آینده مدیریت دارایی در دستان هوش مصنوعی

محمد فرخیان
کدخبر: 538107

محمد فرخیان، معاون بازاریابی مشاور سرمایه‌گذاری ترنج

امروز هوش‌مصنوعی دیگر صرفا یک ابزار کمکی نیست بلکه به‌عنوان یک مغز دوم برای اکوسیستم مالی ایفای نقش می‌کند بنابراین پرسش اصلی دیگر این نیست که آیا AI آینده مدیریت دارایی است یا نه بلکه این است که چگونه باید برای این آینده آماده شویم. مدیریت دارایی در حال فاصله‌گرفتن از تصمیم‌گیری شهودی و حافظه‌محور است و اکنون با کمک هوش‌مصنوعی و داده‌های چندمنظوره، مدل‌هایی طراحی می‌شود که قادر به پیش‌بینی دقیق‌تر بازار هستند. نمونه‌هایی از این تحول را می‌توان در پلتفرم Aladdin شرکت BlackRock با بیش از ۲۱تریلیون دلار دارایی تحت مدیریت دید که یکی از پیشرفته‌ترین سامانه‌های تحلیل ریسک مبتنی بر کلان‌داده و هوش‌مصنوعی است، یا در پلتفرم‌های  Robo-Advisory  مانند Wealthfront و Betterment که با جمع‌آوری اطلاعات مالی و رفتاری کاربران، پرتفوی‌هایی شخصی‌سازی‌شده و مقاوم در برابر نوسانات طراحی می‌کنند، همچنین شرکت‌هایی مثل Kensho و Upstart  از فناوری NLP برای تحلیل گزارش‌های مالی و اخبار استفاده می‌کنند.  Kenshoدر  Goldman Sachs  نیز به‌کار گرفته شده و تحلیل‌هایی ارائه می‌دهد که پیشتر تنها از تحلیلگران ارشد ساخته بود اما تاثیر هوش‌مصنوعی فقط به حوزه تحلیل محدود نمی‌شود؛ در منابع انسانی نیز نقش کارشناسان مالی به‌طور اساسی در حال بازتعریف است. این تغییر شامل تبدیل نقش سنتی کارشناس مالی به طراح و مربی سیستم‌های یادگیری ماشین، پیدایش مشاغل جدیدی مثل Data Product Manager یا AI Financial Analyst و نیاز روزافزون به تحلیل عمیق داده و رفتار سرمایه‌گذار است به‌طوری که ترکیب درک داده با شناخت رفتار انسانی به کلید مزیت رقابتی آینده تبدیل خواهد شد. از سوی دیگر بازار کار مالی نیز در حال پوست‌اندازی است. طبق گزارش PwC، تا سال۲۰۳۰ بیش از ۳۰‌درصد مشاغل سنتی مالی جای خود را به نقش‌های ترکیبی تحلیلگر+ دیتا+ تکنولوژی خواهند داد و شرکت‌هایی که زودتر در بازآموزی منابع انسانی سرمایه‌گذاری کنند، مزیت ساختاری پیدا خواهند کرد. این در حالی است که بازار سرمایه ایران نیز با وجود چالش‌ها، فرصت‌های استراتژیک منحصربه‌فردی دارد. داده‌های تاریخی بازار که سال‌هاست تولید شده اما هنوز به‌طور جدی پردازش نشده‌اند، می‌توانند با تلفیق الگوریتم‌های یادگیری ماشین به پایه‌ای برای مدل‌سازی رفتار معامله‌گران تبدیل شوند. افزون بر این، رفتار توده‌ای خاص بازار ایران- که مبتنی‌بر هیجان، شایعه و رفتار گله‌ای است- زمینه‌ای گسترده برای به‌کارگیری تحلیل زبان طبیعی، تحلیل شبکه‌های اجتماعی و طراحی سیستم‌های هشداردهنده ریسک فراهم می‌کند. در نهایت نبود ابزارهای هوشمند بومی مانند مشاوران مالی خودکار یا سیستم‌های مدیریت ریسک، خلئی است که می‌تواند توسط تیم‌هایی با دانش فین‌تک، طراحی تجربه کاربری و مهارت در هوش‌مصنوعی پر شود و آینده بازار سرمایه را متحول سازد.

وب گردی