„Last of Us?” – Van-e jövője az emberi befektetőknek a mesterséges intelligencia világában?

Yuval Noah Harari Sapiens – Az emberiség rövid története című művében is olvashatjuk, az emberiség történetét számos olyan mérföldkő formálta, amelyek alapjaiban alakították át civilizációnkat. Ilyen mérföldkő volt a tűz- és eszközhasználat elterjedése, amely megalapozta a kognitív forradalmat, amely evolúciós szempontból az embert mint fajt hirtelen ugrással a tápláléklánc közepéről annak csúcsára emelte. A mezőgazdasági forradalom során bizonyos állatok és növények háziasítása tette lehetővé a letelepedést és a civilizációk kialakulását. A tudományos forradalom pedig abból a felismerésből indult, hogy mennyi mindent nem tudunk, és ez indította el a tudatos kutatást, a technológiai fejlődést és a jövőbe vetett hitet.

Azonban vannak korszakok, amikor a világ nem látványos forradalmakkal, hanem csendes technológiai áttörésekkel változik meg. A mesterséges intelligencia ilyen fordulópont – láthatatlanul szövi át a mindennapokat, és már nemcsak a gyárakban vagy irodákban, hanem a tőkepiacokon is alapjaiban alakíthatja át a mindennapi működést. A mesterséges intelligencia nemcsak gyorsabbá és hatékonyabbá teheti az információfeldolgozást, hanem alapjaiban kérdőjelezheti meg az emberi döntések szerepét a befektetések világában. Vajon eljöhet az idő, amikor az arbitrázs lehetőségei eltűnnek, és a döntéseket már nem emberek, hanem algoritmusok hozzák meg? A cikk célja nem az, hogy minden kérdésre választ adjon, vagy általános igazságokat fogalmazzon – hiszen a jövő még csak most formálódik. Sokkal inkább egy rövid, gondolatébresztő áttekintés kíván lenni, amely annak jár utána, hogyan alakíthatja át az "AI" a tőkepiaci hatékonyságot, és mit jelenthet mindez a befektetők, portfóliókezelők és a piacok jövője szempontjából.

Boldogít a pénz? Ha nem, miért vágynak mégis olyan sokan rá? Ezt talán a legegyszerűbben a drive-elméleten keresztül érthetjük meg. Az elmélet szerint az emberi természetet két hajtóerő mozgatja: az úgynevezett elsődleges vágyak – amelyek a létfenntartáshoz szükségesek (éhség, szomjúság, szexualitás) – és a másodlagos, tanult vagy kulturálisan meghatározott vágyak.

Az ember nem csupán pénzszerzési lehetőséget keres, hanem biztonságot, státuszt, elismerést – vagy épp a kockáztatás élményét. A pénz ritkán önmagában cél, sokkal inkább eszköz a különféle vágyak és célok eléréséhez.

A tőzsdéket sokan a gyors meggazdagodás lehetőségével azonosítják, az emberek döntő többsége azonban kockázatkerülő magatartást tanúsít - nem arról van szó, hogy soha nem vállalnak kockázatot, hanem arról, hogy minden kockázatvállalásért megfelelő kompenzációt várnak el. E viselkedés mögött pszichológiai alapok húzódnak meg – és ezek adják a portfólióelméletek kiindulópontját is

A hatékonyság fogalma ebben az esetben arra utal, hogy az árfolyamok milyen mértékben tükrözik az információkat. A hatékony piacok elméletét az akadémikusok Eugene Fama 1970-es tanulmányához kötik. Elmélete szerint a piaci hatékonyságnak három formája létezik:

• Gyenge hatékonyság: Az árfolyamok minden múltbeli információt tartalmaznak, így a múltbeli adatok alapján nem lehet következtetni a jövőbeli árfolyamokra. Ebben az esetben a technikai elemzéssel nem tudunk abnormális profitra szert tenni.

• Közepes hatékonyság: Az árfolyamok minden múltbeli és jelenbeli, nyilvánosan elérhető információt hordoznak.  Ez alapján a fundamentális elemzéssel már „csak” normál profitra számíthatunk, hiszen az információk már beépültek az árakba.

• Erős hatékonyság: Az árfolyamok nemcsak a múltbeli és jelenbeli, hanem még a bennfentes információkat is tükrözik. Valójában ez egy elméleti(idealizált?) állapot, hiszen ebben a világ állapotban a szabályozott piacokon nincs "ingyen ebéd".

Ahhoz, hogy megértsük az AI hatását, érdemes mélyebben megvizsgálni a tőkepiacok működésének mikroszintjét, ahol az egyes szereplők motivációi és interakciói alakítják a piac dinamikáját. A tőzsdei szereplőket alapvetően négy fő csoportba sorolhatjuk:

• Racionális kereskedők: Olyan „racionális” befektetők, akik célja a félreárazások kihasználása, vagyis az ár és az érték közötti eltérésből eredő  profit realizálása. Ebbe a körbe tartoznak az elemzők, befektetési szakemberek, akik modellezéssel és értékeléssel foglalkoznak. Tevékenységük révén az árfolyamokat közelítik a fundamentális értékükhöz, így hozzájárulnak a piac hatékonyságához.

• Heurisztikus kereskedők: Viselkedési torzításokkal rendelkező szereplők, akiket pszichológiai tényezők – például túlzott önbizalom, horgonyzás, veszteségkerülés – befolyásolnak döntéseikben. Úgynevezett „zajos” kereskedést folytatnak: döntéseik gyakran nem követik az értékalapú logikát, ezzel növelik a volatilitást, és „zajt” visznek a rendszerbe.

• Információ nélküli kereskedők: Olyan szereplők, akiknek nincs releváns információjuk, vagy nem azért kereskednek, hogy azt érvényesítsék – gyakran például likviditási okokból hajtanak végre tranzakciókat.

• Árjegyzők: Speciális szereplők, akik likviditást biztosítanak a piacon. Vételi és eladási árakat jegyeznek (bid–ask spread), lehetővé téve ezzel a folyamatos kereskedést.

Miért lényeges a piaci mikrostruktúra a gyakorlatban?

Elég, ha csak az idei év eseményeire gondolunk: a "Liberation Day" utáni piaci esést követő emelkedésért nagyrészt a retail befektetők, vagyis a nem racionális kereskedők voltak felelősek. Az első ábra azt szemlélteti, hogy az egyes befektetői csoportok historikus részvénykitettségükhöz képest több (+) vagy kevesebb (–) részvényt tartanak az adott időszakban. Miközben az intézményi szereplők(kék vonal) részvénykitettsége a historikus átlag alatt maradt a "Liberation Day" utáni esést követően – ahogy az 1. ábra is mutatja –, addig a lakossági befektetők(sárga vonal) növelték a kitettségüket. Így tehát hiába tér el gyakran az ár az értéktől, a "trade flow" sok esetben erősebb hajtóerő, mint a fundamentumok. Másképp fogalmazva: a piaci mikrostruktúra önmagában is képes meghatározni a tőkepiaci hatékonyságot.

A közgazdaságtan mint tudományág – különösképpen annak pénzügyi területe – egyik örökzöld témája a tőkepiaci hatékonyság vizsgálata az akadémiai körökben. Az empirikus kutatások alapvető kérdése mindig ugyanaz: vajon az árfolyamok bolyonganak-e, vagy sem? Számos, pénzügyi instrumentumok árazásának alapját képező részvényárfolyam-modell egy angol botanikus megállapításaira épül, amely jelenség ismertté válásához Burton G.Malkiel könyve járult hozzá meghatározó módon. Az árfolyamok bolyongásának vizsgálata az akadémiai körökben különböző statisztikai tesztek segítségével történik. A klasszikus és újabb módszertanok az árfolyamok stacionaritását és autokorrelálatlanságát vizsgálják – vagy egyszerűbben fogalmazva: azt, hogy van-e kimutatható mintázat az árfolyamok alakulásában a viszgált időszakban.

Fontos azonban kiemelni, hogy az akadémiai közösségben nincs egyetértés a kérdésben. Nem mindegy, hogy milyen időtávot vizsgálunk, illetve hogy az adott piac  fejlett vagy fejlődő, likvid vagy illikvid illetve a piacot konjunktúra vagy válság idején vizsgáljuk. Mindezek befolyásolják a kapott eredményeket, így gyakran egymásnak ellentmondó következtetésekre jutnak a kutatók. Ami azonban sokszor háttérbe szorul, az annak vizsgálata, hogy az idő múlásával és a technológiai fejlődés előrehaladtával vajon a piacok trendszerűen hatékonyabbá váltak-e, vagy sem.

A tőkepiaci hatékonyságot ért kritikák közül külön figyelmet érdemel Cliff Asness, hedge fund menedzser írása, amely gyakorlati szemszögből közelíti meg a témát. Asness kiemeli, hogy a hatékonyság az idő előrehaladtával inkább csökkent, mintsem nőtt. Szerinte a több és olcsóbban elérhető adat önmagában még nem eredményez hatékonyabb információfeldolgozást. Emellett a szerző hangsúlyozza – ahogyan az második ábra is mutatja –, hogy a "value spread"(egy mutató, ami azt méri, hogy mekkora a különbség a legolcsóbb és a legdrágább részvények árazása között) nemhogy csökkent volna az idő során, hanem éppen ellenkezőleg: a dotcom-lufi idején tapasztalt szintet is meghaladó magasságba emelkedett. Ráadásul a spread fennállása időben is tartósabbá vált, ami ellentmond annak a feltételezésnek, hogy a tőkepiaci hatékonyság a technológiai fejlődéssel és az idő múlásával együtt javult volna.

A modern kori tőkepiaci hatékonyság alakulásához nagyban hozzájárult a „gamification” jelensége, amely azt jelenti, hogy a kereskedési platformok egyre inkább egy videójátékhoz hasonlítanak. Ennek célja, hogy a felhasználók játékként éljék meg a kereskedést, miközben a valós kockázatérzékelés jelentősen csökken. Az egyik legismertebb ilyen platform a Robinhood online brókercég kereskedési rendszere, de a Revolut és a Lightyear felületei sem térnek el jelentősen ettől a megközelítéstől.

A jelenség a Covid időszakában különösen kockázatosnak bizonyult. A karanténba zárt emberek döntő többsége a szabadidejük jelentős részét azzal töltötték, hogy az államtól kapott „ingyen” pénzt ilyen platformokon költsék el. Elég csak a Gamestop példájára gondolni, hogy milyen mániát okozott a 2021-es évben, ahol tömeges vásárlási hullám indult el a kisbefektetők körében, sokszor a fundamentumokat figyelmen kívül hagyva. A kisbefektetői lelkesedés nem ért véget a GameStoppal, időről időre újabb mémrészvényeket fedeznek fel a lakossági befektetők, mint például a Tesla, az NVIDIA vagy akár a Tupperware. A lakossági eufórián nem segít a „FOMO” (Fear of Missing Out) jelensége, amely sok esetben pszichológiai nyomásként felülírja a racionális döntéshozatalt, és ezáltal jelentős veszteséget okoz a lakossági befektetőknek. A kisbefektetők tehát a jelenség következtében „zajt” visznek a tőkepiacokra, ami aláássa a tőkepiaci hatékonyságot, hiszen az ár és az érték között így jelentős eltérés alakulhat ki. Az ilyen kereskedési platformok és a hozzájuk kapcsolódó fórumok (például a Reddit) tehát nem a tőkepiaci hatékonyság javítását szolgálják.

Az AI alkalmazása a befektetések terén egyre elterjedtebbé válik. Már napjainkban is támogatja a befektetési döntéshozatalt, és jelentősen megkönnyíti az elemzői munkát. Az elmúlt időszakban több cikk is megjelent arról, hogy az AI térnyerésének következtében visszaesett a frissen végzett egyetemisták felvétele junior pozíciókba.

Az AI jelentősen javíthatja a tőkepiaci hatékonyságot, különösen az információfeldolgozás terén. Mivel gyorsabban és nagyobb adatmennyiséget képes átlátni, az információk sokkal hamarabb épülhetnek be az árfolyamokba, mint korábban. Az AI-rendszerek gyorsasága miatt az arbitrázslehetőségek a szabályozott piacokról gyorsan eltűnhetnek, miközben az információk beépülése az árfolyamba felgyorsulhat. Ez nem azt jelenti, hogy a jövőben ne lehetne pénzt keresni, hanem azt, hogy adott kockázati szint mellett az elvárható hozam feletti „abnormális” megtérülésre idővel már nem lehet számítani.

A jelenlegi piaci működés egyik alapja a „zaj” – vagyis az a jelenség, hogy ugyanarról a befektetési lehetőségről a befektetők eltérően vélekednek. A befektetők várakozása nem homogén, ez okozza azt, hogy az ár és az érték időnként eltér egymástól. Ez szükségszerű, hiszen ha mindenki ugyanúgy értékelné a befektetési lehetőségeket, nem lenne mód abnormális profitra szert tenni. Azonban az AI-alapú befektetési rendszerek nem szenvednek kognitív torzításoktól, így elméleti síkon „racionálisabb” döntéseket hozhatnak, mint mi emberek. Az ilyen rendszerek térnyerése pedig a tőkepiaci zajt jelentősen leredukálhatja, hiszen ugyanabból az információból kiindúlva racionális döntésre juthatnak.

Ha a heurisztikus és információ nélküli kereskedők is AI-alapú megoldások felé fordulnak, és ennek hatására racionálisabbá válnak, a szabályozott piacok ténylegesen hatékonyabbá válhatnak. Ebben az esetben azok a szakemberek, akik eddig az abnormális profit lehetőségeit keresték, elveszíthetik versenyelőnyüket – akár a munkahelyüket is.

Ugyanakkor az AI alapú döntési rendszerek sem hibátlanok egyelőre, komoly kockázatokkal is járhat, ha a befektetési döntéseink során csak ilyen rendszerekre támaszkodunk.

A korábban vázolt elképzelések azzal az egyszerűsítő feltételezéssel éltek, hogy minden MI-alapú befektetési rendszer azonos azaz homogén. A gyakorlatban ez azonban jelenleg nem így van: a mögöttes algoritmikusokat különböző gondolkodásmódú és világképű emberek írják. Ennek következtében, bár az mesterséges intellingencia valóban képesek kognitív torzítástól mentes döntéshozatalra, azonban amíg az AI-t emberek hozzák létre és tanítják, az emberi hibák beépülhetnek az algoritmusokba, amik rossz döntésre vezethetnek.

Ráadásul a befektetési rendszerek sem egységes elven működnek: a különféle mesterséges intelligencia modellek – például a természetes nyelvfeldolgozásra (NLP) épülő rendszerek, amelyek hírekből vagy közösségi médiából származó információkat értelmeznek, vagy a megerősítéses tanulás (reinforcement learning) logikáját követő kereskedési algoritmusok – teljesen eltérő módon reagálnak ugyanarra a piaci eseményre. Eltérő időtávokra, eltérő adattípusokra és eltérő kockázati szemléletre építenek. Ez a heterogenitás továbbra is fenn tudja tartani a piaci szereplők közti véleménykülönbségeket, vagyis paradox módon épp az MI elterjedése áshatja alá a hatékonyságot.

Az AI-rendszerek sem tévedhetetlenek. Ahogyan az „alfa” keresése során a modellek gyakran a mintában szereplő adatokra tanulnak rá, addiga mintán kívüli világban gyenge teljesítményt mutathatnak. Ezért az úgynevezett „overfitting” probléma az AI-modellek esetében is fennállhat. Továbbá az algoritmusokat viszonylag könnyen félre lehet vezetni, így a mesterségesen(akár ember akár valamilyen gépi rendszer által) a rendszerbe juttatott „zaj"(deepfake) félrevezető döntésekre sarkallhatja a modelleket.

Horváth Gergő - portfolio manager

Az APELSO cégcsoport által üzemeltetett blog célja kizárólag tájékoztatási és oktatási célokat szolgál, és nem minősül befektetési tanácsnak vagy elemzésnek. Az APELSO blogok lehetőséget adnak munkatársainknak, hogy személyes érdeklődésükön és látásmódjukon keresztül bemutassák a wealth management és befektetések világa iránt érdeklődőknek az aktuális trendeket, piaci folyamatokat, történéseket. Az írásokban megjelenő információk gondosan összeállítottak, azonban nem garantálhatóak teljes pontosságukban vagy frissességükben. Az APELSO Blogon megjelenő írások kizárólag személyes véleményeket tükröznek, és nem tekinthetők befektetési ajánlásnak vagy döntési alapnak. Az olvasóknak javasoljuk, hogy minden befektetési döntésüket saját körülményeik és szakértelmük alapján alaposan mérlegeljék, és szükség esetén kérjenek szakmai tanácsot egy képzett tanácsadótól.