Ajatusjohtajat

Tekoäly Rahastojen Johtajille: Vältä Musta Rasia – Tee Tämä Sen Sijaan

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Ihmiset ovat pitkään olleet huolissaan, että he lopulta luovat teknologian, jota he eivät voi hallita – ja ainakin jossain määrin nämä huolet ovat toteutuneet. Tämä on totta myös sijoitussektorilla. Olemme kuulleet tarinoita siitä, miten tekoäly pystyy “valitsemaan voittajat” ja tekemään yöttömän rikkautta sijoittajille – mutta jopa huippututkijat usein eivät tiedä, miten tekoäly tekee noita asioita.

Tämä “musta rasia” -dilemma on merkittäviä vaikutuksia monella tasolla – mukaan lukien ennustettavuus ja riskien hallinta, tiedon saaminen siitä, milloin sijoittaa ja milloin myydä, yksi tärkeimmistä asioista. Ja se ennustettavuusongelma on erityisen akuutti rahoitusjohtamisen kannalta – erityisesti institutionaalisen sijoittamisen, jolla voi olla suuri vaikutus koko markkinoihin sekä satojen miljoonien ihmisten säästöihin ja varallisuuteen. Jos institutionaaliset sijoittajat eivät täysin ymmärrä, miten heidän tekoälyratkaisunsa toimivat, miten he (ja heidän asiakkansa) voivat luottaa siihen tekemään sijoituspäätöksiä?

Toisaalta, ei ole epäilystäkään, että tekoälyä voidaan käyttää voittojen lisäämiseen – ja tosiasia on, että monet institutionaaliset sijoittajat käyttävät sitä jo löytääkseen parempia tapoja sijoittaa organisaationsa varoja. Monet sijoittajat keskittyvät tiettyihin varoihin, käyttäen tekoälyä osto- ja myyntiajankohdissa – suurella menestyksellä.

Haasteet, jotka hidastavat tekoälyn omaksumista

Teoriassa, mitä toimii “mikrotasolla”, voisi toimia vielä paremmin “makrotasolla” – jossa tekoälyä sovelletaan laajaan valikoimaan sijoituksiin ja tehdään suosituksia valtavien tietomäärien perusteella, käyttäen konenoppimista ja muita tekoälytekniikoita vertaamaan nykyisiä markkina- ja maailman tilanteita aiempaan dataan ja määrittämään, mitkä varat ovat todennäköisesti nousevia tai laskavia hinnassa kyseisen analyysin perusteella. Tekoälyn tarjoamat mahdollisuudet ovat todella merkittäviä – mutta voimmeko luottaa mustaan tekoälylaatikkoon tuottamaan oikeat tulokset?

Monille institutionaalisille sijoittajille vastaus on todennäköisesti ei – että tekoälyn potentiaaliset hyödyt eivät ole riittäviä riskin korvaamiseksi, joka liittyy prosessiin, jota he eivät voi ymmärtää, saati selittää hallituksilleen ja asiakkailleen. Niin kauan kuin tekoäly tuottaa rahaa sijoittajalle, kukaan ei kysy selitystä – mutta jos asiat menevät pieleen, institutionaaliset sijoittajat joutuvat selittämään, miksi he tekivät tiettyjä päätöksiä. Monille instituutioille “tietokone kertoi minulle” ei ole todennäköisesti tyydyttävä vastaus.

Läpinäkyvän ja alustamaisen lähestymistavan omaksuminen

Mutta vaihtoehto – välttäminen tekoälyä – ei ole toteuttavissa. Muut instituutiot, jotka ovat vähemmän varovaisia ja käyttävät tekoälyä, tekevät todennäköisesti paremmin laajalla valikoimalla varoja – ja sitten hallitukset kysyvät sijoittajilta, miksi he jättävät potentiaaliset voitot pöydälle, jotta vastustajat voivat poimia ne.

Mutta on olemassa tapa päästä tästä dilemmasta. Sen sijaan, että he käyttäisivät tekoälyjärjestelmiä, joita he eivät voi selittää – mustia tekoälylaatikoita – he voivat käyttää tekoälyalustoja, jotka käyttävät läpinäkyviä tekniikoita, selittäen, miten ne pääsevät johtopäätöksiinsä. Tekoälyjärjestelmät tekevät syvän analyysin valtavista tietomääristä, käyttäen monimutkaisia algoritmeja tekemään suosituksia, mutta ne on ohjelmoitu ihmisten toimesta – ja nämä ihmiset voivat ohjelmoida nämä algoritmit paljastamaan tarkalleen, mitä prosesseja ne käyttävät pääsemään johtopäätöksiinsä.

Tekoäly, joka täyttää vaatimukset

Läpinäkyvät tekoälyjärjestelmät tarjoavat täydellisen polun sijoitusten tarkastamiseen – sellaisen tarkastamisen, jota institutionaaliset sijoittajat vaaditaan toimittamaan – tietojen kanssa, jotka annetaan jokaiselle sijoitusportfolion osalle. Sijoittajat voivat näin ollen ymmärtää logiikan jokaisen signaalin taustalla ja miten ne voivat hyödyttää institutionaalista portfoliota. Kaikki ennusteet eivät välttämättä toteudu – mutta ainakin sijoittajat voivat selittää, miksi yksi sijoitus onnistui ja toinen ei.

Läpinäkyvät ja ymmärrettävät tekoälyjärjestelmät ovat jotain, mitä sijoitusyhtiöiden tulisi myös harkita mahdollisten sääntelyvaatimusten valossa. Hallituksen sääntely rahastamisen ja sisäpiirin kaupan kaltaisissa asioissa on muuttunut merkittävästi tiukemmaksi viime vuosina, ja sijoitusjohtajat, erityisesti suurempien instituutioiden, on todennäköisesti pyydetty sääntelijöiltä selittämään sijoitusstrategioitaan – ja todennäköisyys tämän tapahtumiselle on vielä suurempi johtajille, jotka käyttävät edistynyttä tekoälyä. Läpinäkyvällä tekoälyllä johtajat voivat nopeasti ja tehokkaasti dokumentoida sijoitusstrategioitaan, tarjoten varmuuden siitä, että vaikka he tekivät merkittäviä voittoja, ne voitot saavutettiin ilman sääntöjen rikkomista.

Tällaisella järjestelmällä sijoittajat voivat hyödyntää tekoälyn tarjoamia etuja – ja he voivat olla varmoja, että he pystyvät selittämään niille, joille he ovat vastuussa, miksi he tekivät mitä tekivät. Sijoitusjohtajat voivat hyödyntää tekoälyn voimaa osoittamaan ja kaappaamaan alfan sijoitusväittämisissään – johtaen uuteen sijoitusparadigmaan, jossa johtajat voivat tehdä älykkäämpiä ja turvallisempia valintoja – tukena voimakkaat algoritmit, jotka auttavat heitä menestymään. Tällainen lähestymistapa tekee tekoälystä todella muuntavan teknologian institutionaaliselle sijoittamiselle.

Tohtori Anna Becker on EndoTech.io:n toimitusjohtaja ja perustaja, jossa hän johtaa AI/ML-tiimien työtä. Annan syväoppimisalgoritmit ovat hallinneet lähes miljardin dollarin sijoituksia (AuM) ja niitä on käytetty institutionaalisten varojen hallinnassa yli vuosikymmenen ajan. Anna on suorittanut AI-tutkinnon Technionin teknillisen korkeakoulun Israelissa ja on perustanut ja myynyt useita AI-yrityksiä FinTech-alalla, mukaan lukien Strategy Runner.