Maszyny kontra analitycy

W niedawnym wpisie pytałem nieco retorycznie, czy wolelibyśmy rekomendacje generowane przez sztuczną inteligencję, czy przez żywego analityka, a teraz szczęśliwym trafem udało mi się wpaść na pracę naukową, która porównuje skuteczność obu, dając kilka podpowiedzi.

W takim razie pokażę kilka ciekawostek i statystyk z niej zaczerpniętych. A chodzi konkretnie o:

„Man Versus Machine: A Comparison of Robo-Analyst and Traditional Research Analyst Investment Recommendations” (Coleman, Merkley, Pacelli- 2019, tutaj do -> pobrania)

Przyszłość tej branży coraz bardziej zaczyna należeć do maszyn, które co by nie mówić sprawdzają się w niemal każdej roli, jaką do tej pory na rynku finansowym spełniają specjaliści. Elitarna w jakimś sensie działka, bo zarezerwowana do tej pory dla najlepszych wyszukiwaczy okazji na rynku akcji, również pada ofiarą automatyzacji. Trzeba się więc będzie nauczyć w związku z tym nowego terminu. Panie, Panowie, przedstawiam więc nową maszynę, która w nieodległej przyszłości zajmie się rekomendowaniem Wam spółek:

Robo-Analyst

(czyli po naszemu Robo-Analityk)

Aby prezentacja była pełna, trzeba zaznaczyć, by nie mylić tego z Robo-Advisorem (czyli Robo-Doradcą), od lat zajmującym się w USA automatyzacją inwestorskich decyzji na zlecenie, ale w nieco inny sposób.

Robo-Advisor to automatyczna usługa podpowiadająca dobór aktywów do portfela (głównie ETFów) i ich procentowy podział oraz wymianę (timing, alokację). Klient podaje swoje cele finansowe, okres inwestycyjny, ryzyko, a komputer generuje mu sugerowany skład takiego portfela, co jakiś czas rebalansowanego. Tego rodzaju algorytmy nastawione są na dość pasywne inwestowanie, oparte o nowoczesną analizę portfelową i teorie alokacji aktywów.

Tymczasem Robo-Analityk ma za zadanie dosłownie zastąpić nam ulubionego analityka, od którego otrzymujemy rekomendacje zakupu lub sprzedaży konkretnej spółki giełdowej. To jak wkomponujemy ją w portfel zależy tylko od nas.

W USA istnieje już kilka firm, oferujących tego rodzaju usługę robo-analityka i rekomendacji, na tyle dużo, że sprawdzenie ich efektywności stało się możliwe, a może nawet wskazane.

Autorzy przeanalizowali w w/w pracy aż 76,568 rekomendacji wydanych w latach 2003-2018 przez maszyny z kilku firm, zgromadzone w bazie ThomsonOne. Do ich wyprodukowania używa się 3 najbardziej popularnych w branży algorytmowej technik:

– AI – Artificial Intelligence

– ML- Machine Learning

– NLP- Natural Language Processing

Do porównania użyto takiej samej liczby rekomendacji wydanych przez analityków typu homo sapiens.

Oto kilka statystyk porównujących oba te rodzaje analiz.

PODZIAŁ Z UWAGI NA KIERUNEK:

32% rekomendacji Robo-Analityków dotyczyło KUPNA, 24% wskazywało na SPRZEDAŻ. Pozostałe 44%  miało neutralny charakter (TRZYMAJ).

Tymczasem 47% tradycyjnych rekomendacji zalecało KUP, a jedynie 6% SPRZEDAJ, pozostałe 47% TRZYMAJ.

Warte uwagi są tutaj 3 kwestie:

1. Rekomendacja „SPRZEDAJ” jest unikana przez tradycyjnych analityków ze względu na swój wydźwięk i konotacje. Uznaje się ją w USA jako „niepatriotyczną”, szkodliwą dla spółki i relacji z nią analityka, kontrowersyjną i podważaną przez same firmy, których dotyczy. Dla świętego spokoju i nie psucia biznesu lepiej jej unikać albo zamienić na neutralną.

2. To, że roboty nie unikają rekomendacji „SPRZEDAJ” nadaje ich „twórczości” mniej skrzywionego, bardziej obiektywnego charakteru. Nie obciąża je psychicznie, ponieważ nie mamy tutaj do czynienia ani z emocjami, ani z celowym czy ukrytym szarganiem reputacji. Spory plus dla obiorców

3. Zaskakuje proporcjonalnie duża ilość rekomendacji neutralnych, chyba większa niż ktoś mógłby się spodziewać. Ale taka właśnie rekomendacja też może mieć drugie dno.

REWIZJE:

Robo-analitycy są skłonni częściej dokonywać rewizji wydanych wcześniej rekomendacji, średnio ok. 1 dodatkowo na każdą pokrywaną spółkę więcej niż tradycyjni analitycy.

Co jednak ciekawe – reakcje rynku na zrewidowane rekomendacje mają dużo większą intensywność jeśli wydają je ludzie niż roboty.

SKUTECZNOŚĆ:

Chyba nie będzie niespodzianką, że to algorytmy lepiej analizują spółki i określają ich przyszłość.

Dla rekomendacji kupna ich alfa (zwroty ponad rynek) wynosi 6,4-6,9% rocznie i jest statystycznie istotna. To ostatnie z trudem jest spełniane przez „ludzkich” analityków, którzy produkują roczne alfa na poziomie 1,2-1,7%.

Ale dość dziwnie wyglądają wyniki rekomendacji sprzedaży. Roboty generują ich sporo więcej jak już wiemy, ale ich wyniki generują dodatnią alfę, czyli to kupno spółki po wydaniu na nią negatywnej rekomendacji średnio okazuje się zyskowne (krótka pozycja byłaby stratna). Tłumaczy się to tym, że choć roboty trafnie dokonują identyfikacji standingu spółki, to jeszcze jest przecież rynek, który i tak taką spółkę wyciągnie za uszy w górę, nawet jeśli na to nie zasługuje. Poza tym wyniki oceniano w krótkich terminach a nie wieloletnich oknach czasowych.

To jeszcze kilka słów z cytowanej pracy na temat przydatności algorytmów do analiz.

ZALETY ROBO-ANALITYKÓW

– Mają zdolność analizowanie zdecydowanie dużo większych zestawów informacji i to nawet kompleksowo złożonych, bo zawiłość choćby raportów finansowych zdecydowanie się z biegiem lat powiększa; takiej możliwości analizowanie nie osiągają ludzie ze względu na ograniczone zdolności poznawcze.

– Są szybsze, mogą natychmiast inkorporować każdą informację, która pojawia się w przestrzeni publicznej.

– Nie podlegają błędom poznawczym i emocjonalnym, dlatego ich rekomendacje są bardziej obiektywne.

– Łatwiej rozstrzygają wartość konfliktowych dla człowieka informacji, nie mają więc dylematów i nie podlegają tak silnej presji z wielu stron

WADY ROBO-ANALITYKÓW

Zasadniczo trzeba przyjąć 2 z nich, jednakże tylko jedna jest zależna bezpośrednio od samych robotów:

1. Dużo gorzej niż tradycyjni analitycy potrafią czytać między wierszami, czyli inkorporować do kodu tzw. „miękkie informacje”, typu dyskusje z zarządem, ton zawarty w konferencjach prasowych, osobiste relacje z ludźmi w spółce itd.

Jednakże trzeba wziąć pod uwagę, że indywidualni inwestorzy, dla których są skierowane te rekomendacje, również nie uczestniczą w spotkaniach ani nie utrzymują relacji z personelem spółek. A poza tym wyniki mówią same za siebie.

2. „Awersja do algorytmów”, czyli trudności z akceptacją rekomendacji przez inwestorów. Akurat w tym segmencie zmiany zachodzą dużo wolniej. Być może swoje robi też pop-kultura, faktem jest, że inwestorzy nadal nie do końca ufają produkcjom sztucznej inteligencji, nawet pomimo dowodów na jej skuteczność.

Tak czy siak, obraz jak powstaje może świadczyć istotnym przesłaniu, jakie można odczytać z wydajności tych maszyn: „Analitycy, idziemy po was…”

–kat—