AI kontra analitycy

Czy Sztuczna Inteligencja może zastąpić analityków finansowych?

Czy skłonni jesteśmy bardziej wierzyć w rekomendację Sztucznej Inteligencji czy może jednak analityków z gatunku homo sapiens, jeśli obie są oparte na tej samej metodzie i danych?

W dzisiejszych czasach Sztuczna Inteligencja (AI) zaczyna odgrywać coraz większą rolę w różnych dziedzinach życia, w tym w finansach, które są przecież oparte głównie na powtarzalnej analizie danych. Czy AI jest w stanie zastąpić analityków finansowych, którzy od zawsze dominują w prognozowaniu cen akcji? Na to pytanie szukałem odpowiedzi w najnowszym badaniu zatytułowanym

„Can AI Replace Stock Analysts? Evidence from Deep Learning Financial Statements” (autor G.Nathan Dong), które prezentuje ciekawe wnioski i statystyki.

Celem badania było porównanie dokładności prognoz cen akcji na 12 miesięcy naprzód między analitykami z krwi i kości a modelem AI opartym na głębokim uczeniu bez modeli predefiniowanych. Badanie miało na celu sprawdzenie, czy AI, która jest w stanie przetwarzać ogromne ilości danych finansowych w krótkim czasie i przy niskich kosztach, może dorównać, a nawet przewyższyć, analityków finansowych w ich tradycyjnej roli.

Do szkolenia modelu AI wykorzystano tylko 3 zmienne:

– kwartalne sprawozdania finansowe, czyli dużą dawkę danych fundamentalnych,

– historyczne ceny akcji,

– stopy procentowe.

Takie podejście miało na celu zapewnienie, że model AI będzie miał dostęp do pełnego spektrum danych finansowych niezbędnych do dokładnych prognoz, porównywalnych z tymi używanymi przez analityków.

Model AI wybrany do tego badania to tzw. model swobodny (model-free), który nie jest ograniczony przez z góry ustalone struktury czy założenia. Po prostu sam się uczył, wychwytując wzorce i zależności. Dzięki temu możliwe było wykorzystanie potencjału głębokiego uczenia sieci neuronowych do analizowania danych w sposób, który nie jest osiągalny tradycyjnymi metodami. Nie jestem ekspertem od AI, więc nie chcę wchodzić w szczegóły, dość powiedzieć, że wybrano sieć neuronową z 5 warstwami (layers), ponoć najprostszą z najprostszych do tego celu.

Model AI został przeszkolony na 5,000 interwałach (epochs), co zajęło 15 godzin i kosztowało mniej niż trzy dolary za prąd. To są ułamki porównując do kopania kryptowalut czy treningu ChatGPT. Użyto sprzętu komputerowego o wartości 1500 dolarów, system Ubuntu i Pythona. Przeprowadzono testy porównujące ceny prognozowane przez analityków z cenami przewidywanymi przez owe AI. Analizowano dokładność modeli poprzez porównanie średnich błędów kwadratowych (MSE) oraz R-kwadrat (R²) z przewidywaniami poza próbką (out-of-sample).

     Wnioski z badania

Model AI, korzystający z technik deep learningu, jest w stanie przewidywać ceny akcji na 12 miesięcy do przodu, przetwarzając ogromne ilości surowych danych finansowych w krótkim czasie i przy niskich kosztach. AI osiąga przy tym (stety, niestety?) nieco lepsze wyniki niż analitycy w przewidywaniu cen akcji na 12 miesięcy naprzód.

Trochę poczułem się zawiedziony prezentacją wyników, gdy dotarłem do końca tej pracy. Nie podano tam generalnie trafności przewidywań obu, lecz tylko różnice w przewidywaniach maszyn i ludzi. No w sumie o to właśnie chodziło w tym badaniu, jest to mimo wszystko jakiś trop. Liczono po prostu jaka była różnica dla AI i analityków między ceną ustaloną w prognozach a rzeczywistą ceną po roku.

Okazało się, że i AI i analitycy generalnie uzyskali dość podobną trafność prognoz, różnice dotyczyły prognozowanych zasięgów. W zależności od punktu widzenia można to uznać za złą lub dobrą wiadomość. W przeciągu 12 lat, w 9 z nich precyzyjniejsze okazało się AI, w 3 analitycy. Przy tym w 2022 roku wygrali analitycy z najlepszym wynikiem wśród wszystkich tych pomiarów dla obu grup.

Badanie jednak sięgnęło głębiej do korelacji i pokazano jakie zmienne czy jakie dane fundamentalne mają znaczenie przy różnicach prognoz między AI a ludźmi.

Mimo że AI osiągnęło ogólnie lepsze wyniki, to różnice między przewidywaniami analityków i modeli AI są mniejsze dla spółek z wyższymi poziomami gotówki, wydatków kapitałowych oraz zmienności zwrotów.

W innej perspektywie – im cena nominalna spółki niższa, tym lepsza prognoza AI niż ludzi. Ciekawe, ale nie odkryto wyjaśnienia tej zależności.

Z kolei dla spółek o niższym udziale instytucjonalnym odchylenie między prognozami AI a analityków wzrosło, w tym sensie, że prognozy analityków mogą być bardziej wartościowe dla firm, w których instytucji w akcjonariacie jest mniej. To swego rodzaju ludzki błąd poznawczy w takim razie, przeszacowujący obecność instytucji.

AI wciąż może jednak poprawiać swoje przewidywania dzięki dodatkowym danym, które w obfitości można do niej wrzucać, co wskazuje na potencjał dalszego rozwoju technologii AI w tym obszarze.

Mimo że AI wykazuje przewagę w przetwarzaniu i analizie danych, intuicja i doświadczenie ludzkie wciąż odgrywają ważną rolę w analizach finansowych jak się okazuje. Jednakże, ze względu na postępy technologii AI, coraz więcej inwestorów może zacząć polegać na systemach AI przy podejmowaniu decyzji inwestycyjnych.

Czy AI zastąpi analityków finansowych? To pytanie pozostaje otwarte, ale jedno jest pewne: technologia AI będzie odgrywać coraz większą rolę w świecie finansów, a jej potencjał do poprawy dokładności prognoz jest ogromny. Inwestorzy i analitycy będą musieli dostosować się do tych zmian, być może integrując AI w swoje procesy analityczne, aby osiągnąć jeszcze lepsze wyniki. Tak robią dziś lekarze – AI odczytuje np. wyniki badań obrazkowych w błyskawicznym tempie, a lekarze tylko potem dodatkowo weryfikują te pozytywne.

Z przyjemnością podrzucę w najbliższej przyszłości wyniki kilku innych badań, na które trafiłem przy okazji.

—kat–