|
Σύμφωνα με τους
στρατηγικούς αναλυτές
της τράπεζας με
επικεφαλής τον
Thomas
Salopek,
τα μοντέλα AI
σχεδιάστηκαν ώστε να
εναλλάσσονται μεταξύ
μετοχών και ομολόγων
ανάλογα με το εκάστοτε
επενδυτικό περιβάλλον.
Στις προσομοιώσεις που
κάλυψαν περίπου δύο
δεκαετίες ιστορικών
δεδομένων, το καλύτερο
σύστημα εμφάνισε απόδοση
υψηλότερη κατά περίπου
0,7 ποσοστιαίες
μονάδες ετησίως
σε σχέση με το κλασικό
χαρτοφυλάκιο 60/40, ενώ
παράλληλα παρουσίασε
χαμηλότερη
μεταβλητότητα.
Παράλληλα, το μοντέλο
ξεπέρασε και το
υφιστάμενο σύστημα της
JPMorgan
που βασίζεται σε κανόνες
για τον εντοπισμό
διαφορετικών
«καθεστώτων» της αγοράς
(market
regimes).
Η JPMorgan
προειδοποιεί: Δεν
αποτελεί απόδειξη
υπεραπόδοσης
Παρά τα εντυπωσιακά
αποτελέσματα, η τράπεζα
υπογραμμίζει ότι τα
ευρήματα βασίζονται
αποκλειστικά σε
ιστορικές προσομοιώσεις
(backtests)
και δεν αποτελούν
απόδειξη ότι η τεχνητή
νοημοσύνη μπορεί να
υπεραποδίδει σταθερά
στις πραγματικές αγορές.
Οι αναλυτές της
JPMorgan
σημείωσαν ότι ένα
AI
σύστημα μπορεί να
σχεδιαστεί ώστε να
λαμβάνει αποφάσεις υπό
συνθήκες αβεβαιότητας
και να δημιουργεί
καλύτερα αποτελέσματα σε
σχέση με ένα εύλογο
σημείο αναφοράς, ωστόσο
τόνισαν ότι απαιτείται
ιδιαίτερη προσοχή.
«Προειδοποιούμε έντονα
να μην αποδεχόμαστε
άκριτα αυτό που
ουσιαστικά μπορεί να
είναι απαντήσεις της
AI
βασισμένες σε δεδομένα
του ίδιου δείγματος και
υπερβολική
αυτοπεποίθηση», ανέφεραν
οι στρατηγικοί αναλυτές.
Η τράπεζα τόνισε επίσης
ότι η
Agentic
AI,
δηλαδή συστήματα που
μπορούν να λαμβάνουν
αυτόνομες αποφάσεις,
πρέπει να εντάσσεται
μέσα σε μια καλά
σχεδιασμένη διαδικασία
κατανομής ενεργητικού
και όχι να
αντιμετωπίζεται ως
υποκατάστατο της
επενδυτικής γνώσης.
Η Wall
Street
εξετάζει την επόμενη
φάση της AI
Οι μεγάλες τράπεζες
έχουν επενδύσει
σημαντικά τα τελευταία
δύο χρόνια στην
ενσωμάτωση μεγάλων
γλωσσικών μοντέλων (LLMs)
σε τομείς όπως:
η χρηματιστηριακή
έρευνα,
η ανάλυση δεδομένων,
ο προγραμματισμός,
η αυτοματοποίηση
εσωτερικών διαδικασιών.
Το επόμενο βήμα είναι να
εξεταστεί κατά πόσο αυτά
τα συστήματα μπορούν να
περάσουν από τον ρόλο
του βοηθού αναλυτή στον
ρόλο ενός εργαλείου που
συμμετέχει ενεργά στη
λήψη επενδυτικών
αποφάσεων.
Η εξέλιξη αυτή έρχεται
σε μια περίοδο όπου οι
επενδυτές αναζητούν
νέους τρόπους βελτίωσης
των αποδόσεων, καθώς οι
παραδοσιακές
στρατηγικές, όπως το
χαρτοφυλάκιο 60/40,
αντιμετωπίζουν
προκλήσεις από την
αυξημένη μεταβλητότητα,
τις αλλαγές στα επιτόκια
και τις γεωπολιτικές
αβεβαιότητες.
Ωστόσο, η ίδια η
JPMorgan
προειδοποιεί ότι η
τεχνητή νοημοσύνη δεν
αποτελεί «μαύρο κουτί»
που παράγει αυτόματα
υπεραποδόσεις. Η
ποιότητα των
αποτελεσμάτων θα
εξαρτηθεί τελικά από την
ποιότητα των δεδομένων,
τη σωστή σχεδίαση των
μοντέλων και την
ανθρώπινη εποπτεία.
|
