Τι θα μπορούσε να κάνει το ChatGPT στη Wall Street;

Τα εργαλεία που τροφοδοτούνται με τεχνητή νοημοσύνη, όπως το ChatGPT, έχουν τη δυνατότητα να φέρουν επανάσταση στην αποτελεσματικότητα, την αποτελεσματικότητα και την ταχύτητα της εργασίας που κάνουν οι άνθρωποι.

Και αυτό ισχύει τόσο στις χρηματοπιστωτικές αγορές όσο και σε τομείς όπως


φροντίδα υγείας


,


βιομηχανοποίηση


και σχεδόν κάθε άλλη πτυχή της ζωής μας.

Έχω κάνει έρευνα για τις χρηματοπιστωτικές αγορές


και αλγοριθμική διαπραγμάτευση για 14 χρόνια. Ενώ η τεχνητή νοημοσύνη προσφέρει πολλά οφέλη, το


αυξανόμενη χρήση αυτών των τεχνολογιών


στις χρηματοπιστωτικές αγορές επισημαίνει επίσης πιθανούς κινδύνους. Μια ματιά στις προηγούμενες προσπάθειες της Wall Street να επιταχύνει τις συναλλαγές αγκαλιάζοντας τους υπολογιστές και την τεχνητή νοημοσύνη προσφέρει σημαντικά μαθήματα σχετικά με τις συνέπειες της χρήσης τους στη λήψη αποφάσεων.

Πρόγραμμα

διαπραγμάτευση καυσίμων Μαύρη Δευτέρα

Στις αρχές της δεκαετίας του 1980,


τροφοδοτείται από τις εξελίξεις της τεχνολογίας


και χρηματοοικονομικές καινοτομίες όπως τα παράγωγα, οι θεσμικοί επενδυτές άρχισαν να χρησιμοποιούν προγράμματα ηλεκτρονικών υπολογιστών για την εκτέλεση συναλλαγών με βάση προκαθορισμένους κανόνες και αλγόριθμους. Αυτό τους βοήθησε να ολοκληρώσουν μεγάλες συναλλαγές γρήγορα και αποτελεσματικά.

Τότε, αυτοί οι αλγόριθμοι ήταν σχετικά απλοί και χρησιμοποιούνταν κυρίως


το λεγόμενο αρμπιτράζ δεικτών


που περιλαμβάνει την προσπάθεια να επωφεληθείτε από τις διαφορές μεταξύ της τιμής ενός χρηματιστηριακού δείκτη –όπως ο S&P 500– και εκείνης των μετοχών από τις οποίες αποτελείται.

Καθώς η τεχνολογία προχωρούσε και γινόταν διαθέσιμα περισσότερα δεδομένα, αυτό το είδος διαπραγμάτευσης προγραμμάτων γινόταν όλο και πιο περίπλοκο, με αλγόριθμους ικανούς να αναλύουν πολύπλοκα δεδομένα της αγοράς και να εκτελούν συναλλαγές με βάση ένα ευρύ φάσμα παραγόντων. Αυτοί οι έμποροι προγραμμάτων συνέχισαν να αυξάνονται σε αριθμό στους μεγάλους ανεξέλεγκτους αυτοκινητόδρομους συναλλαγών – στους οποίους πάνω από α


περιουσιακά στοιχεία αξίας τρισεκατομμυρίων δολαρίων


αλλάζετε χέρια κάθε μέρα – προκαλώντας


η αστάθεια της αγοράς θα αυξηθεί δραματικά


.

Τελικά αυτό είχε ως αποτέλεσμα την


μαζικό κραχ στο χρηματιστήριο


το 1987 γνωστή ως Μαύρη Δευτέρα. Ο βιομηχανικός μέσος όρος Dow Jones υπέστη τη μεγαλύτερη ποσοστιαία πτώση εκείνη την εποχή στην ιστορία του και ο πόνος εξαπλώθηκε σε όλο τον κόσμο.

Σε απάντηση, οι ρυθμιστικές αρχές


εφάρμοσε μια σειρά μέτρων για τον περιορισμό


τη χρήση συναλλαγών προγραμμάτων, συμπεριλαμβανομένων των αυτόματων διακοπτών που διακόπτουν τις συναλλαγές όταν υπάρχουν σημαντικές διακυμάνσεις στην αγορά και άλλα όρια. Ωστόσο, παρά αυτά τα μέτρα, οι συναλλαγές προγραμμάτων συνέχισαν να αυξάνονται σε δημοτικότητα τα χρόνια που ακολούθησαν το κραχ.

HFT: Πρόγραμμα συναλλαγών σε στεροειδή

Fast forward 15 χρόνια, έως το 2002, όταν το Χρηματιστήριο της Νέας Υόρκης εισήγαγε ένα πλήρως αυτοματοποιημένο σύστημα συναλλαγών. Ως αποτέλεσμα, οι έμποροι προγραμμάτων έδωσαν τη θέση τους σε πιο εξελιγμένους αυτοματισμούς με πολύ πιο προηγμένη τεχνολογία:


Συναλλαγές υψηλής συχνότητας


.

Το HFT χρησιμοποιεί προγράμματα υπολογιστών για να αναλύει δεδομένα της αγοράς και να εκτελεί συναλλαγές σε εξαιρετικά υψηλές ταχύτητες. Σε αντίθεση με τους διαπραγματευτές προγραμμάτων που αγόραζαν και πουλούσαν καλάθια τίτλων με την πάροδο του χρόνου για να επωφεληθούν από μια ευκαιρία αρμπιτράζ – μια διαφορά στην τιμή παρόμοιων τίτλων που μπορεί να εκμεταλλευτεί για κέρδος – οι έμποροι υψηλής συχνότητας χρησιμοποιούν ισχυρούς υπολογιστές και δίκτυα υψηλής ταχύτητας για να αναλύσουν τα δεδομένα της αγοράς και να εκτελούν συναλλαγές με αστραπιαίες ταχύτητες. Έμποροι υψηλής συχνότητας


μπορεί να διεξάγει συναλλαγές σε περίπου ένα 64 εκατομμυριοστό του δευτερολέπτου


σε σύγκριση με τα πολλά δευτερόλεπτα που χρειάστηκαν οι έμποροι τη δεκαετία του 1980.

Αυτές οι συναλλαγές είναι συνήθως πολύ βραχυπρόθεσμες και ενδέχεται να περιλαμβάνουν την αγορά και την πώληση της ίδιας κινητής αξίας πολλές φορές μέσα σε λίγα νανοδευτερόλεπτα. Οι αλγόριθμοι τεχνητής νοημοσύνης αναλύουν μεγάλες ποσότητες δεδομένων σε πραγματικό χρόνο και εντοπίζουν μοτίβα και τάσεις που δεν είναι άμεσα εμφανή στους εμπόρους ανθρώπων. Αυτό βοηθά τους εμπόρους


πάρτε καλύτερες αποφάσεις


και να εκτελούν συναλλαγές με ταχύτερο ρυθμό από ό,τι θα ήταν δυνατό με το χέρι.

Μια άλλη σημαντική εφαρμογή του AI στο HFT


είναι επεξεργασία φυσικής γλώσσας


, το οποίο περιλαμβάνει την ανάλυση και την ερμηνεία δεδομένων ανθρώπινης γλώσσας, όπως άρθρα ειδήσεων και αναρτήσεις στα μέσα κοινωνικής δικτύωσης. Αναλύοντας αυτά τα δεδομένα, οι έμποροι μπορούν να αποκτήσουν πολύτιμες γνώσεις για το κλίμα της αγοράς και να προσαρμόσουν ανάλογα τις στρατηγικές συναλλαγών τους.

Οφέλη από το εμπόριο AI

Αυτοί οι έμποροι υψηλής συχνότητας που βασίζονται στην τεχνητή νοημοσύνη λειτουργούν πολύ διαφορετικά από τους ανθρώπους.

Ο ανθρώπινος εγκέφαλος είναι αργός, ανακριβής και ξεχασιάρης. Είναι ανίκανο για γρήγορη, υψηλής ακρίβειας, αριθμητική κινητής υποδιαστολής που απαιτείται για την ανάλυση τεράστιων όγκων δεδομένων για τον εντοπισμό εμπορικών σημάτων. Οι υπολογιστές είναι εκατομμύρια φορές πιο γρήγοροι, με ουσιαστικά αλάνθαστη μνήμη, τέλεια προσοχή και απεριόριστη ικανότητα ανάλυσης μεγάλου όγκου δεδομένων σε κλάσματα του δευτερολέπτου.

Και, έτσι, όπως και οι περισσότερες τεχνολογίες, το HFT παρέχει πολλά οφέλη στα χρηματιστήρια.

Αυτοί οι έμποροι συνήθως αγοράζουν και πωλούν περιουσιακά στοιχεία σε τιμές πολύ κοντά στην τιμή της αγοράς, πράγμα που σημαίνει ότι δεν χρεώνουν υψηλές προμήθειες στους επενδυτές. Αυτό


βοηθά να διασφαλιστεί ότι υπάρχουν πάντα αγοραστές και πωλητές


στην αγορά, γεγονός που με τη σειρά του βοηθά στη σταθεροποίηση των τιμών και στη μείωση της πιθανότητας απότομων διακυμάνσεων των τιμών.

Οι συναλλαγές υψηλής συχνότητας μπορούν επίσης να συμβάλουν στη μείωση του αντίκτυπου της αναποτελεσματικότητας της αγοράς εντοπίζοντας γρήγορα και εκμεταλλευόμενοι τις εσφαλμένες τιμές στην αγορά. Για παράδειγμα, οι αλγόριθμοι HFT μπορούν να ανιχνεύσουν πότε μια συγκεκριμένη μετοχή είναι υποτιμημένη ή υπερτιμημένη και να εκτελούν συναλλαγές για να επωφεληθούν από αυτές τις αποκλίσεις. Με αυτόν τον τρόπο, αυτού του είδους οι συναλλαγές μπορούν να βοηθήσουν στη διόρθωση της αναποτελεσματικότητας της αγοράς και να διασφαλίσουν ότι τα περιουσιακά στοιχεία αποτιμώνται με μεγαλύτερη ακρίβεια.

Τα μειονεκτήματα της τεχνητής νοημοσύνης στα οικονομικά

Αλλά η ταχύτητα και η αποτελεσματικότητα μπορούν επίσης να προκαλέσουν βλάβη.

Οι αλγόριθμοι HFT μπορούν να αντιδράσουν τόσο γρήγορα σε γεγονότα ειδήσεων και άλλα σήματα της αγοράς που μπορεί να προκαλέσουν ξαφνικές αιχμές ή πτώσεις στις τιμές των περιουσιακών στοιχείων.

Επιπλέον, οι χρηματοοικονομικές εταιρείες HFT μπορούν να χρησιμοποιήσουν την ταχύτητα και την τεχνολογία τους για να αποκτήσουν αθέμιτο πλεονέκτημα έναντι άλλων εμπόρων,


περαιτέρω στρεβλώσεις των σημάτων της αγοράς


. Η αστάθεια που δημιουργήθηκε από αυτά τα εξαιρετικά εξελιγμένα εμπορικά θηρία που τροφοδοτούνται από AI οδήγησε στο λεγόμενο flash crash τον Μάιο του 2010, όταν


οι μετοχές έπεσαν


και στη συνέχεια ανέκαμψε μέσα σε λίγα λεπτά – διαγράφοντας και στη συνέχεια αποκαθιστώντας περίπου 1 τρισεκατομμύριο δολάρια σε αγοραία αξία.

Από τότε, οι ασταθείς αγορές έχουν γίνει το νέο φυσιολογικό. Στην έρευνα του 2016, δύο συν-συγγραφείς και εγώ το βρήκαμε


αστάθεια


– ένα μέτρο του πόσο γρήγορα και απρόβλεπτα κινούνται οι τιμές πάνω-κάτω –


αυξήθηκε σημαντικά μετά την εισαγωγή της HFT


.

Η ταχύτητα και η αποτελεσματικότητα με την οποία οι έμποροι υψηλής συχνότητας αναλύουν τα δεδομένα σημαίνουν ότι ακόμη και μια μικρή αλλαγή στις συνθήκες της αγοράς μπορεί να προκαλέσει μεγάλο αριθμό συναλλαγών, οδηγώντας σε ξαφνικές διακυμάνσεις των τιμών και αυξημένη αστάθεια.

Επιπλέον,


έρευνα που δημοσίευσα


με αρκετούς άλλους συναδέλφους το 2021 δείχνει ότι οι περισσότεροι έμποροι υψηλής συχνότητας χρησιμοποιούν παρόμοιους αλγόριθμους, γεγονός που αυξάνει τον κίνδυνο αποτυχίας της αγοράς. Αυτό συμβαίνει επειδή καθώς ο αριθμός αυτών των εμπόρων αυξάνεται στην αγορά, η ομοιότητα σε αυτούς τους αλγόριθμους μπορεί να οδηγήσει σε παρόμοιες αποφάσεις συναλλαγών.

Αυτό σημαίνει ότι όλοι οι έμποροι υψηλής συχνότητας ενδέχεται να πραγματοποιούν συναλλαγές στην ίδια πλευρά της αγοράς, εάν οι αλγόριθμοί τους απελευθερώσουν παρόμοια σήματα συναλλαγών. Δηλαδή, όλοι μπορεί να προσπαθήσουν να πουλήσουν σε περίπτωση αρνητικών ειδήσεων ή να αγοράσουν σε περίπτωση θετικών ειδήσεων. Εάν δεν υπάρχει κανείς να πάρει την άλλη πλευρά του εμπορίου, οι αγορές μπορεί να αποτύχουν.

Εισαγω

ChatGPT

Αυτό μας φέρνει σε έναν νέο κόσμο αλγορίθμων συναλλαγών που υποστηρίζονται από ChatGPT και παρόμοιων προγραμμάτων. Θα μπορούσαν να πάρουν το πρόβλημα των πάρα πολλών εμπόρων στην ίδια πλευρά μιας συμφωνίας και να το κάνουν ακόμη χειρότερο.

Γενικά, οι άνθρωποι, αφημένοι στην τύχη τους, θα τείνουν να λαμβάνουν ποικίλες αποφάσεις. Αλλά αν όλοι παίρνουν τις αποφάσεις τους από μια παρόμοια τεχνητή νοημοσύνη, αυτό μπορεί να περιορίσει την ποικιλομορφία απόψεων.

Σκεφτείτε μια ακραία, μη οικονομική κατάσταση στην οποία όλοι εξαρτώνται από το ChatGPT για να αποφασίσουν τον καλύτερο υπολογιστή για αγορά.


Οι καταναλωτές είναι ήδη πολύ επιρρεπείς


στην κτηνοτροφική συμπεριφορά, στην οποία τείνουν να αγοράζουν τα ίδια προϊόντα και μοντέλα. Για παράδειγμα, οι κριτικές σε Yelp, Amazon και ούτω καθεξής παρακινούν τους καταναλωτές να επιλέξουν ανάμεσα σε μερικές κορυφαίες επιλογές.

Από τις αποφάσεις που ελήφθησαν από το γενετικό chatbot που λειτουργεί με AI


βασίζονται σε προηγούμενα δεδομένα εκπαίδευσης


, θα υπήρχε ομοιότητα στις αποφάσεις που προτείνει το chatbot. Είναι πολύ πιθανό το ChatGPT να προτείνει την ίδια μάρκα και μοντέλο σε όλους. Αυτό μπορεί να οδηγήσει την κτηνοτροφία σε ένα εντελώς νέο επίπεδο και θα μπορούσε να οδηγήσει σε ελλείψεις σε ορισμένα προϊόντα και υπηρεσίες, καθώς και σε σοβαρές αυξήσεις των τιμών.

Αυτό γίνεται πιο προβληματικό όταν η τεχνητή νοημοσύνη που λαμβάνει τις αποφάσεις ενημερώνεται από μεροληπτικές και εσφαλμένες πληροφορίες. Αλγόριθμοι AI


μπορεί να ενισχύσει τις υπάρχουσες προκαταλήψεις


όταν τα συστήματα εκπαιδεύονται σε μεροληπτικά, παλιά ή περιορισμένα σύνολα δεδομένων. Και ChatGPT και παρόμοια εργαλεία


έχουν επικριθεί


για πραγματολογικά λάθη.

Επιπλέον, δεδομένου ότι τα κραχ στην αγορά είναι σχετικά σπάνια, δεν υπάρχουν πολλά δεδομένα για αυτά. Δεδομένου ότι οι γενετικές τεχνητές νοημοσύνης εξαρτώνται από την εκπαίδευση δεδομένων για να μάθουν, η έλλειψη γνώσης τους για αυτά θα μπορούσε να τους κάνει πιο πιθανό να συμβούν.

Προς το παρόν, τουλάχιστον, φαίνεται ότι οι περισσότερες τράπεζες δεν θα επιτρέπουν στους υπαλλήλους τους να επωφεληθούν από το ChatGPT και παρόμοια εργαλεία. Citigroup, Bank of America, Goldman Sachs και αρκετοί άλλοι δανειστές


έχουν ήδη απαγορεύσει τη χρήση τους


στους ορόφους των αιθουσών συναλλαγών, επικαλούμενος ανησυχίες σχετικά με το απόρρητο.

Αλλά πιστεύω ακράδαντα ότι οι τράπεζες θα αγκαλιάσουν τελικά τη γενετική τεχνητή νοημοσύνη, μόλις επιλύσουν τις ανησυχίες που έχουν με αυτήν. Τα πιθανά κέρδη είναι πολύ σημαντικά για να τα παρακάμψουμε – και υπάρχει κίνδυνος να μείνουν πίσω από τους αντιπάλους.

Αλλά οι κίνδυνοι για τις χρηματοπιστωτικές αγορές, την παγκόσμια οικονομία και για όλους είναι επίσης μεγάλοι, οπότε ελπίζω να περπατήσουν προσεκτικά.

Θέλετε να μάθετε περισσότερα για την τεχνητή νοημοσύνη, τα chatbots και το μέλλον της μηχανικής μάθησης; Δείτε την πλήρη κάλυψή μας για



τεχνητή νοημοσύνη



ή περιηγηθείτε στους οδηγούς μας



Οι καλύτερες δωρεάν γεννήτριες τέχνης AI



και



Όλα όσα γνωρίζουμε για το ChatGPT του OpenAI



.

Pawan Jain




Επίκουρος Καθηγητής Οικονομικών,




Πανεπιστήμιο Δυτικής Βιρτζίνια

Αυτό το άρθρο αναδημοσιεύεται από




Η συζήτηση




με άδεια Creative Commons. Διαβάστε το




πρωτότυπο άρθρο




.