Računalnik postaja tudi finančni svetovalec, lahko celo nalaga premoženje

Kdo pravzaprav odloča, kam je naložen vaš denar? Vi? Analitik izbranega sklada? Vse manj verjetno. »V prihodnosti bodo prišli robosvetovalci,« je prepričan Luka Podlogar, predsednik uprave KD Skladov. Upravljavci premoženja se pri alokaciji zaupanih jim sredstev v različne naložbe vse bolj zanašajo na »pamet« računalnikov, o tem, kaj in kdaj kupiti oziroma prodati, vse pogosteje odločajo algoritmi, ki jih vodijo zametki umetne inteligence.

Spodbudno ali strašljivo? Naš sogovornik se s to dilemo ne obremenjuje, saj se tudi njegove stranke ne. Ljudi, ki želijo varčevati z vlaganji na kapitalskem trgu, zanima dvoje – varnost in donosnost naložb. Oboje je povezano tudi z zanesljivostjo nasveta, ki ga dobijo ob odločitvi za naložbo. »Možnost zlorabe vedno obstaja, a mislim, da si tveganju napačnega nasveta bolj izpostavljen pri posamezniku kot pri robosvetovalcu,« meni Podlogar. Mlade generacije celo v finančnih zadevah menda bolj zaupajo računalniški analizi kot nasvetom ljudi. To morda niti ni presenetljivo, saj smo se že sprijaznili tudi s tem, da (na primer) družabna omrežja nenehno analizirajo naše ravnanje na spletu in nam ponujajo v branje informacije, za katere računalniški algoritmi presodijo, da bi nas utegnile zanimati …

Kaj pri upravljanju premoženja »počne« in pomeni umetna inteligenca?

Pojem umetne inteligence je nekaj, kar je v zadnjem času zelo prisotno v javnosti tudi zaradi programa AlphaGo, ki je pred kratkim premagal enega najboljših igralcev tradicionalne kitajske strateške igre go. Je tudi koncept, ki se kot nekakšna »rastoča tehnologija« pojavlja v različnih dejavnostih, ne samo v finančni sferi, in je vse pomembnejši. Če pa pogledamo bistvo, je umetna inteligenca prisotna že od vsega začetka računalništva. Začelo se je že s šifrirnim strojem Enigma, veliko se je govorilo o njej, ko je računalnik IBM leta 1996 premagal Garija Kasparova v šahu.

No, pri sprejemanju naložbenih odločitev pri profesionalnih upravljavcih že desetletja obstaja princip, da z računalniškimi programi analizirate pretekle trende in poskušate na tej podlagi sklepati o prihodnjih gibanjih. Vemo tudi, da so računalniki nujni za hitro analizo velikih količin finančnih podatkov. Kaj je zdaj novega?

Do zdaj so ljudje v svetu upravljanja premoženja imeli analitika, ta je naredil neki model in na njegovi podlagi je sklad nekaj časa trgoval. Model pomeni trgovalno strategijo. Ta nekaj časa lahko deluje, ko pa jo odkrijejo drugi igralci na trgu, pa priložnosti za doseganje boljšega rezultata te strategije izginejo. Novo v umetni inteligenci, predvsem globoko učenje (deep learning) kot ena izmed tehnik znotraj umetne inteligence, pa je, da se računalnik z algoritmi sam uči, kako izbrane strategije delujejo. Te strategije lahko bolje optimizira ali pa celo pomaga ustvariti nove trgovalne strategije. Te pa so nekaj, česar prej človek sam, z lastno pametjo, ni mogel odkriti, saj temeljijo na analizi zelo velikih količin nestrukturiranih podatkov, ki jih človeški možgani težko analizirajo. Osemdeset odstotkov podatkov na svetu je nestrukturiranih, dvajset odstotkov pa strukturiranih.

Kakšna je razlika med tema skupinama podatkov?

Med strukturiranimi podatki so povezave dokaj jasne, med nestrukturiranimi pa nekih prepoznavnih povezav ni. Vendar jih računalnik lahko odkrije – nekatere vzorce, ki jih človek prej ni bil sposoben odkriti. Že danes so uspešni hedge skladi tisti, ki majo svoje lastne računalniške modele in pri investicijskih odločitvah uresničujejo določene vzorce na trgu, ki jih kdo drug še ni odkril. S tem pridobijo prednost.

S pomočjo umetne inteligence torej lahko računalnik zamenja analitike, ki so prej sodelovali pri pripravi trgovalnih modelov?

Računalnik lahko vstopi v funkcijo analitika. Ni pa nujno, da bo umetna inteligenca lahko vedno sama odkrivala te zadeve. Če bi vsi uporabljali isti pristop h globokemu učenju in isti nabor podatkov, bi računalniki lahko dali zelo podobne rezultate. V prihodnosti bo ključ še vedno to, kako bo človek umetno inteligenco uporabljal. Analitik bo torej opredelil, katere podatke bo računalnik obdeloval in kako.

Kaj pa pomeni globoko učenje?

To je sklop matematičnih funkcij, ki simulira delovanje človeških možganov. Matematično formule posnemajo povezave med celicami v možganih, povezane z nevroni. Procesi se izvajajo na več ravneh in na podlagi medsebojnega delovanja pride programska oprema do rezultatov.

Kaj pa če računalnik na podlagi značilnosti trgovanja v neki strategiji razvije alternativne strategije, kdo jih ovrednoti in odloči, katero se uporabi v naslednjem koraku?

Človek, seveda. Če bi bil sistem popolnoma avtomatiziran, bi tudi računalnik sam lahko trgoval naprej. Praviloma pa je izvrševanje ločeno od priprave modela, zato mora človek ovrednotiti rezultate. Globoko učenje uporablja več modelov nevronskih mrež, od preprostejših do bolj kompleksnih. Na primer: če analiziramo samo finančne podatke, isti nabor bilančnih podatkov in podatkov o trgovanju, bodo različni računalniki prišli do enakih zaključkov. Lahko pa vključimo »mehke« podatke, na primer semantično analizo sporočil, ki krožijo po internetu. Nekateri hedge skladi že trgujejo na podlagi analize tvitov.

Analizirajo, kaj sporočajo ljudje iz podjetja in kaj drugi govorijo o njih?

Tako, zajemajo dejanske tvite in poskušajo na podlagi tega ugotoviti, kakšen je tržni sentiment, in trgujejo na podlagi teh ocen.

Kako pa računalniški program lahko prepozna te mehke informacije, ki vključujejo mnenja in odzive ljudi?

Pred pomembnimi poslovnimi dogodki se v spletnem prometu pogosto pojavijo specifične aktivnosti, iz katerih bi lahko sklepali, da se bo z določeno delnico nekaj zgodilo. Seveda pa celotnega spleta ne moremo spremljati. Osredotočiti se moramo na ključne besede, na semantično analizo določenega tipa informacij za naložbe, ki te zanimajo. Če tipično finančno-ekonomskim podatkom dodamo analizo teh mehkih podatkov, potem lahko pridobimo prednost pred konkurenco.

Koliko od tega, kar se pogovarjava, pa v realnosti že obstaja?

To že vse obstaja. Veliki hedge skladi imajo velike ekipe za razvoj in uporabo umetne inteligence. Vendar so zelo zaprti, in kaj konkretno delajo, je zunanji javnosti relativno nevidno. Pred pojavom umetne inteligence so ti skladi veljali za kvantitativne sklade, ki trgujejo avtomatično …

… to pomeni, da računalniški program uporablja parametre z določili, v katerem pasu gibanja tečajev naložbe kupuje in kdaj prodaja?

Tako, preprosto povedano. Ti skladi so imeli kar dobre rezultate. Zdaj pa vemo, da kot eno od tehnik že uporabljajo globoko učenje.

Kaj pa na tem področju razvijajo KD Skladi?

Če se greš globoko učenje, potrebuješ zelo veliko procesorske moči. Mi za zdaj v kakšno zelo veliko infrastrukturo nismo vlagali. Začenjamo pa uporabljati različne tehnike umetne inteligence v orodju, programski opremi, ki optimizira med naložbenimi razredi ali delnicami z upoštevanjem realne razporeditve donosov za naložbe. Gre za uporabo koncepta dopolnjene portfeljske teorije Markowitza, ki pravi, da pričakovani donosi naložb niso vedno razporejeni v obliki normalne Gaussove krivulje, ampak so lahko »zamaknjeni« v levo ali desno. Predvsem velika zamaknjenost v levo pomeni, da se poveča možnost izidov v delih, kjer so donosi močno negativni – in takih nihajev si vlagatelji ne željo. Z optimizatorjem pa dosežemo, da portfelj prilagodimo dejanski porazdelitvi donosov in s tem omejimo največja mogoča nihanja.

Kako to dosežete?

Program izvaja dinamično alokacijo in uspe »porezati špice«, torej izločiti največje padce in vzpone. To pomeni, da na določeno periodo zamenjaš naložbe med sabo.

Določen nabor naložb prodaš in druge kupiš?

Tako je. Ko se začne trg gibati v negativni trend, te dinamična alokacija prestavi v manj tvegane naložbe, ko pa se začne trend navzgor, te prestavi v bolj tvegane naložbe. Tako omejiš trend padanja in več ohraniš v trendu rasti. To tehnologijo uporabljamo pri individualnem upravljanju premoženja. Spreminjamo alokacijo med našimi vzajemnimi skladi, pri tem ni nobenih trgovalnih stroškov, prav tako pa vlagatelji ostanejo v istem krovnem skladu in se zato z zamenjavo naložbe ne sproži davčna obveznost.

Ta algoritem ste sami razvili?

Ja, razvili smo ga s pomočjo sodelavca, ki vodi oddelek za razvoj.

Kako dolgo ga uporabljate?

V praksi od sredine leta 2015, jaz sem bil prva testna stranka.

Ste zadovoljni?

Ja, sem. Presežni donos, ki ga je sistem ustvaril, je neverjetno visok.

Kaj to pomeni v številki?

Na mojem portfelju je od investicije do zdaj trg (primerjalni indeks) padel za 11 odstotkov, moj portfelj je nižji za štiri odstotke. Vmes so bila tudi krajša obdobja, ko je bil več odstotnih točk nad primerjalnim indeksom, kar je zelo dobro. Umetno inteligenco bomo aplicirali predvsem kot orodje, ki bo delalo s tem programom. Ta je že sam kompleksen, ampak umetna inteligenca lahko pomaga iskati optimalne kombinacije nastavitvenih parametrov, ki bodo usmerjale program tako, da bomo imeli ravno pravo periodo realokacije, pa ravno pravo historično obdobje, ki ga upoštevamo, ko se odločamo za realokacijo.

Kako pa stranke sprejemajo to, da o njihovih investicijah odloča računalniški program, ne pa ljudje?

Dobro. Veste, naše stranke se zavedajo, da je človek lahko pristranski. Če pa imamo sistem, ki je računalniško podprt, imajo večje zaupanje v to, da bo konsistenten. Računalnik bo alokacijo vedno določil na enak način. Človek pa je lahko pod vplivom sentimenta trga, kakšnih izrednih dogodkov, vseh mogočih stvari. Še vedno velja, da je človek dober pri analizi tako imenovanih mehkih podatkov, hkrati pa obstaja slabost, da je lahko vplivan in se odloči napačno.

Kaj pa pomanjkljivosti računalnika?

Ni nujno, da bi algoritem pri določenih strategijah oziroma spremembah zaznal priložnosti. Recimo, računalnik bo težko videl priložnost na trgu, ki je povezana s prevzemom ali s čim podobnim.

V tem primeru je najbrž pričakovana intervencija analitika?

Seveda. Razen če bi nam uspelo ustrezno podatkovno podporo vgraditi tudi v program. V teoriji je to mogoče, tudi s semantično analizo člankov, ki se pojavljajo v zvezi z določenim podjetjem, bi računalnik lahko razumel, da prihaja prevzem in bi na tej podlagi lahko trgoval – ne še v Sloveniji, ampak na nekem razvitem trgu.

Kakšna pa bo v prihodnje vloga analitikov v upravljanju premoženja?

Mislim, da čez noč ne bodo izginili. Še vedno je zelo veliko trgovanja, ki zahteva delo analitikov, in preden bo celoten proces pri upravljavcih premoženja avtomatiziran, bo minilo veliko let, če ne kakšno desetletje. Vendar bodo tisti, ki bodo želeli imeti konkurenčne prednosti, čedalje bolj uporabljali računalniške kvantitativnih metode, ki bodo podprte z različnimi tehnikami globokega učenja. Pri skladih ETF se je tak princip že uveljavil, saj samo sestaviš portfelj in trguješ tako, da si čim bliže izbranemu referenčnemu indeksu. To prilagajanje lahko že danes teče popolnoma elektronsko. Naslednja stvar pa je vloga premoženjskih, finančnih svetovalcev. Mislim, da je njihovo delo še bolj ogroženo kot delo analitikov, saj se storitve, ki jih ponujajo premikajo na splet. Zamenjal jih bodo robotski svetovalci, pravzaprav jih je že cela poplava. To so računalniški algorimi, ki so sorodni optimizatorju, ki ga imamo pri nas.

Torej gre razvoj v smer, ko bodo o naložbah odločali računalniški programi?

Da. Stranka bo v tako imenovanem retailu na spletnem mestu finančne ustanove lahko izpolnila določena vprašanja in računalnik ti bo po spletni aplikaciji ponudil optimalen portfelj. Tisti, ki imajo razvitejša orodja, bodo ponudili tudi dinamično alokacijo. To bomo tudi mi, zelo kmalu. Odnos med stranko in svetovalcem se bo spremenil v odnos med stranko in neko spletno stranjo. Danes smo pri mlajših generacijah priča pojavu, ko posameznik bolj zaupa spletni strani, kot pa neki osebi.

Kako si lahko to razlagamo?

To je družbeni trend. Milenijska generacija, uporabniki družabnih omrežij, sprememba navad.

Kako pa lahko vemo, da ti sofisticirani sistemi ne bodo delali v škodo strank? Da ne bo program narejen tako, da bi del donosa iz naložbe »odpeljal« k ponudniku sistema, ne da bi stranka za to vedela?

Legitimno vprašanje. Ali bo neko orodje favoriziralo sklade izdajatelja, je treba preveriti v »drobnem tisku«. Menim sicer, da ni narobe, če si pristranski svetovalec, in to razkriješ. Kadar je program etično narejen in so pomembne informacije v zvezi z njim razkrite, si upam trditi, da je boljši od številnih finančnih svetovalcev. Možnost zlorabe vedno obstaja, a mislim, da si tveganju napačnega nasveta bolj izpostavljen pri posamezniku kot pa pri robosvetovalcu.

Koliko je v ozadju avtomatiziranja investicijskih nasvetov in odločitev zniževanje stroškov v finančni dejavnosti?

Stroški so dejavnik. Vsi smo prod pritiskom varčevanja in izkazovanja dosežkov. Svetovanje je relativno draga storitev. Če jo lahko premaknemo na spletno platformo, tudi institucija kar veliko prihrani, celoten proces pa se avtomatizira – vse od prvih informacij, naročil do obdelave v zaledni pisarni potujejo dokumenti elektronsko. To pomeni prihranke, tako kot nadomeščanje navadne pošte z obveščanjem po elekronski poti.