در نتیجه، به اعتقاد من در آینده صرفِ داشتن اطلاعات دیگر مزیت رقابتی کافی نخواهد بود؛ مزیت اصلی در کیفیت داده، مدل تحلیلی و نحوه تبدیل داده به تصمیم سرمایهگذاری شکل میگیرد.
این موضوع برای بازار سرمایه ایران اهمیت مضاعفی دارد؛ زیرا بخش زیادی از اطلاعات مورد نیاز تحلیلگران در گزارشهای متعدد و با ساختارهای متفاوت منتشر میشود و جمعآوری، استانداردسازی و تفسیر این اطلاعات بخش قابل توجهی از زمان تحلیل را به خود اختصاص میدهد. مهمترین کاربرد هوش مصنوعی در بورس ایران چه خواهد بود؟ به نظرم نباید نقطه شروع را «پیشبینی قیمت فردای سهم» در نظر گرفت. کاربردهای مهمتر و عملیاتیتری وجود دارد.
برای مثال، هوش مصنوعی میتواند اطلاعات منتشرشده در کدال را استخراج و طبقهبندی کند، تغییرات فروش و حاشیه سود شرکتها را شناسایی کند، انحراف عملکرد شرکت از بودجه یا روند تاریخی را هشدار دهد، نسبتهای مالی را مقایسه کند و حتی اثر تغییر نرخ ارز، قیمت کامودیتیها یا نرخ بهره را بر صنایع مختلف در قالب سناریو بررسی کند.
در مدیریت دارایی نیز میتوان از این فناوری برای بهینهسازی پرتفوی، سنجش ریسک، تحلیل همبستگی داراییها، Stress Test، تشخیص تغییر رژیم بازار و طراحی سیستمهای هشدار زودهنگام استفاده کرد.
بنابراین اولین ارزش اقتصادی هوش مصنوعی الزاماً در «پیشبینی بازار» نیست؛ بلکه در افزایش بهرهوری فرآیند تحلیل و ارتقای کیفیت تصمیمگیری است. یعنی هوش مصنوعی میتواند قیمت سهام را پیشبینی کند؟ باید در این زمینه بسیار محتاط بود. بازار مالی یک سیستم پویاست و تحت تأثیر متغیرهای اقتصادی، سیاسی، رفتاری و انتظارات سرمایهگذاران قرار دارد. هیچ الگوریتمی نمیتواند عدمقطعیت را از بازار حذف کند.
هوش مصنوعی میتواند الگوهایی را پیدا کند که تشخیص آنها برای انسان دشوار است و میتواند احتمالات و سناریوهای مختلف را بهتر محاسبه کند؛ اما تفاوت بزرگی میان پیشبینی احتمالاتی و ادعای «دانستن قیمت آینده» وجود دارد.
به همین دلیل معتقدم استفاده حرفهای از AI در بازار سرمایه باید بیشتر به سمت Scenario Analysis، تحلیل حساسیت، احتمالسنجی و مدیریت ریسک حرکت کند، نه تولید سیگنالهای قطعی خرید و فروش. آیا با توسعه هوش مصنوعی نقش تحلیلگران مالی کاهش پیدا خواهد کرد؟ ماهیت کار تحلیلگر تغییر میکند، اما تحلیلگر حذف نمیشود.
در گذشته بخش زیادی از زمان یک تحلیلگر صرف جمعآوری داده، ساخت فایلهای محاسباتی، استخراج اطلاعات صورتهای مالی و انجام محاسبات تکرارشونده میشد. بخش بزرگی از این فعالیتها قابلیت اتوماسیون دارد.
در مقابل، اهمیت تواناییهایی مانند تشخیص مفروضات غلط، طراحی سناریو، درک مدل کسبوکار، تحلیل کیفیت سود، ارزیابی ریسک و قضاوت حرفهای افزایش خواهد یافت.
به بیان ساده، تصور نمیکنم هوش مصنوعی جای تحلیلگر را بگیرد؛ اما احتمالاً تحلیلگری که بتواند بهدرستی از هوش مصنوعی استفاده کند، نسبت به تحلیلگری که همچنان کاملاً با روشهای سنتی فعالیت میکند مزیت قابل توجهی خواهد داشت. این تحول چه اثری بر سبدگردانها و شرکتهای مدیریت دارایی خواهد داشت؟ مدیریت دارایی یکی از بخشهایی است که میتواند بیشترین اثر را بپذیرد. فرض کنید مدیر یک پرتفوی بتواند بهصورت لحظهای وضعیت بنیادی شرکتها، انحراف بامجید عبدالحمیدی: زده پرتفوی، تغییر همبستگی صنایع، ریسک نقدشوندگی، Concentration Risk و سناریوهای مختلف کلان اقتصادی را در یک سیستم یکپارچه مشاهده کند.
در چنین شرایطی، تصمیمگیری از حالتی که بخش زیادی از آن مبتنی بر بررسی دستی گزارشهاست به سمت Asset Management دادهمحور حرکت میکند.
مرحله بعدی نیز شخصیسازی خدمات مالی است. یعنی ترکیب دارایی و سطح ریسک پیشنهادی برای همه سرمایهگذاران یکسان نباشد و بر اساس افق سرمایهگذاری، تحمل ریسک، جریان نقدی و اهداف هر فرد طراحی شود. آیا سرمایهگذاران حقیقی هم از این تحول منتفع میشوند؟ بله، اما این موضوع یک وجه مثبت و یک ریسک مهم دارد.
از یک طرف، ابزارهایی که قبلاً تنها در اختیار تیمهای حرفهای تحلیل و مدیریت دارایی قرار داشتند، بهتدریج در دسترس سرمایهگذاران بیشتری قرار میگیرند. سرمایهگذار میتواند صورت مالی را سریعتر تحلیل کند، صنایع را مقایسه کند یا ریسک پرتفوی خود را بهتر بشناسد.
اما خطر زمانی شکل میگیرد که سرمایهگذار تصور کند هر خروجی تولیدشده توسط یک مدل هوش مصنوعی الزاماً صحیح است.
هوش مصنوعی میتواند یک دستیار سرمایهگذاری بسیار قدرتمند باشد، اما نباید با مرجع بدون خطای تصمیمگیری اشتباه گرفته شود.
در حوزه سرمایهگذاری، کیفیت داده ورودی، مفروضات مدل و حتی نحوه طرح سؤال میتواند نتیجه را بهطور اساسی تغییر دهد. آیا AI میتواند رفتار هیجانی سرمایهگذاران را کاهش دهد؟ در سطح فردی میتواند کمککننده باشد. سیستمهای تصمیمیار میتوانند سرمایهگذار را مجبور کنند قبل از معامله، نسبت ریسک به بازده، ارزشگذاری و سناریوهای جایگزین را بررسی کند و این موضوع میتواند بخشی از تصمیمات هیجانی را کاهش دهد.
اما در سطح کل بازار مسئله پیچیدهتر است.
اگر تعداد زیادی از الگوریتمها از دادههای مشابه، مدلهای مشابه و قواعد تصمیمگیری نزدیک به یکدیگر استفاده کنند، در شرایط خاص ممکن است به نتایج مشابه برسند. در این حالت به جای کاهش رفتار جمعی، نوع جدیدی از رفتار گلهای الگوریتمی میتواند شکل بگیرد.
بنابراین توسعه معاملات الگوریتمی و هوش مصنوعی بدون توسعه همزمان نظام مدیریت ریسک و نظارت بازار، رویکرد مناسبی نخواهد بود. نقش نهاد ناظر در این تحول چیست؟ نهاد ناظر نیز باید به همان اندازه که بازار هوشمند میشود، از ابزارهای هوشمند استفاده کند.
در بازاری با حجم بالای سفارش و تراکنش، تشخیص برخی الگوهای غیرعادی صرفاً با روشهای سنتی دشوار است. الگوریتمهای یادگیری ماشین میتوانند در شناسایی رفتارهای غیرمتعارف، ارتباط میان حسابها، الگوهای مشکوک معاملاتی و پایش دادههای بازار ابزار مکمل مؤثری باشند.
از طرف دیگر، استفاده گسترده از AI موضوعاتی مانند شفافیت مدل، مسئولیت تصمیم، امنیت داده، تضاد منافع و قابلیت توضیحپذیری الگوریتمها را نیز جدیتر میکند.
بنابراین مقررات آینده صرفاً درباره این نخواهد بود که «آیا از هوش مصنوعی استفاده کنیم یا خیر»؛ بلکه سؤال اصلی این است که چگونه از آن استفاده کنیم که نوآوری حفظ شود و در عین حال حقوق سرمایهگذار و سلامت بازار نیز آسیب نبیند. مهمترین مانع توسعه هوش مصنوعی در بازار سرمایه ایران چیست؟ از نگاه من مهمترین چالش حتی قبل از الگوریتم، داده است.
هیچ مدل پیشرفتهای نمیتواند ضعف ساختاری داده را بهطور کامل جبران کند. برای حرکت جدی به سمت هوش مصنوعی مالی، دادهها باید استاندارد، قابل پردازش ماشینی، دارای تاریخچه مناسب و تا حد امکان از طریق زیرساختهای مشخص در دسترس باشند.
اگر Data Infrastructure مناسبی ایجاد شود، بخش خصوصی میتواند روی آن دهها محصول تحلیلی، مدیریت ریسک، ارزشگذاری، مدیریت دارایی و خدمات سرمایهگذاری ایجاد کند.
بنابراین شاید مهمترین سرمایهگذاری بازار سرمایه در عصر AI، قبل از خرید مدلهای پیچیده، ساخت زیرساخت داده استاندارد و قابل اتکا باشد. آینده رقابت در صنعت مالی را چگونه میبینید؟ تصور میکنم طی چند سال آینده شاهد شکلگیری ترکیبی از تخصص مالی، علوم داده و هوش مصنوعی در نهادهای مالی خواهیم بود.
کارگزاری آینده فقط محل ارسال سفارش نیست، سبدگردان آینده صرفاً مدیر چند پرتفوی نیست و واحد تحلیل نیز صرفاً تولیدکننده گزارشهای دورهای نخواهد بود. نهاد مالی بهتدریج باید به یک مجموعه Data-Driven تبدیل شود که بتواند اطلاعات را جمعآوری، تحلیل و به تصمیم تبدیل کند.
در چنین فضایی، شرکتهایی جلوتر خواهند بود که زودتر سه دارایی را در کنار یکدیگر توسعه دهند: داده باکیفیت، نیروی انسانی متخصص و مدلهای تحلیلی قابل اعتماد. در نهایت، هوش مصنوعی قرار نیست فلسفه بازار سرمایه را تغییر دهد؛ همچنان بازده، ریسک و ارزشگذاری متغیرهای اصلی خواهند بود. چیزی که تغییر میکند، *سرعت و کیفیت محاسبه این متغیرها و نحوه
مجید عبدالحمیدی: تبدیل آنها به تصمیم است.*
به همین دلیل معتقدم موج اصلی هوش مصنوعی در بازار سرمایه زمانی آغاز میشود که از تولید محتوا و پاسخگویی متنی عبور کنیم و AI مستقیماً وارد فرآیند تحلیل، ارزشگذاری، مدیریت ریسک، تخصیص دارایی و نظارت بر بازار شود. در آن نقطه، دیگر با یک ابزار جانبی مواجه نیستیم؛ بلکه با تغییر در معماری تصمیمگیری بازارهای مالی روبهرو خواهیم بود. مجید عبدالحمیدی کد مطلب 556051 سمانه باقری
