وال استریت چتپپ: مزایا و خطرات استفاده از هوش مصنوعی برای تجارت سهام و سایر ابزارهای مالی

(مکالمه) ابزارهای دارای هوش مصنوعی ، مانند ChatGPT ، پتانسیل انقلابی در کارآیی ، اثربخشی و سرعت کار انسان را دارند.

و این در بازارهای مالی به اندازه بخش هایی مانند مراقبت های بهداشتی ، تولید و تقریباً هر جنبه دیگری از زندگی ما صادق است.

من 14 سال است که در حال تحقیق در بازارهای مالی و تجارت الگوریتمی هستم. در حالی که هوش مصنوعی مزایای زیادی را ارائه می دهد ، استفاده فزاینده از این فناوری ها در بازارهای مالی نیز به خطرات احتمالی اشاره دارد. نگاهی به تلاش های گذشته وال استریت برای سرعت بخشیدن به تجارت با در آغوش گرفتن رایانه ها و هوش مصنوعی درس های مهمی در مورد پیامدهای استفاده از آنها برای تصمیم گیری ارائه می دهد.

سوخت های تجاری برنامه دوشنبه سیاه

در اوایل دهه 1980 ، با پیشرفت در فن آوری و نوآوری های مالی مانند مشتقات ، سرمایه گذاران نهادی شروع به استفاده از برنامه های رایانه ای برای اجرای معاملات بر اساس قوانین از پیش تعریف شده و الگوریتم ها کردند. این به آنها کمک کرد تا معاملات بزرگ را به سرعت و کارآمد انجام دهند.

در آن زمان ، این الگوریتم ها نسبتاً ساده بودند و در درجه اول برای به اصطلاح داوری شاخص استفاده می شدند ، که شامل تلاش برای سودآوری از اختلاف بین قیمت یک شاخص سهام-مانند S& P 500-و سهام موجود در آن است.

با پیشرفت پیشرفته فناوری و داده های بیشتر ، این نوع تجارت برنامه به طور فزاینده ای پیچیده شد و الگوریتم ها قادر به تجزیه و تحلیل داده های پیچیده بازار و اجرای معاملات بر اساس طیف گسترده ای از عوامل بودند. این معامله گران برنامه همچنان در آزادراه های تجاری غیرقانونی که بیش از یک تریلیون دلار ارزش دارایی را تغییر می دهد ، در هر روز رشد می کنند - باعث می شود که نوسانات بازار به طرز چشمگیری افزایش یابد.

سرانجام این منجر به سقوط گسترده بازار سهام در سال 1987 معروف به دوشنبه سیاه شد. میانگین صنعتی داو جونز در آن زمان بیشترین میزان کاهش در تاریخ خود را متحمل شد و درد در سراسر جهان گسترش یافت.

در پاسخ ، مقامات نظارتی تعدادی از اقدامات را برای محدود کردن استفاده از معاملات برنامه ، از جمله قطع کننده مدار که در صورت وجود نوسانات قابل توجه بازار و سایر محدودیت ها ، تجارت را متوقف می کنند ، انجام دادند. اما علیرغم این اقدامات ، معاملات برنامه در سالهای پس از تصادف همچنان محبوبیت خود را ادامه داد.

HFT: معاملات برنامه بر روی استروئیدها

سریع 15 سال ، تا سال 2002 ، هنگامی که بورس اوراق بهادار نیویورک یک سیستم معاملاتی کاملاً خودکار را معرفی کرد. در نتیجه ، معامله گران برنامه با استفاده از فناوری بسیار پیشرفته تر ، به اتوماسیون های پیشرفته تری می دادند: تجارت با فرکانس بالا.

HFT از برنامه های رایانه ای برای تجزیه و تحلیل داده های بازار و اجرای معاملات با سرعت بسیار بالا استفاده می کند. بر خلاف معامله گران برنامه که با گذشت زمان سبد های اوراق بهادار را خریداری و فروخته اند تا از یک فرصت داوری استفاده کنند-تفاوت در قیمت اوراق بهادار مشابه که می توانند برای سود مورد سوء استفاده قرار بگیرند-معامله گران با فرکانس بالا از رایانه های قدرتمند و شبکه های پر سرعت برای تجزیه و تحلیل داده های بازار استفاده می کنندو معاملات را با سرعت رعد و برق انجام دهید. معامله گران با فرکانس بالا می توانند در حدود یک 64 میلیون نفر ثانیه ، معاملات خود را انجام دهند ، در مقایسه با چند ثانیه که در دهه 1980 معامله گران گرفت.

این معاملات به طور معمول از نظر ماهیت بسیار کوتاه مدت هستند و ممکن است شامل خرید و فروش همان امنیت یک بار در یک ماده نانو ثانیه باشد. الگوریتم های هوش مصنوعی مقادیر زیادی از داده ها را در زمان واقعی تجزیه و تحلیل می کنند و الگوهای و روندهایی را که بلافاصله برای معامله گران انسان آشکار نیستند ، شناسایی می کنند. این به معامله گران کمک می کند تا تصمیمات بهتری بگیرند و معاملات را با سرعت بیشتری نسبت به آنچه ممکن است به صورت دستی انجام دهند ، انجام دهند.

یکی دیگر از کاربردهای مهم هوش مصنوعی در HFT ، پردازش زبان طبیعی است که شامل تجزیه و تحلیل و تفسیر داده های زبان انسانی مانند مقالات خبری و پست های رسانه های اجتماعی است. با تجزیه و تحلیل این داده ها ، معامله گران می توانند بینش ارزشمندی در مورد احساسات بازار کسب کرده و استراتژی های معاملاتی خود را بر این اساس تنظیم کنند.

مزایای تجارت AI

این معامله گران با فرکانس بالا مبتنی بر هوش مصنوعی بسیار متفاوت از مردم عمل می کنند.

مغز انسان کند ، نادرست و فراموشی است. این امر از حسابی سریع ، با دقت بالا و شناور که برای تجزیه و تحلیل حجم عظیمی از داده ها برای شناسایی سیگنال های تجاری مورد نیاز است ، ناتوان است. رایانه ها میلیون ها بار سریعتر هستند ، با حافظه اساساً معصومیت ، توجه کامل و توانایی بی حد و حصر برای تجزیه و تحلیل حجم بزرگ داده ها در میلی ثانیه تقسیم می شوند.

و ، بنابراین ، دقیقاً مانند اکثر فناوری ها ، HFT مزایای زیادی را برای بازارهای سهام فراهم می کند.

این معامله گران به طور معمول دارایی را با قیمت های بسیار نزدیک به قیمت بازار خریداری و می فروشند ، به این معنی که آنها هزینه های بالایی را برای سرمایه گذاران پرداخت نمی کنند. این کمک می کند تا همیشه خریداران و فروشندگان در بازار وجود داشته باشند که به نوبه خود به تثبیت قیمت ها و کاهش پتانسیل نوسانات ناگهانی قیمت کمک می کند.

تجارت با فرکانس بالا همچنین می تواند با شناسایی سریع و بهره برداری از سوءاستفاده در بازار ، به کاهش تأثیر ناکارآمدی بازار کمک کند. به عنوان مثال ، الگوریتم های HFT می توانند تشخیص دهند که یک سهام خاص کم ارزش یا بیش از حد ارزش گذاری شده و معاملات را برای استفاده از این اختلافات انجام می دهد. با این کار ، این نوع تجارت می تواند به اصلاح ناکارآمدی بازار کمک کند و اطمینان حاصل کند که دارایی ها با دقت بیشتری قیمت گذاری شده اند.

اما سرعت و کارآیی نیز می تواند باعث آسیب شود.

الگوریتم های HFT می توانند خیلی سریع به رویدادهای خبری و سایر سیگنال های بازار واکنش نشان دهند که می توانند باعث ایجاد سنبله ناگهانی یا افت قیمت دارایی شوند.

علاوه بر این ، شرکت های مالی HFT قادر به استفاده از سرعت و فناوری خود برای به دست آوردن یک مزیت ناعادلانه نسبت به سایر بازرگانان هستند و سیگنال های بازار را بیشتر تحریف می کنند. نوسانات ایجاد شده توسط این جانوران تجاری بسیار پیشرفته AI ، منجر به به اصطلاح سقوط فلش در ماه مه 2010 شد ، هنگامی که سهام فرو رفت و سپس در عرض چند دقیقه بهبود یافت-پاک کردن و سپس بازگرداندن حدود 1 تریلیون دلار ارزش بازار.

از آن زمان ، بازارهای فرار به حالت عادی جدید تبدیل شده اند. در تحقیقات سال 2016 ، دو نویسنده و من دریافتیم که نوسانات-اندازه گیری میزان سرعت و غیرقابل پیش بینی قیمت ها بالا و پایین می رود-پس از معرفی HFT به میزان قابل توجهی افزایش یافت.

سرعت و کارآیی که معامله گران با فرکانس بالا با تجزیه و تحلیل داده ها به معنای این است که حتی یک تغییر کوچک در شرایط بازار می تواند تعداد زیادی از معاملات را ایجاد کند و منجر به نوسانات ناگهانی قیمت و افزایش نوسانات شود.

علاوه بر این ، تحقیقاتی که من در سال 2021 با چندین همکار دیگر منتشر کردم نشان می دهد که بیشتر معامله گران با فرکانس بالا از الگوریتم های مشابه استفاده می کنند که این امر باعث افزایش خطر عدم موفقیت بازار می شود. این امر به این دلیل است که با افزایش تعداد این معامله گران در بازار ، شباهت در این الگوریتم ها می تواند منجر به تصمیمات تجاری مشابه شود.