Ačkoli umělá inteligence nabízí mnoho výhod, rostoucí využívání těchto technologií na finančních trzích poukazuje také na potenciální nebezpečí.

Nástroje využívající umělou inteligenci, jako je ChatGPT, mají potenciál revolučně změnit efektivitu, výkonnost a rychlost lidské práce. A to platí jak pro finanční trhy, tak pro odvětví, jako je zdravotnictví, výroba a prakticky všechny ostatní aspekty našeho života.

Již 14 let se zabývám výzkumem finančních trhů a algoritmického obchodování, napsal Pawan Jain v příspěvku pro The Conversation. Ačkoli umělá inteligence nabízí mnoho výhod, rostoucí využívání těchto technologií na finančních trzích poukazuje také na potenciální nebezpečí. Pohled na minulé snahy Wall Street o urychlení obchodování prostřednictvím počítačů a umělé inteligence nabízí důležitá ponaučení o důsledcích jejich využívání pro rozhodování.

Obchodování s programy podporuje „Černé pondělí“

Na počátku 80. let 20. století začali institucionální investoři díky technologickému pokroku a finančním inovacím, jako jsou deriváty, používat počítačové programy k provádění obchodů na základě předem stanovených pravidel a algoritmů. To jim pomohlo rychle a efektivně dokončit velké obchody.

Tehdy byly tyto algoritmy poměrně jednoduché a používaly se především pro takzvanou indexovou arbitráž, která spočívá ve snaze vydělat na rozdílech mezi cenou akciového indexu – například S&P 500 – a cenou akcií, z nichž se skládá.

S technologickým pokrokem a větším množstvím dostupných dat se tento druh programového obchodování stával stále sofistikovanějším a algoritmy dokázaly analyzovat komplexní tržní data a provádět obchody na základě široké škály faktorů. Počet těchto programových obchodníků na rozsáhlých neregulovaných obchodních dálnicích – na nichž se každý den mění aktiva v hodnotě více než bilionu dolarů – nadále rostl a způsoboval dramatický nárůst volatility trhu.

To nakonec vyústilo v obrovský krach na burze v roce 1987, známý jako Černé pondělí. Průmyslový index Dow Jones zaznamenal v té době největší procentuální pokles ve své historii a bolest se rozšířila po celém světě.

V reakci na to regulační orgány zavedly řadu opatření k omezení používání programového obchodování, včetně pojistek, které zastavují obchodování při výrazných výkyvech na trhu, a dalších omezení. Navzdory těmto opatřením však obliba programového obchodování v letech následujících po krachu nadále rostla.

HFT: Programové obchodování na steroidech

O 15 let později, v roce 2002, zavedla newyorská burza plně automatizovaný obchodní systém. Výsledkem bylo, že programoví obchodníci ustoupili sofistikovanější automatizaci s mnohem pokročilejší technologií: vysokofrekvenčnímu obchodování (HFT – high-frequency trading).

HFT využívá počítačové programy k analýze tržních dat a provádění obchodů extrémně vysokou rychlostí. Na rozdíl od programových obchodníků, kteří v průběhu času nakupovali a prodávali koše cenných papírů, aby využili arbitrážní příležitosti – rozdílu v ceně podobných cenných papírů, který lze využít k zisku – vysokofrekvenční obchodníci používají výkonné počítače a vysokorychlostní sítě k analýze tržních dat a provádění obchodů bleskovou rychlostí. Vysokofrekvenční obchodníci mohou provádět obchody přibližně za jednu 64miliontinu sekundy ve srovnání s několika sekundami, které obchodníci potřebovali v 80. letech 20. století.

Tyto obchody jsou obvykle velmi krátkodobé a mohou zahrnovat nákup a prodej stejného cenného papíru několikrát během několika nanosekund. Algoritmy umělé inteligence analyzují velké množství dat v reálném čase a identifikují vzory a trendy, které nejsou pro lidské obchodníky okamžitě zřejmé. To pomáhá obchodníkům činit lepší rozhodnutía provádět obchody rychleji, než by bylo možné manuálně.

Další důležitou aplikací umělé inteligence v HFT je zpracování přirozeného jazyka, které zahrnuje analýzu a interpretaci dat v lidském jazyce, jako jsou zpravodajské články a příspěvky na sociálních sítích. Analýzou těchto dat mohou obchodníci získat cenné poznatky o náladách na trhu a podle nich upravit své obchodní strategie.

Výhody obchodování s umělou inteligencí

Tito vysokofrekvenční obchodníci s umělou inteligencí fungují zcela jinak než lidé.

Lidský mozek je pomalý, nepřesný a zapomnětlivý. Není schopen rychlé, vysoce přesné aritmetiky s s pohyblivou desetinnou čárkou, která je potřebná pro analýzu obrovských objemů dat pro identifikaci obchodních signálů. Počítače jsou milionkrát rychlejší, mají v podstatě neomylnou paměť, dokonalou pozornost a neomezenou schopnost analyzovat velké objemy dat ve zlomcích milisekund.

Stejně jako většina technologií i HFT přináší akciovým trhům řadu výhod.

Tito obchodníci obvykle nakupují a prodávají aktiva za ceny velmi blízké tržní ceně, což znamená, že investorům neúčtují vysoké poplatky. To pomáhá zajistit, že na trhu jsou vždy kupující a prodávající, což zase pomáhá stabilizovat ceny a snižuje možnost náhlých cenových výkyvů.

Vysokofrekvenční obchodování může také pomoci snížit dopad tržních neefektivit tím, že rychle identifikuje a využije nesprávné ocenění na trhu. Algoritmy HFT mohou například zjistit, kdy je určitá akcie podhodnocená nebo nadhodnocená, a provádět obchody, které těchto rozdílů využijí. Tímto způsobem může tento druh obchodování pomoci napravit neefektivitu trhu a zajistit přesnější ocenění aktiv.

Nevýhody

Rychlost a efektivita však mohou způsobit i škody.

Algoritmy HFT mohou reagovat na zpravodajské události a další tržní signály tak rychle, že mohou způsobit náhlý vzestup nebo pokles cen aktiv.

Kromě toho mohou finanční společnosti využívající HFT využívat svou rychlost a technologii k získání nespravedlivé výhody oproti ostatním obchodníkům, což dále zkresluje tržní signály. Volatilita způsobená těmito extrémně sofistikovanými obchodními bestiemi poháněnými umělou inteligencí vedla v květnu 2010 k takzvanému flash crashi, kdy se akcie během několika minut propadly a následně zotavily – vymazaly a poté obnovily tržní hodnotu ve výši přibližně 1 bilionu dolarů.

Od té doby se volatilní trhy staly novým normálem. Ve výzkumu z roku 2016 jsme se dvěma spoluautory zjistili, že volatilita – měřítko toho, jak rychle a nepředvídatelně se ceny pohybují nahoru a dolů – se po zavedení HFT výrazně zvýšila.

Rychlost a efektivita, s jakou vysokofrekvenční obchodníci analyzují data, znamená, že i malá změna tržních podmínek může vyvolat velké množství obchodů, což vede k náhlým výkyvům cen a zvýšené volatilitě.

Z výzkumu, který jsem spolu s několika dalšími kolegy publikoval v roce 2021, navíc vyplývá, že většina vysokofrekvenčních obchodníků používá podobné algoritmy, což zvyšuje riziko selhání trhu. Je to proto, že s rostoucím počtem těchto obchodníků na trhu může podobnost těchto algoritmů vést k podobným obchodním rozhodnutím.

To znamená, že všichni vysokofrekvenční obchodníci mohou obchodovat na stejné straně trhu, pokud jejich algoritmy vydávají podobné obchodní signály. To znamená, že se všichni mohou snažit prodávat v případě negativních zpráv nebo nakupovat v případě pozitivních zpráv. Pokud není nikdo, kdo by se postavil na druhou stranu obchodu, může dojít k selhání trhů.

ChatGPT

To nás přivádí do nového světa obchodních algoritmů a podobných programů poháněných ChatGPT. Ty by mohly problém příliš velkého počtu obchodníků na stejné straně obchodu ještě zhoršit.

Obecně platí, že lidé, ponechaní sami sobě, mají tendenci činit různorodá rozhodnutí. Pokud však všichni odvozují svá rozhodnutí od podobné umělé inteligence, může to rozmanitost názorů omezit.

Vezměme si extrémní nefinanční situaci, ve které každý závisí na ChatGPT, aby se rozhodl, jaký počítač si koupí. Spotřebitelé jsou již velmi náchylní ke stádnímu chování, kdy mají tendenci kupovat stejné produkty a modely. Například recenze na Yelpu, Amazonu apod. motivují spotřebitele k výběru z několika nejlepších možností.

Vzhledem k tomu, že rozhodnutí generativního chatbota s umělou inteligencí jsou založena na předchozích tréninkových datech, budou si rozhodnutí navrhovaná chatbotem podobná. Je velmi pravděpodobné, že ChatGPT by všem navrhl stejnou značku a model. To by mohlo posunout stádnost na zcela novou úroveň a mohlo by to vést k nedostatku určitých produktů a služeb a k silným cenovým skokům.

To se stává ještě problematičtějším, pokud je umělá inteligence, která rozhoduje, informována neobjektivními a nesprávnými informacemi. Algoritmy umělé inteligence mohou posílit stávající bias, pokud jsou systémy vyškoleny na neobjektivních, starých nebo omezených souborech dat. A ChatGPT a podobné nástroje byly kritizovány za to, že se dopouštějí faktických chyb.

Vzhledem k tomu, že krachy na trhu jsou poměrně vzácné, není o nich k dispozici mnoho údajů. Protože generativní umělé inteligence jsou při učení závislé na trénování dat, jejich neznalost by mohla zvýšit pravděpodobnost, že k nim dojde.

Alespoň prozatím se zdá, že většina bank nebude svým zaměstnancům umožňovat využívat ChatGPT a podobné nástroje. Citigroup, Bank of America, Goldman Sachs a několik dalších poskytovatelé úvěrů již zakázalo jejich používání.

Pevně však věřím, že banky nakonec generativní umělou inteligenci přijmou, jakmile vyřeší obavy, které s ní mají. Potenciální přínosy jsou příliš významné na to, aby se jich vzdaly – a navíc hrozí, že je konkurenti nechají za sebou.

Rizika pro finanční trhy, globální ekonomiku a pro všechny jsou však také velká, takže doufám, že budou postupovat opatrně.

 

O autorovi: Pawan Jain (odborný asistent pro finance, West Virginia University).

Zdroj: The Conversation, „ChatGPT-powered Wall Street: The benefits and perils of using artificial intelligence to trade stocks and other financial instruments“ (18.05.2023)

Články zveřejněné v rubrice Trendy nemusejí vyjadřovat názor redakce.