Rise of the Machines: Επενδυτικές θέσεις εργασίας τώρα περιττές;

0
Rise of the Machines: Επενδυτικές θέσεις εργασίας τώρα περιττές;

Οι υπολογιστές θα αντικαταστήσουν πλήρως τους ανθρώπους στη χρηματοοικονομική διαχείριση; Μπορούν τα ρομπότ να εκτελέσουν τις λειτουργίες διαχείρισης περιουσιακών στοιχείων, τις οικονομικές λειτουργίες και όλες τις άλλες εργασίες που εκτελούνται τώρα από τους ανθρώπους;

Σίγουρα, σε σύγκριση με τους περισσότερους άλλους κλάδους, η χρηματοδότηση είναι ιδιαίτερα άυλη: Τα ρομπότ στον χρηματοοικονομικό τομέα δεν χρειάζονται χέρια, χέρια και πόδια – μόνο την ικανότητα να τσακίζουν τους αριθμούς. Και τα τσιπ πυριτίου μπορούν να το κάνουν αυτό ασύγκριτα πιο γρήγορα από εμάς. Το πρόβλημα είναι ότι ακόμα κι αν τα οικονομικά δημιουργούν έναν δικό τους κόσμο, αυτή η δημιουργία αλληλεπιδρά βαθιά με τον πραγματικό κόσμο. Ακριβώς όπως ένας τυφώνας στην υψηλή ατμόσφαιρα μπορεί να καταστρέψει τα πάντα στη στεριά, οι καταστροφές στον οικονομικό κόσμο έχουν πραγματικές συνέπειες στις ζωές των πραγματικών ανθρώπων.

Μπορούμε λοιπόν να εμπιστευτούμε αυτά τα μηχανήματα;

Αυτό μπορεί να ακούγεται σαν επιστημονική φαντασία, αλλά η επιστήμη σήμερα κινείται πιο γρήγορα από τη φαντασία και, όσο τρομακτικό κι αν ακούγεται, ζούμε ήδη σε έναν κόσμο που ελέγχεται τουλάχιστον εν μέρει από μηχανές. Εμείς οι άνθρωποι πρέπει τώρα να προσαρμοστούμε στη νέα πραγματικότητα που οι ίδιοι δημιουργήσαμε. Όπως και με την εξέλιξη, το βήμα προς τα πίσω δεν είναι επιλογή.

Πριν εξετάσουμε την πιθανή απειλή που θέτουν οι μηχανές και η τεχνητή νοημοσύνη (AI), είτε για τη χρηματοδότηση επαγγελματιών είτε για την ευρύτερη οικονομία, θα πρέπει να αναγνωρίσουμε ότι οι χρηματοπιστωτικές αγορές δημιουργούσαν καταστροφές πολύ πριν από τους υπολογιστές.

Robert J. Frey μελέτησε το μέγεθος και τη συχνότητα των οικονομικών κρίσεων για δύο αιώνες. Όταν παρακολουθούνται σωστά με κατάλληλα μοντέλα «fat tail», αυτά τα συμβάντα δεν έχουν εξελιχθεί πολύ, παρά τα διαφορετικά ρυθμιστικά καθεστώτα και την αυξανόμενη μηχανογράφηση. Αυτό υποδηλώνει ότι από την άποψη του καθαρού κινδύνου καταστροφών, ο μαζικός αυτοματισμός δεν θα αλλάξει τόσο πολύ τη συχνότητα και το μέγεθος των καταστροφών στο χρηματοπιστωτικό οικοσύστημα.



Ποιος όμως θα κερδίσει και ποιος θα υποφέρει από αυτή την ψηφιακή επανάσταση; Και η μηχανική μάθηση θα τερματίσει τους ανθρώπινους συμβούλους;

Μέχρι στιγμής, πίσω από τις μηχανές βρίσκονται οι άνθρωποι που τις προγραμμάτισαν. Και αυτή η δυναμική θα συνεχιστεί τουλάχιστον για την επόμενη γενιά. Ενώ οι υπολογιστές έχουν αρχίσει να παράγουν κώδικα, αυτοί οι υπολογιστές πρέπει ακόμα να προγραμματιστούν από ανθρώπους. Έτσι, όσοι μπορούν να δημιουργήσουν και να διαχειριστούν την τεχνολογία που χρησιμοποιείται στις χρηματοπιστωτικές αγορές, ανεξάρτητα από τον ρόλο τους στην αλυσίδα υπηρεσιών, δεν θα χάσουν τη δουλειά τους. Αντίθετα, θα έχουν μεγάλη ζήτηση.

Τα μηχανήματα στα οικονομικά δεν είναι έτοιμα να λειτουργήσουν σε αυτόνομη βάση. Απαιτούν εξειδικευμένες γνώσεις, είτε οικονομικές, χρηματοοικονομικές, στατιστικές ή μαθηματικές. Επί του παρόντος, στην καλύτερη περίπτωση, μπορούν να αυξήσουν τις προσπάθειες των ειδικών ανθρώπων. Δεν μπορούν να τα αντικαταστήσουν πλήρως. Ο τομέας της υγειονομικής περίθαλψης επιδεικνύει αυτή τη δυναμική αρκετά καλά: συστήματα απεικόνισης, αναλυτές αίματος και εξελιγμένοι διαγνωστικοί βοηθοί υπολογιστών βοηθούν τους επαγγελματίες του ιατρού να εκτελούν τη δουλειά τους, αλλά δεν μπορούν να κάνουν τη δουλειά για αυτούς χωρίς να θέσουν σε κίνδυνο ζωές. Τα καλύτερα αποτελέσματα, επομένως, προκύπτουν από την έξυπνη συνεργασία μεταξύ ανθρώπων και μηχανών, όχι από το να αγνοεί ο ένας τον άλλον, όσο περίπλοκη κι αν είναι.

Πρωτοπόροι AI στη Διαχείριση Επενδύσεων

Παρά τις τολμηρές προβλέψεις των μαθητευόμενων του μάγου, των επιστημόνων υπολογιστών που εργάζονται με την αναδυόμενη τεχνολογία της μηχανικής μάθησης και τις σχετικές καινοτομίες της, μια τέτοια τεχνολογία μπορεί να εφαρμοστεί αποτελεσματικά μόνο από έμπειρους ανθρώπους. Και για καλό λόγο. Ένας αλγόριθμος δεν είναι απαραίτητα λιγότερο επικίνδυνος από έναν άνθρωπο.

Σκεφτείτε δύο συγκεκριμένες «τεχνολογίες»: την καθαρή βιολογική λειτουργία του ανθρώπινου εγκεφάλου (παραμερίζοντας τα πιο φορτωμένα ερωτήματα της συνείδησης, της ευφυΐας κ.λπ.) και την «νοημοσύνη πυριτίου» των υπολογιστών. Ο ανθρώπινος εγκέφαλος περιλαμβάνει ένα πολύ συνδεδεμένο σύστημα πολλαπλών νημάτων με εξαιρετικά αργές μονάδες επεξεργασίας υπολογιστή: μερικές εκατοντάδες κύκλους ανά δευτερόλεπτο έναντι των πολλών δισεκατομμυρίων σημερινών φορητών υπολογιστών. Τα τρισεκατομμύρια συνάψεις του εγκεφάλου αντισταθμίζουν τη μειωμένη ταχύτητα επεξεργασίας, επομένως τουλάχιστον αρκετά δισεκατομμύρια λειτουργίες εξακολουθούν να εκτελούνται κάθε δευτερόλεπτο.

Ο εγκέφαλος των ενηλίκων έχει εκπαιδευτεί εδώ και δεκαετίες. Επωφελείται επίσης από ένα δισεκατομμύριο χρόνια εξέλιξης. Πρακτικά, η κύρια διαφορά μεταξύ του ανθρώπινου εγκεφάλου και των υπολογιστών έγκειται στη διαχείριση κινδύνου. Ο ανθρώπινος εγκέφαλος μπορεί να προβλέψει και να σχεδιάσει για κάθε λογής πιθανά σενάρια. Γνωρίζει επίσης ότι δεν έχουν όλες οι πληροφορίες την ίδια αξία. Ορισμένα δεδομένα αξίζουν την πλήρη προσοχή τους και απαιτούν άμεση επεξεργασία. Άλλα δεδομένα μπορούν απλά να αγνοηθούν.

Ο υπολογιστής, εν τω μεταξύ, μπορεί να ταξινομήσει μια σειρά από «σχολικές περιπτώσεις» από τις οποίες έμαθε για να καταλήξει στη βέλτιστη απόφαση σε περίπτωση που συμβεί μία από αυτές τις περιπτώσεις. Δεν έχει όμως τη μακροχρόνια εμπειρία για την ασφαλή απόρριψη άχρηστων πληροφοριών, ακόμα κι αν κάτι τέτοιο είναι κρίσιμο για μια κατάλληλη και έγκαιρη αντίδραση. Επεξεργασία όλα οι διαθέσιμες πληροφορίες, ανεξάρτητα από την ταχύτητα του υπολογιστή, θα δημιουργήσουν πολύ αργή διαδικασία λήψης αποφάσεων.

Επιπλέον, είτε πρόκειται για μηχανική μάθηση είτε για κάποια άλλη μορφή AI, εξακολουθεί να είναι —και πρέπει να είναι— έκφραση του σχεδιαστή του. Αυτό είναι ακριβώς το αντίθετο από αυτό που ακούμε συχνά αυτές τις μέρες, όταν οι άνθρωποι λένε, «Αφήστε τα δεδομένα να μιλήσουν». Τα δεδομένα θα δείχνουν μόνο τι περιέχει, που είναι το περιορισμένο μέγεθος του σετ εκπαίδευσης.

Διαφημιστικό πλακίδιο για Τεχνητή Νοημοσύνη στη Διαχείριση περιουσιακών στοιχείων

Γι’ αυτό όσοι μπορούν να αναπτύξουν καλύτερα μια υβριδική προσέγγιση ανθρώπου-μηχανής θα έχουν το πλεονέκτημα τα επόμενα χρόνια.

Έτσι, όσοι αποτυγχάνουν να προσαρμοστούν στην ψηφιακή επανάσταση θα υποστούν σίγουρα κίνδυνο σταδιοδρομίας. Όποια και αν είναι η τεχνογνωσία μας, θα πρέπει να μάθουμε να «συνεργαζόμαστε» με την τεχνητή νοημοσύνη με τον ένα ή τον άλλο τρόπο.

Αλλά οι μηχανές δεν αποτελούν την υπαρξιακή απειλή για τους επαγγελματίες χρηματοοικονομικούς ανθρώπους που ισχυρίζονται ορισμένοι. Ούτε προσφέρουν την καθολική πανάκεια που φαίνεται να ονειρεύονται ορισμένοι επιστήμονες υπολογιστών.

Αν σας άρεσε αυτή η ανάρτηση, μην ξεχάσετε να εγγραφείτε στο Επιχειρηματικός επενδυτής.


Όλες οι αναρτήσεις είναι γνώμη του συγγραφέα. Ως εκ τούτου, δεν θα πρέπει να ερμηνεύονται ως επενδυτικές συμβουλές, ούτε οι απόψεις που εκφράζονται αντικατοπτρίζουν απαραίτητα τις απόψεις του Ινστιτούτου CFA ή του εργοδότη του συγγραφέα.

Πίστωση εικόνας: ©Getty Images/Ryzhi


Επαγγελματική μάθηση για μέλη του Ινστιτούτου CFA

Τα μέλη του Ινστιτούτου CFA έχουν την εξουσία να αυτοπροσδιορίζονται και να αναφέρουν μόνοι τους τις πιστώσεις επαγγελματικής μάθησης (PL) που έχουν κερδίσει, συμπεριλαμβανομένου περιεχομένου σε Επιχειρηματικός επενδυτής. Τα μέλη μπορούν να καταγράφουν πιστώσεις εύκολα χρησιμοποιώντας τους διαδικτυακός ιχνηλάτης PL.

Raphael Douady, PhD

Ο Raphael Douady, PhD, είναι Γάλλος μαθηματικός και οικονομολόγος με ειδίκευση στα χρηματοοικονομικά μαθηματικά και τη θεωρία του χάους στο Πανεπιστήμιο Paris I: Panthéon-Sorbonne. Προηγουμένως κατείχε την έδρα Frey της ποσοτικής χρηματοοικονομικής στο Πανεπιστήμιο Stony Brook και ήταν ακαδημαϊκός διευθυντής του Γαλλικού Εργαστηρίου Αριστείας για τον Χρηματοοικονομικό Κανονισμό. Απέκτησε το διδακτορικό του στη δυναμική της Χαμιλτονίας και έχει περισσότερα από 20 χρόνια εμπειρίας στον χρηματοοικονομικό κλάδο. Έχει ιδιαίτερο ενδιαφέρον για την έρευνα κινδύνων χαρτοφυλακίου, για τους οποίους έχει αναπτύξει ιδιαίτερα κατάλληλα ισχυρά μη γραμμικά στατιστικά μοντέλα, και συστημικού κινδύνου. Ίδρυσε τις εταιρείες fintech Riskdata (διαχείριση κινδύνου για το buyside) και Datacore (μοντέλο χαρτοφυλάκιο ETFs). Ο Douady είναι μέλος του Praxis Club, μιας δεξαμενής σκέψης με έδρα τη Νέα Υόρκη που συμβουλεύει τη γαλλική κυβέρνηση για την οικονομική της πολιτική και άλλα σχετικά θέματα, και συμμετέχει στο συμβούλιο των Φίλων του IHES, ενός ιδρύματος που υποστηρίζει το Institute des Hautes Etudes Scientifiques (το Γάλλος αδερφός του Princeton IAS). Είναι πρώην υπότροφος της Ecole Normale Supérieure στο Παρίσι και του απονεμήθηκε χρυσό μετάλλιο στις Διεθνείς Μαθηματικές Ολυμπιάδες το 1977.

Milind Sharma

Ο Milind Sharma είναι CIO στην QuantZ Capital και Διευθύνων Σύμβουλος της QuantZ Machine Intelligence Technologies, η οποία συνδυάζει την επένδυση παραγόντων με τη μηχανική μάθηση. Διαθέτει 22 χρόνια εμπειρίας στην αγορά, συμπεριλαμβανομένης της διαχείρισης hedge funds, αμοιβαίων κεφαλαίων (~ 30 δισεκατομμύρια δολάρια στη Merrill Lynch IM) καθώς και τη διαχείριση ιδιόκτητων γραφείων συναλλαγών στη Deutsche Bank και την RBC Global Arbitrage. Ήταν επίσης συνιδρυτής του Risk/Quant Strategies στο Merrill Lynch IM μετά από παρόμοιο ρόλο στην Ernst & Young. Ο Sharma έχει MS στην υπολογιστική χρηματοοικονομική και MS στα εφαρμοσμένα μαθηματικά από το Carnegie Mellon όπου ήταν επίσης στο διδακτορικό πρόγραμμα στη λογική. Παρακολούθησε το Wharton, το Vassar και την Οξφόρδη. Έχει δημοσιεύσει εκτενώς για τα hedge funds και είναι συχνός ομιλητής σε συνέδρια.

Paul McCaffrey

Ο Paul McCaffrey είναι ο συντάκτης του Επιχειρηματικός επενδυτής στο Ινστιτούτο CFA. Προηγουμένως, υπηρέτησε ως συντάκτης στην εταιρεία HW Wilson. Η γραφή του εμφανίστηκε στο Οικονομικός σχεδιασμός και DailyFinance, μεταξύ άλλων δημοσιεύσεων. Είναι κάτοχος πτυχίου στα αγγλικά από το Vassar College και μεταπτυχιακού στη δημοσιογραφία από το City University of New York (CUNY) Graduate School of Journalism.

παρόμοιες αναρτήσεις

Leave a Reply