Dirbtinis intelektas pertvarkė didžiules ekonomikos dalis, o finansų sektorius niekuo nesiskiria. Apie akcijų rinkimo algoritmų naudojimą buvo daug rašyta. Tačiau jo naudojimas prekybai skolų rinkose yra galbūt įdomesnis. Taikant prekybą obligacijomis, pasekmės ne tik finansinės, bet ir politinės, o vyriausybės finansavimas tuo pačiu metu tampa lengvesnis ir pažeidžiamesnis.
Skirtingai nuo tradicinės obligacijų prekybos, algoritminėje prekyboje naudojama kompiuterinė programa, kuri vadovaujasi apibrėžtomis instrukcijomis, kad sudarytų sandorius. Jie skirti naudoti duomenis tokiu dažnumu ir greičiu, kurie viršija žmogaus galimybes.
Algoritminės prekybos privalumai yra pakankamai aiškūs. Algoritmai gali diegti rinkos nuskaitymą tokiu greičiu ir mastu, kokio žmonės negali. Tai leidžia anksti nustatyti rinkos galimybes ir greitai aptikti kainų skirtumus, o tai sudaro sąlygas sėkmingam arbitražui prieš mažiau sudėtingus rinkos dalyvius.
Kitas aiškus privalumas – rizikos valdymas. Pažangūs algoritmai gali turėti įmontuotas rizikos valdymo funkcijas, kurios atitinka iš anksto nustatytus rizikos parametrus ir atitinkamai koreguoja prekybos veiklą. Tai idealiai tinka konservatyvesnėms prekybos strategijoms.
Tačiau diskusijose apie algoritminę prekybą verta ištirti jos poveikį svarbiausioms obligacijų rinkoms.
Rotem Farkash: AI Deep Learning leidžia įtraukti daugiau informacijos, nei siauri techniniai veiksniai
Algoritmai yra labai pritaikomi, tai reiškia, kad prekybininkai gali juos optimizuoti, kad atitiktų savo konkrečius prekybos tikslus ir stilių. Pridėjus dirbtinio intelekto funkcijų, pvz., mašininio mokymosi, šie pritaikyti algoritmai gali patobulinti įsisavinant istorinius duomenis ir rinkos atsiliepimus.
Natūralios kalbos apdorojimas (NLP), dirbtinio intelekto polaukis, mokantis mašinas suprasti žmonių kalbą, taip pat reiškia, kad dirbtinis intelektas tampa vis labiau kompetentingas interpretuoti kokybinę informaciją iš naujienų, socialinės žiniasklaidos ir pajamų ataskaitų, leidžiančių numatyti rinkos judėjimą, pagrįstą žmogaus nuotaikomis.
Technikos verslininkas ir AI ekspertas Rotemas Farkashas paaiškino, kad mašininio mokymosi galimybės obligacijų finansavimo srityje tik prasideda. „Gilusis AI mokymasis leidžia algoritmui peržengti siaurus techninius veiksnius, o laikui bėgant jis tik tobulės dėl integruotų grįžtamojo ryšio mechanizmų“, – paaiškino Farkashas.
„Įrankiai galės įvertinti ne tik statistinius obligacijų kintamuosius, tokius kaip pajamingumas ir reali grąža, bet ir kokybinius veiksnius, tokius kaip dabartinės vyriausybės fiskalinė politika“, – tęsė Farkashas.
Europos centrinis bankas: finansinio turto pasiūla ir paklausa gali būti sistemingai iškraipoma
Obligacijų rinkose, kaip ir akcijų rinkose, algoritmai ir dirbtinis intelektas reiškia mažesnį žmogiškosiomis klaidomis pagrįstą nepastovumą ir didesnį prekybos, kainų nustatymo ir arbitražo greitį. Šis padidintas greitis ir informacijos srautas daro rinkas efektyvesnes ir gali išvengti tam tikros neracionalios veiklos.
Nepaisant to, algoritmai kelia savo pavojų. Jei daugelis įmonių savo prekybos strategijoms naudoja tų pačių tiekėjų dirbtinio intelekto algoritmus, jos visos atliks tuos pačius veiksmus tuo pačiu metu. Tam tikrais scenarijais tai gali reikšti staigius rinkos svyravimus, pagrįstus nauja informacija, sukuriant naujų avarijų ir didesnių sisteminių pažeidžiamumų galimybę.
Europos centrinis bankas perspėjo, kad „jei daugelis institucijų naudotų dirbtinį intelektą paskirstydamos turtą ir pasikliautų tik keliais dirbtinio intelekto teikėjais, (…) finansinio turto pasiūla ir paklausa gali būti sistemingai iškraipoma, o tai paskatins brangius rinkos pakeitimus, kurie kenkia jų atsparumui“. Taip pat neatsižvelgiama į „Juodosios gulbės“ įvykių, kurie neatsispindi istoriniuose duomenyse, galimybę.
Didesnė mažmeninių investuotojų, naudojančių dirbtinį intelektą, paklausa padidins obligacijų kainas ir sumažins skolinimosi išlaidas, tačiau rinkos taps jautresnės
Didžiausias esminis pokytis yra tas, kad į obligacijų rinką pateks daugiau pirkėjų, todėl vyriausybėms skolinimasis bus pigesnis. Tačiau šie nauji pirkėjai naudos algoritmines strategijas, kurios yra jautresnės ir greitesnės nei tradiciniai prekybininkai. Tai galiausiai reiškia, kad rinkos yra gilesnės ir likvidesnės, bet taip pat jautresnės ir potencialiai agresyvesnės.
Padidintas kapitalas iš valstybės perspektyvos yra nelygiuotas gėris. Didesnė mažmeninių investuotojų paklausa padidins obligacijų kainas ir savo ruožtu sumažins skolinimosi išlaidas, todėl vyriausybės galės valdyti vis labiau įtemptus biudžetus.
Tačiau didesnis arbitražas, kurį įgalina šie metodai, taip pat gali tapti vyriausybių problema. Padidėjęs algoritmais vadovaujamų investuotojų jautrumas reiškia, kad vyriausybės turės daugiau dirbti, kad obligacijų turėtojai ir pirkėjai būtų patenkinti, o tai apribos jų laisvę ekonominės politikos srityje. Diskusijos apie pernelyg didelę skolų prekiautojų galią ir įtaką suvereniai demokratinei valdžiai tokiu atveju tik sustiprės.
Duomenų trūkumams ir algoritmų paklaidoms reikės žmogaus priežiūros
Neišvengiamai didesnį likvidumą, kurį suteikia algoritminė prekyba, palankiai įvertins ir prekybininkai, ir vyriausybės. Tačiau jos nepastovumo riziką turės valdyti žmonių priežiūra, kaip ir dirbtinis intelektas buvo derinamas su žmogaus priežiūra kituose sektoriuose.
Kol natūralios kalbos apdorojimas neįveiks AI nesugebėjimo priimti kokybinius ir kontekstinius sprendimus, obligacijų prekybai reikės žmogaus priežiūros, kad ji išliktų stabili. Tuo tarpu obligacijų rinkose bus didesnė paklausa, bet ir didesnis algoritminis jautrumas. Vyriausybės turės atsižvelgti į aktyvesnes rinkas, staigių algoritmų svyravimų pavojų ir bet kokį šių įrankių paklaidą dėl neišsamių duomenų.
Pasidalinkite šiuo straipsniu:
