Dolg, umetna inteligenca in algoritmi: Kako se preoblikuje trg obveznic

Umetna inteligenca preoblikuje velike dele gospodarstva in finančni sektor ni nobena izjema. O uporabi algoritmov za izbiranje delnic je bilo že veliko napisanega. Vendar pa je njihova uporaba za trgovanje na dolžniških trgih morda bolj zanimiva. Ko se uporabijo pri trgovanju z obveznicami, se posledice razširijo preko finančnega področja na politično, pri čemer je državno financiranje hkrati lažje in bolj ranljivo.

Za razliko od tradicionalnega trgovanja z obveznicami algoritemsko trgovanje uporablja računalniški program, ki sledi določenemu nizu navodil za sklepanje poslov. Ta so namenjena uporabi podatkov s frekvenco in hitrostjo, ki presega človeške zmožnosti.

Prednosti algoritmičnega trgovanja so dovolj jasne. Algoritmi lahko izvajajo skeniranje trga s hitrostjo in obsegom, ki ga ljudje ne morejo. To vodi do zgodnjega prepoznavanja tržnih priložnosti in hitrega odkrivanja cenovnih razlik, kar omogoča uspešno arbitražo proti manj sofisticiranim udeležencem na trgu.

Druga jasna prednost je upravljanje tveganj. Napredni algoritmi imajo lahko vgrajene funkcije upravljanja tveganj, ki sledijo vnaprej določenim parametrom tveganja in ustrezno prilagajajo trgovalno aktivnost. Te so idealne za bolj konzervativne strategije trgovanja.

Vendar pa je v okviru razprave o algoritmičnem trgovanju vredno raziskati njegov vpliv na ključne trge obveznic.

Rotem Farkash: Globoko učenje umetne inteligence omogoča vključitev več informacij, ki presegajo ozke tehnične dejavnike

Algoritmi so zelo prilagodljivi, kar pomeni, da jih lahko trgovci optimizirajo glede na svoje specifične cilje in slog trgovanja. Z dodatkom funkcij umetne inteligence, kot je strojno učenje, se lahko ti prilagojeni algoritmi izboljšajo z absorpcijo zgodovinskih podatkov in povratnih informacij s trga.

Obdelava naravnega jezika (NLP), podpodročje umetne inteligence, ki uči stroje razumeti človeški jezik, pomeni tudi, da umetna inteligenca postaja vse bolj kompetentna pri interpretiranju kvalitativnih informacij iz novic, družbenih medijev in poročil o zaslužku, kar ji omogoča predvidevanje gibanja trga na podlagi človeškega razpoloženja.

Tehnološki podjetnik in strokovnjak za umetno inteligenco Rotem Farkash je pojasnil, da se možnosti strojnega učenja pri financiranju obveznic šele začenjajo. »Globoko učenje umetne inteligence omogoča algoritmu, da preseže ozke tehnične dejavnike, in sčasoma se bo s pomočjo vgrajenih mehanizmov povratnih informacij le še izboljšal,« je pojasnil Farkash.

»Orodja bodo lahko ocenila ne le statistične spremenljivke obveznic, kot sta donosnost in realni donos, temveč tudi kvalitativne dejavnike, kot je fiskalna politika sedanje vlade,« je nadaljeval Farkash.

Evropska centralna banka: ponudba in povpraševanje po finančnih sredstvih sta lahko sistematično izkrivljena

Na obvezniških trgih, tako kot na delniških trgih, algoritmi in umetna inteligenca pomenijo manjšo nestanovitnost zaradi človeških napak in večjo hitrost trgovanja, oblikovanja cen in arbitraže. Zaradi te povečane hitrosti in pretoka informacij so trgi učinkovitejši in se lahko izognejo nekaterim vrstam neracionalnih dejavnosti.

Kljub temu algoritmi prinašajo svoja tveganja. Če številna podjetja za svoje trgovalne strategije uporabljajo algoritme umetne inteligence istih ponudnikov, bodo vsa hkrati izvajala enaka dejanja. V nekaterih scenarijih lahko to pomeni nenadne nihanja na trgu zaradi novih informacij, kar ustvarja potencial za nove zlome in večje sistemske ranljivosti.

Kot Evropska centralna banka je opozoril, da »če bi številne institucije uporabljale umetno inteligenco za razporeditev sredstev in se zanašale le na nekaj ponudnikov umetne inteligence, […] bi lahko prišlo do sistematičnega izkrivljanja ponudbe in povpraševanja po finančnih sredstvih, kar bi sprožilo drage prilagoditve na trgih, ki škodujejo njihovi odpornosti«. To je tudi pred možnostjo »Črni labod dogodki, ki niso odraženi v zgodovinskih podatkih, se upoštevajo.

Večje povpraševanje malih vlagateljev, ki uporabljajo umetno inteligenco, bo zvišalo cene obveznic in znižalo stroške zadolževanja, vendar bodo trgi postali bolj občutljivi.

Največja temeljna sprememba je, da bo na trg obveznic vstopilo več kupcev, zaradi česar bo zadolževanje za vlade cenejše. Vendar bodo ti novi kupci uporabljali algoritemske strategije, ki so občutljivejše in hitrejše od tradicionalnih človeških trgovcev. To na koncu pomeni, da so trgi globlji in bolj likvidni, a tudi bolj občutljivi in ​​potencialno bolj agresivni.

Povečan kapital je z vidika države neomejeno dobro. Večje povpraševanje malih vlagateljev bo dvignilo cene obveznic in posledično znižalo stroške zadolževanja, kar bo vladam omogočilo upravljanje z vse bolj obremenjenimi proračuni.

Večja arbitraža, ki jo omogočajo te tehnike, pa lahko prav tako postane problem za vlade. Povečana občutljivost vlagateljev, ki jih vodijo algoritmi, pomeni, da se bodo morale vlade bolj potruditi, da bodo zadovoljile svoje imetnike obveznic in kupce, kar bo omejilo njihovo svobodo pri ekonomski politiki. Razprave o pretirani moči in vplivu trgovcev z dolgovi na suvereno demokratično vlado se bodo v takšnem scenariju le še okrepile.

Slabosti podatkov in pristranskosti algoritmov bodo potrebovale človeški nadzor

Neizogibno bo večja likvidnost, ki jo prinaša algoritemsko trgovanje, dobrodošla tako trgovcem kot vladam. Vendar pa bo treba tveganja nestanovitnosti obvladovati s človeškim nadzorom, tako kot se je umetna inteligenca v drugih sektorjih združila s človeškim nadzorom.

Dokler obdelava naravnega jezika ne bo premagala nezmožnosti umetne inteligence za sprejemanje kvalitativnih in kontekstualnih presoj, bo trgovanje z obveznicami za ohranjanje stabilnosti potrebovalo človeški nadzor. Medtem bodo trgi obveznic deležni večjega povpraševanja, a tudi večje algoritmične občutljivosti. Vlade bodo morale upoštevati bolj reaktivne trge, nevarnosti nenadnih algoritmičnih nihanj in morebitne pristranskosti v teh orodjih zaradi nepopolnih podatkov.

Delite ta članek: