Artykuł został przygotowany po konsultacjach z programem ChatGPT, w tym dotyczących wad sztucznej inteligencji i niektórych jej ewentualnych przyczyn, co nie oznacza że nie obserwuję ich występowania także w odniesieniu do tego programu.
Ponadto ChatGPT twierdzi, że został po raz ostatni upgradowany w 2021 roku, co dodatkowo wpływa na to, że niektóre jego odpowiedzi mogą być nieaktualne lub nieadekwatne, pomimo że w niektórych obszarach można prowadzić z nim intelektualną dyskusję na wysokim poziomie.
Wystąpienie Wojciecha Białka na tegorocznym Invest Cuffs w Krakowie podsunęło mi pomysł aby przyjrzeć się nieco bliżej zagadnieniu wpływu sztucznej inteligencji na sytuację na giełdzie.
Programy oparte na niej wspomagają wyszukiwanie okazji rynkowych, służą do prognozowania kształtowania się cen akcji i zarządzania portfelami inwestycyjnymi.
Stosuje się, w tym celu m. in. wykorzystywanie analizy sentymentu, polegającej na zbieraniu komentarzy (sentiment analysis), technikę uczenia maszynowego (deep learning), szybko analizujące i podejmujące decyzję trading bots oraz predykcję cen, co jednak nie eliminuje występowania ryzyka.
Algorytmy do zarządzania ryzykiem kredytowym i oceny ryzyka kredytowego zostały rozwinięte i zyskały na popularności po kryzysie finansowym z 2008 roku.
Uważa się również, że podczas pandemii COVID-19 wiele firm wykorzystywało oparte na sztucznej inteligencji programy do podejmowania świadomych decyzji inwestycyjnych.
Zarazem informacje o zaangażowaniu się firm w wykorzystywanie sztucznej inteligencji wpływają na wzrost ich wycen giełdowych.
Sztuczna inteligencja - to dziedzina informatyki oraz zdolność maszyn do przetwarzania informacji, uczenia się z danych i podejmowania decyzji, które zwykle wymagają ludzkiej inteligencji.
Nie posiada osobowości, emocji i zdolności intuicyjnych, chociaż może w pewnym stopniu symulować emocje, świadomość i intuicję. Działa na zasadzie algorytmów, które umożliwiają analizę i przetwarzanie danych.
Pomimo, że powinna działać obiektywnie może odzwierciedlać, w pewny sposób subiektywne przekonania oraz wartości, w tym ideologiczne i uprzedzenia programistów, nawet symptomy takich ich zaburzeń jak: narcyzm, borderline, histrioniczne zaburzenia osobowości, choroba afektywna dwubiegunowa, zespół Korsakowa, choroby neurologiczne, nadmiar stresu czy uzależnienia, co może się objawiać cechami sprawiającymi wrażenie uporu, kłamania, chęci moralizowania, przekonania o słuszności własnego zdania, zaniżonego poczucia wartości, skłonności do konfabulacji czy nawet przyjmowania subiektywnych poglądów na sytuację polityczną, społeczną i ekonomiczną.
Nie można również wykluczyć subiektywnego wpływu instytucji finansujących programy, w ramach których funkcjonuje sztuczna inteligencja - na strukturę jej algorytmów oraz na jej proces trenowania.
Trenowanie sztucznej inteligencji (AI) - to proces uczenia komputera sposobów wykonywania zadań i podejmowania decyzji, w oparciu o dostępne dane.
Kluczową rolę odgrywają w nim ludzie, przygotowujący algorytmy, tworzący zbiory danych, dostarczający niezbędnych informacji, określający cele i parametry działania systemu sztucznej inteligencji, monitorujący i doskonalący ją oraz identyfikujący błędy i optymalizujący jej działanie.
Warto o tym pamiętać, zwłaszcza że coraz częściej pojawiają się zarówno legalne, jak i nielegalne programy wspomagające podejmowanie decyzji inwestycyjnych. Sytuacja ta powoduje konieczność uprzedniego zbadania reputacji programu, który ma się zamiar wykorzystać, aby nie ponieść strat i nie naruszyć prawa.
Niektóre z tych programów wykorzystują sieci neuronowe lub algorytmy genetyczne. Jednak nie każdy z nich jest formą sztucznej inteligencji.
Sieci neuronowe naśladują sposób funkcjonowania ludzkiego mózgu. Algorytmy genetyczne - to rodzaj technik poszukiwania optymalnego rozwiązania problemu, opierających się na zasadach genetyki i ewolucji biologicznej.
Uważa się, że te programy mogą wpływać na popyt oraz na wolumen transakcji. Zarazem obniżają ich znaczenie nieoczekiwane sytuacje, na które ich twórcy tych programów zdążyli się przygotować, co powoduje brak uwzględnienia tych wydarzeń w algorytmach. Uważa się, że te programy nie tylko znajdują okazję, których nie zauważają ludzie ale zwiększają siłę spadków i wzrostów kursów.
Przykładem takich oddziaływań był flash crash z 9 maja 2010 roku w USA. Podczas którego akcje najpierw spadły o 9 %, w ciągu 20 minut, z powodu błędu w algorytmie, a potem wróciły do poprzedniego poziomu oraz Quant Quake z 2007 roku, podczas którego akcje spadły o kilka procent wraz z korektą na rynku kredytów subprime i brakiem płynności na rynkach finansowych.
Uważa się również, że na 20 – 30 %-owy spadek cen akcji na świecie 19 października 1987 roku, a więc na półtora roku przed częściowymi wolnymi w wyborami w Polsce oraz nieco późniejszą jesienią ludów, związaną z upadkiem systemów komunistycznych w Europie środkowej miały wpływ automatyczne, chociaż dużo prostsze, niż obecne automatyczne systemy handlu.
W 2016 roku, Commodity Futures Trading Commission (CFTC) w Stanach Zjednoczonych oskarżyła firmę algorytmiczną 3Red Trading LLC o wprowadzanie w błąd klientów i manipulowanie rynkiem futures (spoofing) na czterech giełdach, w obszarze E-mini S&P 500, ropy naftowej, gazu ziemnego i miedzi.
W 2012 roku Knight Capital doznał w ciągu 45 minut strat wysokości 450 mln USD, również na skutek błędu algorytmu.
W kolejnych latach można spodziewać się dynamicznego rozwoju oferowania sztucznej inteligencji w formie narzędzia inwestorom, jako wsparcia rozwoju oraz swojej promocji przez kolejne instytucje rynku inwestycyjnego, w tym w Polsce. Uważam, że powinno się je przetestować, m. in w odniesieniu do ewentualnej tendencji występowania specyficznych rodzajów ich wad.
