Στην συνεδρίαση της 6ης Μάϊου του 2010 ο δείκτης Dow Jones έχασε πάνω από 600 μονάδες βάσης με ταυτόχρονα σημαντική αύξηση του όγκου συναλλαγών, ανακάμπτοντας σε 20 λεπτά, σε ένα φαινόμενο γνωστό ως «flash crash».
Μεταγενέστερες έρευνες σχετικά με το γεγονός ανακάλυψαν ότι η βίαιη πτώση του δείκτη προκλήθηκε από μια συγκεκριμένη αλληλουχία αλληλεπιδράσεων και κινήσεων των λεγόμενων algorithmic traders. Επίσημες αναφορές σημειώνουν ότι ένα Αμερικανικό fund ρευστοποίησε $4,1 δισ. futures (συμβόλαια παραγώγων) του δείκτη μέσω ενός αυτοματοποιημένου αλγορίθμου, πυροδοτώντας την αλυσιδωτή αντίδραση άλλων algorithmic traders, ανταγωνιζόμενων μεταξύ τους.
O όρος αναφέρεται σε αυτοματοποιημένα συστήματα ικανά να εκτελέσουν δεκάδες χιλιάδες εντολές σε κλάσματα του δευτερολέπτου, εφαρμόζοντας πολύπλοκες επενδυτικές στρατηγικές βασισμένες σε συγκεκριμένους κανόνες και προηγμένα μαθηματικά μοντέλα, εξαλείφοντας τις μεροληψίες και την ψυχολογία του ανθρώπινου παράγοντα.
Η αύξηση της υπολογιστικής δύναμης καθώς και η ταχύτατη ανάπτυξη μοντέλων τεχνητής νοημοσύνης τα τελευταία χρόνια δεν έχει αφήσει ανεπηρέαστο τον κλάδο των χρηματοοικονομικών. Χαρακτηριστικό είναι ότι το 2018, το 80% των καθημερινών κινήσεων στην αγορά μετοχών των ΗΠΑ πραγματοποιήθηκε από μηχανή και όχι από ανθρώπινο χέρι, με τους ειδικούς να εκτιμούν ότι το ποσοστό αυτό έχει αυξηθεί περαιτέρω σήμερα.
Βάσει των παραπάνω είναι μπορεί να αναρωτηθεί κανείς: Μπορούμε να εμπιστευθούμε τα πολύπλοκα μαθηματικά μοντέλα των επενδυτικών τραπεζών και των hedge funds, στον ρόλο ουσιαστικά της ίδιας της αγοράς;
Σε διαφορετικές εφαρμογές εκτός του χρηματοοικονομικού κλάδου, τα μοντέλα τεχνητής νοημοσύνης αντιμετωπίζονται συχνά με σκεπτικισμό, αναφορικά με την επεξηγηματικότητά τους, την ηθική των αποφάσεών τους, και την ικανότητα τους να γενικεύσουν τις γνώσεις τους σε εργασίες που δεν εκπαιδεύτηκαν. Όμως οι αλγόριθμοι τεχνητής νοημοσύνης και οι αυτοματοποιημένες επενδυτικές στρατηγικές δεν είναι τίποτα άλλο από μαθηματικά μοντέλα. Συχνά ακόμα και οι ειδικοί στην ανάπτυξή τους δεν μπορούν να εξηγήσουν την συμπεριφορά τέτοιων αλγορίθμων, ούτε ακόμα κατανοούν ικανοποιητικά τον τρόπο λειτουργίας τους.
Αυτό σημαίνει ότι όχι μόνο δεν μπορούμε να καταλάβουμε την αιτία γεγονότων σαν αυτό της 6ης Μάϊου 2010, αλλά δεν μπορούμε καν να τα προβλέψουμε. Σε γενικότερο πλαίσιο είναι εύλογο το ερώτημα: μπορούν οι μη θεσμικοί επενδυτές και οι μικρές εταιρίες διαχείρισης κεφαλαίων να κατανοήσουν, να προβλέψουν, και να ‘στοιχηματίσουν’ σε μια αγορά που σχεδόν αποκλειστικά καθοδηγείται από αλγορίθμους; Μπορούν τα μοντέλα αποτίμησης χρεογράφων της κλασσικής χρηματοοικονομικής να εφαρμοστούν ακόμα με αξιοπιστία για την πρόβλεψη των τιμών, ή μετατρέπονται οι αγορές περισσότερο σε ένα πολύπλοκο σύστημα, το οποίο σε καμία περίπτωση δεν εγγυάται την υπόθεση της ‘αποτελεσματικότητας’ τους;
Βεβαίως, κανείς μπορεί να ‘ποντάρει’ στις αγορές χρήματος και κεφαλαίου ακόμα και χωρίς να κατανοεί πλήρως τους πολύπλοκους μηχανισμούς που τις κυβερνούν. Αν λοιπόν θεωρήσουμε ότι η πλειονότητα των καθημερινών κινήσεων στις αγορές πραγματοποιείται από μηχανές, πως θα μπορούσαν οι μη θεσμικοί επενδυτές να ‘κερδίσουν την απόδοση της αγοράς’;
Η απάντηση πιθανόν να βρίσκεται εξετάζοντας τις αγορές από μια μάκρο-κλίμακα. Η ιδέα είναι ότι μπορεί τα μαθηματικά μοντέλα να καθορίζουν τις τιμές των χρεογράφων σε καθημερινή ή εβδομαδιαία βάση, ωστόσο η ανάλυση των αγορών σε μεγαλύτερες (χρονικά) κλίμακες πιθανότατα παρέχει διαφορετική πληροφορία, αποτελώντας κατά κάποιον τρόπο το μέσο αποτέλεσμα όλων των κινήσεων στην μίκρο-κλίμακα. Η συγκεκριμένη θεώρηση συναντάται συχνά στην φυσική και τα μαθηματικά όταν το σύστημα προς μελέτη είναι τόσο περίπλοκο, που μπορεί μόνο να αναλυθεί το μέσο αποτέλεσμά του, και όχι η καθεμιά μεμονωμένη αλληλεπίδραση μεταξύ των μερών του συστήματος.
Βάσει των παραπάνω, η επένδυση σε μετοχές που επιλέχθηκαν λόγω των υποσχόμενων θεμελιωδών μεγεθών τους (fundamentals) είναι μια απλή στρατηγική, που όμως απειλείται λιγότερο από την καθημερινή και ευμετάβλητη κίνηση των τιμών. Αντίστοιχα απλή στρατηγική είναι και η επένδυση που γίνεται προεξοφλώντας κάποιο γεγονός (event-driven). Ακόμα, η επενδύσεις με μακροχρόνιο ορίζοντα επικεντρώνονται ακριβώς στα «μάκρο» χαρακτηριστικά της αγοράς, γι’ αυτό και ιστορικά αποτελούν έναν από τους πιο συνεπείς τρόπους υπεραπόδοσης.
Είναι γνωστό ότι υπάρχουν ελάχιστοι τρόποι να προστατευθούν οι ‘μικρότερης εμβέλειας’ επενδυτές από το χάος και την μεταβλητότητα των αγορών.
Η ανάλυσή της αγοράς όμως, ως ένα σύστημα με κυρίως «μάκρο» χαρακτηριστικά, πιθανόν να μπορεί να τους προστατεύσει τουλάχιστον από την υπεροχή των μηχανών στον υπολογισμό και την επεξεργασία της πληροφορίας. Αν λοιπόν ευελπιστεί κανείς να ‘νικήσει τις μηχανές’ σε ένα τόσο ανταγωνιστικό σύστημα, αυτό ίσως να συμβεί μόνον επιστρατεύοντας τα ανθρώπινα χαρακτηριστικά του: Απλοί κανόνες και υπομονή, ενάντια σε πολύπλοκα μαθηματικά μοντέλα με τεράστια επεξεργαστική ισχύ, χωρίς όμως την δυνατότητα να μιμούνται τέλεια τον ανθρώπινο παράγοντα.
* Ο Κωνσταντίνος Κεβόπουλος είναι Διδακτορικός φοιτητής στο Πολυτεχνείο του Delft, της Ολλανδίας, στο αντικείμενο: «Τεχνητή νοημοσύνη και υπολογιστικές μέθοδοι για την μοντελοποίηση της ανθρώπινης καρδιάς».
