Nelze popřít, že rok 2020 byl mimořádně náročným rokem. Málokdo ale ví, že slibované výnosy neodkázali splnit ani slavní manažeři investic. Museli přiznat, že jejich aktivní řízené investiční modely selhaly a že se snaží jejich vylepšit. Jde však jen o iluzi změn, spíše je to taktika založená na naději, že klienti zůstanou ze setrvačnosti, nebo jednoduše se na ně usměje štěstí. Existuje však i jiná možnost. Umělá inteligence.
Pro upřesnění, nejde o techniky strojového učení, které kvantifikátor a další manažeři integrovali do svých investičních procesů za posledních pár let. Tradiční techniky strojového učení „představují významné rozšíření souboru nástrojů kvantitativního investora, ale nejsou kvalitativně odlišné od tradičních statistických metod,“ uvádí se v bílé knize Acadian Asset Management. Možná jsou užitečné, ale jejich mantinely tvoří omezení lidské inteligence. Nejde tedy o náhradu, jen o nástroj pro zvýšení rozsahu a rychlosti.
Síla pokročilé umělé inteligence je zakořeněna v schopnosti nacházet vzory přímo v datech a dělat předpovědi nezávislé od lidské inteligence nebo odborných znalostí. Ačkoli správci investic připouštějí, že tyto algoritmy vyřeší neuvěřitelně složité problémy v medicíně, autonomním řízení, strojírenství, robotice a dalších odvětvích, neochvějně popírají, že by dokázali vyřeší investiční problémy a vytvořit autonomní investiční strategie.
Je zřejmé, že takové popření je založeno na jediném základním a obecně uznávaném přesvědčeni, že investování je výhradně lidskou činností. „I když obchodování na bázi počítačů představuje většinu aktivit na trzích s akciemi, jsem připraven brát to jako axiomatiku, investice zůstanou v zásadě lidskou činností,“ míní Michael Taylor ze společnosti Coldwater Economics. Tento pohled na investování zaměřený na člověka je nedílnou součástí současného stavu, dokonce ani ti, kteří používají strojové učení v investování, si neumějí představit budoucnost, v níž lidé nejsou ústřední postavou investičního procesu. „Správa fondu je mimořádně kognitivní úkol,“ řekl Jeff Shen z BlackRock loni pro The New York Times. „Jsme daleko od toho, abychom zapnuli počítač a nechali ho běžet.“
Takový názor neakceptuje umělou inteligenci, která umožňuje nehumánní investování, která se autonomně učí a přijímá všechny kritické investiční rozhodnutí a omezuje roli člověka na roli vývojáře a ne správce portfolia. Namísto naprogramování lidmi, replikaci rozhodování živých odborníků, dokáže systém pomocí neuronových sítí, dat a výpočetního výkonu, autonomní identifikovat v samotných datech nelineární statistické vztahy nezjistitelné tradičními metodami a očima lidí.
Trendy v obchodování: Umělá inteligence neví nic o investování
Například modely používané při diagnostice a prognóze rakoviny nevědí nic o medicíně. Celkovým zaměřením na údaje však mohou dosáhnout „bezprecedentní přesnost, která je dokonce vyšší než přesnost obecných statistických aplikací v onkologii“, tvrdí recenze publikovaná v časopise Cancer Letters. A stejně je to i s investováním. Tyto modely nejsou naprogramovány tak, aby napodobovaly rozhodování nejlepších investorů. Namísto toho algoritmy loví údaje, identifikují vzory a podobnosti mezi cílem a údaji a pak tyto znalosti používají k předpovídání investic.
Kritici ale argumentují, že umělá inteligence nedosáhne stejnou 99-procentní prediktivní přesnost, kterou tyto systémy mají při počítačovém vidění, rozpoznávání řeči či dokonce při diagnostice rakoviny. Na co tito kritici poukazují, je to, že při investování se nesnažíme „prolomit kód“. Jak píše William Cohan ze společnosti Fast Company, „výjimečný obchodník by byl nadšený 51-procentní úspěšností. Finanční trhy nejsou stabilní, neustále se mění, a to díky politickým, sociálním, ekonomickým nebo přírodním událostem. „Popírači tedy tvrdí, že na rozdíl od MRI jsou trhy jednoduše příliš složité a náhodné. A tato složitost a náhodnost dokáží přemoci schopnost důsledně nacházet použitelné informace v datech.
Pokud odhlédneme od skutečnosti, že neexistuje důvod se domnívat, že by modely založené na lidské inteligenci dokázali tuto složitost a náhodnost předvídat lépe, je třeba připomenout, že jevy, které lidé vnímají jako složité a náhodné, nemusejí být systémy umělé inteligence vnímány stejně. „Je to jen ohromné množství složitosti, která lidé nedokážou pochopit, ale obrovský superpočítač to pochopit dokáže.
