهام، تجربه‌ی کافی، برنامه ریزی و البته سرمایه‌ی لازم است. معامله گران بسته به بازه‌های زمانی که در بازار فعالیت دارند به گروه‌های مختلفی تقسیم می‌شوند. اسکالپرها (scalpers) در چند دقیقه و حتی چند ثانیه معامله می‌کنند، معامله گرانی فقط در طول روز معامله کرده و قبل از پایان ساعت کاری آن روز از معامله خارج می‌شوند و دسته‌ی دیگری نیز تا چند روز معاملات خود را باز نگه می‌دارند.

بازارهای مالی هم‌چنین دسته بندی‌های مختلفی دارند که بسته به نوع معامله گری و ریسک پذیری افراد انتخاب می‌شوند. بعضی بازارها یک طرفه هستند و فقط با رشد قیمتی شما سود می‌کنید و بعضی بازارها دوطرفه هستند به این معنی که چه قیمت پایین برود و چه بالا شما می‌توانید منتفع شوید.

معامله گران می‌توانند به جز معامله‌ی سهام، شاخص‌های قیمتی، کالاهای گوناگون و جفت ارزها (در بازار Forex) را نیز خرید‌و‌فروش کنند. یکی از مزایای معامله گری امکان ضریب اهرمی (leverage) از سوی کارگزاری‌ها در برخی معاملات است. ضریب اهرمی با اینکه ریسک معامله را افزایش می‌دهد ولی برای تحلیل‌گران حرفه‌ای سودهای حداکثری را به همراه دارد.

سیستم‌های بسیار متنوع و پیشرفته‌ای به کمک هوشمندسازی و خودکارسازی تحلیل تکنیکال و معامله گری آمده‌اند. این الگوریتم‌ها و سیستم‌ها با تجزیه‌ و تحلیل قیمت‌ها و هم‌چنین استفاده از ابزارهای تحلیلی مانند اندیکاتورها، میانگین‌های حرکتی، حجم معاملات، الگوهای قیمتی و سایر موارد به شما یک ربات معامله‌گر تحویل می‌دهند. این ربات‌ها باید بتوانند یک سیستم معاملاتی را شکل دهند، مدیریت سرمایه را اعمال کنند و نتایج به دست آمده را گزارش دهند. این خدمات هم چنین در بانکداری، مباحث مالی و هوش تجاری نیز مورد استفاده قرار می‌گیرند.

چگونه هوش مصنوعی بورس را پیش‌بینی می‌کند؟

به چندین روش هوش مصنوعی به پیش‌بینی بازارهای مالی کمک می‌کند که در ادامه با چند تا از آن‌ها آشنا می‌شویم.

۱ کشف الگوها

رایانه‌های بسیار قدرت‌مند می‌توانند داده‌های بی‌شماری را در چند دقیقه تحلیل کنند؛ بنابراین می‌توانند الگوهای تاریخی و تکرارپذیر را شناسایی کنند. شناسایی این الگوها به معامله‌گری هوشمند منجر می‌شود، الگوهایی که اغلب از نگاه افراد سرمایه گذار مخفی می‌مانند. انسان‌ها نمی‌توانند همه‌ی این داده‌ها را تحلیل کنند و با همان سرعت همه‌ی این الگوها را شناسایی کنند. تصور کنید هوش مصنوعی می‌تواند هزاران شرکت را در چند لحظه بررسی کند. خبرگزاری CNN می‌گوید: وقتی صحبت از معامله گری با داده‌‌های انبوه می‌شود، بعضی از صندوق‌های تامین سرمایه‌ی مالی از هوش مصنوعی برای رمزگشایی ۳۰۰ میلیون داده‌ی قیمتی در بورس نیویورک در ساعات ابتدائی روز استفاده می‌کنند. هم‌چنین تشخیص روند بازار و بهبود تجربه‌ی کاربری برای معامله گران از دیگر خدمات هوش مصنوعی در بازارهای بورس است.

۲ معامله بر اساس اخبار اقتصادی

با تحلیل عنوان اخبار، نظرات شبکه‌های اجتماعی و بلاگ‌ها و … هوش مصنوعی می‌تواند مسیر حرکتی سهام را پیش‌بینی کند. این پیش‌بینی با استفاده از تحلیل متن و الگوریتم‌های پردازش زبان طبیعی صورت می‌پذیرد. این الگوریتم‌ها با تعلیم دادن هزاران داده‌ی متنی به دنبال موارد مشابه و منظم می‌گردد که بیش‌ترین صحت را دارند.

۳ سرعت بخشیدن به معامله گری

با اینکه این یک ویژگی انقلابی نیست اما سرعت معامله گری را افزایش می‌دهد زیرا امروزه هر میلی ثانیه ارزش دارد. هوش مصنوعی یعنی خودکارسازی معاملات، بدون این‌که حتی بخواهید برای دریافت نرم‌افزار با کارگزاری خود تماس بگیرید.

چگونه هوش مصنوعی بورس نزدک (Nasdaq) آمریکا را محافظت می‌کند؟

برای اولین بار بورس نزدک آمریکا با اعمال هوش مصنوعی، اقدام به شناسایی معاملات غیر عادی و تبهکارانه کره است. نسخه‌ی اولیه‌ی آن با هدف قوی کردن و متحول کردن نظارت بر بازارهای مالی با استفاده از هوش مصنوعی و یادگیری ماشین منتشر شد. مارتینا رجسجو، مدیر ارشد نظارت (CRO) در بازار نزدک، گفت: بازارهای سرمایه‌ی آمریکا بزرگ‌ترین و چابک‌ترین اکوسیستم مالی در دنیا به شمار می‌روند؛ لذا محافظت از این بازارها برای استفاده‌ی سرمایه گذاران خرد و کلان امری بسیار حیاتی است. به همین دلیل نیاز است که ما همواره از فناوری‌های روز دنیا اهرمی بسازیم برای نظارت بر معاملات بورس. با کمک از هوش مصنوعی در سیستم‌های نظارتی، ما قابلیت‌های شناسایی جرم دقیق‌تر و رصد گسترده‌تر بازار در جهت بهبود صحت بازارهای مالی را خواهیم داشت.

جدیدترین فناوری‌هایی که کمک می‌کنند یادگیری ماشین و هوش مصنوعی بورس را محافظت کنند، شامل یادگیری عمیق(deep learning)، یادگیری انتقالی (transfer learning) و یادگیری انسان محور (human-in-the-loop learning) است. یادگیری عمیق به کامپیوترها اجازه می‌دهد که تعلیم ببینند، چه با نظارت و چه بدون نظارت انسان‌ها. این تعلیم دیدن با استفاده از الگوهای پیچیده، شبکه‌های عصبی(neural networks) و ارتباطات مخفی در مراکز داده‌ی عظیم شکل می‌گیرد.

یادگیری انتقالی با نگاه به مدل‌سازی‌های شکل گرفته در گذشته، به خلق مدل‌های جدید می‌پردازد. از سوی دیگر یادگیری انسان محور اجازه می‌دهد که تحلیل‌گران بتوانند به طور موثر، تجربیات و تخصص خود را با ماشین‌‌ها در میان بگذارند. یادگیری انسان‌ محور به متخصصان انسانی اجازه می‌دهد زمان و تلاش خود را صرف تحقیقات بازار و بررسی و راستی آزمایی شواهد کنند. امروزه تیم نظارت بر بازار سهام نزدک آمریکا سالانه بیش از ۷۵۰۰۰۰ هشدار را بررسی می‌کند و موارد مشکوک مانند حرکات غیرعادی قیمت‌ها، خطاهای معاملاتی و دست‌کاری‌های احتمالی را شناسایی می‌کند.

شرکت‌هایی که با هوش مصنوعی بورس را تحلیل می‌کنند

در ادامه برخی از مهم‌ترین شرکت‌های فعال در حوزه‌ی هوش مصنوعی و بازارهای مالی را بررسی می‌کنیم و می‌بینیم که چگونه از هوش مصنوعی برای سود‌آوری خود و مشتریانشان بهره می‌برند.

• شرکت TRADING TECHNOLOGIES در شیکاگو

Trading Technologies صاحب یک پلتفرم هوش مصنوعی است که الگوهای معاملاتی پیچیده را در مقیاس عظیمی از بازارهای چندگانه‌ی مالی و بی‌درنگ (real-time) شناسایی می‌کند. با ترکیب فناوری یادگیری ماشین و قدرت پردازشی سریع داده‌های بزرگ (big data)، این شرکت به مشتریان خود ارزیابی مداومی از ریسک همکاری با ‌‌آن‌ها را ارائه می‌دهد.

• شرکت GREENKEY TECHNOLOGIES در شیکاگو

این شرکت با استفاده از فناوری‌های تشخیص صدا (speech recognition) و پردازش زبان طبیعی (NLP) به کمک معامله‌گران می‌آید. این فناوری‌ها زمان زیادی برای معامله‌گران ذخیره می‌کنند و به جای آن‌ها در مکالمات، داده‌ها و صورت‌های مالی شرکت‌ها کاوش می‌کنند. با پلتفرم شرکت GreenKey Technologies، متخصصان مالی به کمک هوش مصنوعی می‌توانند بی‌درنگ (real-time) صورت‌های مالی شرکت‌ها را تحلیل کنند و شرکت‌های رو‌به‌رشد را شناسایی کنند.

• شرکت KAVOUT در سیاتل واشگتن

این شرکت محصولی به نام «K Score» دارد که خود زیرمجموعه‌ی پلتفرم هوش مصنوعی کای (kai) از همین شرکت است. K Score با پردازش مجموعه‌های عظیم و متنوع داده و اجرای مدل‌های پیش‌بینی کننده‌ی مختلف می‌تواند سهام شرکت‌ها را امتیازدهی کند. با استفاده از هوش مصنوعی ،فناوری تشخیص الگو و موتور پیش‌بینی قیمت، Kavout هر روز بهترین شرکت‌های پیشنهادی را مشخص می‌کند.

• شرکت AITRADING در لندن انگلستان

این استارت‌آپ با ترکیب هوش مصنوعی و جامعه‌ی معامله‌گری کمک می‌کند سود بیشتری کسب شود. AITrading بازارهای مالی را رصد می‌کند تا بتواند فرصت‌های بهینه‌ی معامله‌گری را شکار کند. این معاملات با استفاده از قراردهای هوشمند مبتنی بر بلاک‌چین انجام می‌شوند. همه‌ی معاملات وارد بلاک‌چین شده و غیر قابل تغییر و دست‌کاری هستند.

• شرکت SENTIENT INVESTMENT MANAGEMENT در سان‌فرانسیسکو کالیفرنیا

شرکت Sentient با استفاده از هوش مصنوعی هم در معامله‌گری و هم در سرمایه گذاری به طراحی استراتژی کمک می‌کند. با ترکیب فناوری‌های انقلابی و الگوریتم‌های یادگیری عمیق، این سیستم هوش مصنوعی به صورت مداوم پردازش می‌کند و استراتژی‌های جدیدی را توسعه می‌دهد.

• شرکت INFINITE ALPHA در لندن انگلستان

Infinite Alpha از هوش مصنوعی برای تسهیل معاملات دارایی‌های رمزنگاری شده (crypto-asset trading) استفاده می‌کند. هم‌چنین این شرکت با ارائه‌ی خدماتی مانند احراز هویت پیشرفته، رمزنگاری، ایمن‌سازی واحدهای سخت‌افزاری و …  به متخصصان معامله‌گری خدمات امنیتی ارائه می‌کند. با استفاده از رابط کاربری داشبورد این پلتفرم، کاربران می‌توانند به راحتی به جزئیات حساب، موجودی و تاریخ تراکنش‌هایشان دسترسی داشته باشند.

• شرکت TECHTRADER در سان‌فرانسیسکو کالیفرنیا

Techtrader یک سیستم معاملاتی سهام کاملا خودمختار است و به هیچ مداخله‌ای از طرف انسان‌ها نیاز ندارد؛ در ضمن این سیستم هفت سال است که فعالیت می‌کند. بدون نیاز به تنظیم و به‌روزرسانی، این سیستم تفکرات انسانی حاکم بر بازار را با نظم و گستره‌ی نفوذ ماشین‌ها ادغام می‌کند. طبق ادعای این شرکت، کار آن‌ها معادل گماشتن هزاران معامله‌گر و تمرکز هر یک از آن معامله‌گران فقط روی یک سهام است.

• شرکت TRADE IDEAS در سان‌دیگو کالیفرنیا

Trade Ideas صاحب یک پلتفرم ربات معامله‌گر به نام «Holly» است که از هوش مصنوعی بهره می‌برد. این پلتفرم چندین الگوریتم سرمایه‌گذاری و بیش از یک میلیون استراتژی مختلف معاملاتی را بررسی می‌کند تا در مراحل آینده‌ی شرکت احتمال سودآوری را افزایش دهد. فقط استراتژی‌هایی که درصد موفقیت ۶۰ به بالا و نسبت سود به ریسک ۲ به بالا داشته باشند به مشتریان پیشنهاد می‌شوند.

بعضی نا‌کارامدی‌های هوش مصنوعی بورس را ریسک‌پذیر می‌کند

چه کسی مسئول اشتباهات احتمالی سیستم‌های هوش مصنوعی خواهد بود؟ این سیستم‌ها نیز همانند انسان‌ها در ابتدا مبتدی هستند و با گذشت زمان، آموزش می‌بینند، سعی و خطا می‌کنند و پیشرفت می‌نمایند. اما اگر در این فرآیند، نتیجه نهایی با زیان همراه باشد، چه کسی باید پاسخگو باشد؟ با وجود تمامی پیشرفت‌های صورت گرفته و خدمات هوش مصنوعی در بازارهای مالی، باید بپذیریم که هنوز فاصله زیادی تا حذف کامل نقش انسان‌ها و واگذاری آن به هوش مصنوعی داریم. در معامله‌گری، یک مثلث طلایی وجود دارد که شامل استراتژی، مدیریت سرمایه و روانشناسی بازار است. هوش مصنوعی در دو ضلع اول نفوذ کرده است، اما ضلع روانشناسی بازار حداقل تا آینده نزدیک تنها توسط انسان‌ها قابل درک خواهد بود.

بحران‌هایی در سطح جهان رخ می‌دهد که همانند کرونا، جنگ و تصمیمات سیاستمداران بر بازار تأثیرگذار هستند. بسیاری از متخصصان تاکنون قادر به پیش‌بینی این بحران‌ها قبل از وقوع نبوده‌اند؛ اما آیا هوش مصنوعی می‌تواند با این بحران‌ها مقابله کند؟ از سوی دیگر، معاملات کوتاه‌مدت و نوسان‌گیری بسیار دشوار است و علاوه بر آن، باید کارمزد معاملات نیز در نظر گرفته شود.

گاهی اوقات، میزان سود معاملات با کارمزدی که توسط کارگزاری‌ها و سازمان‌های بورسی دریافت می‌شود، خنثی می‌گردد؛ البته در صورتی که معامله سودده باشد. حال تصور کنید که علاوه بر کارمزد معاملات، باید درصدی از سود را نیز به شرکت‌های هوش مصنوعی پرداخت نمایید. در نتیجه، با افزایش تعداد معاملات و کاهش زمان هر معامله، میزان ریسک ربات‌های معامله‌گر هوش مصنوعی افزایش می‌یابد. در نهایت باید توجه داشت که معامله‌گری همواره بر اساس احتمال است و نه قطعیت؛ بنابراین نباید انتظار دقت و سودآوری صددرصد را از سیستم‌های هوش مصنوعی و حتی تحلیل‌گران حرفه‌ای داشت.