مطالعه ۲۰ ساله نشان می‌دهد استراتژی‌های معاملاتی مبتنی بر هوش مصنوعی نتوانستند از سرمایه‌گذاری خرید و نگه داشتن پیشی بگیرند

یک مطالعه جامع ۲۰ ساله به این نتیجه رسیده است که استراتژی‌های معاملاتی مبتنی بر هوش مصنوعی نتوانستند به‌طور مداوم از سرمایه‌گذاری سنتی خرید و نگه داشتن پیشی بگیرند و این موضوع سؤالات جدیدی را درباره اثربخشی بلندمدت مدیریت دارایی مبتنی بر هوش مصنوعی مطرح می‌کند.

این یافته‌ها باور رایجی را به چالش می‌کشند که مدل‌های یادگیری ماشین پیچیده‌تر می‌توانند به‌طور قابل اتکا بازدهی سرمایه‌گذاری برتر ارائه دهند. با وجود پیشرفت‌های چشمگیر در هوش مصنوعی طی دو دهه گذشته، محققان دریافتند که سیستم‌های معاملاتی مبتنی بر هوش مصنوعی به‌طور کلی در پیشی گرفتن از یک استراتژی سرمایه‌گذاری بلند مدت منضبط پس از احتساب تغییرات شرایط بازار، هزینه‌های معاملاتی و نوسانات بازار با مشکل مواجه بودند.

این مطالعه توجه هر دو بخش مالی و فناوری را به خود جلب کرده است، چرا که سرمایه‌گذاران همچنان نقش رو به رشد هوش مصنوعی در مدیریت دارایی را ارزیابی می‌کنند. این یافته‌ها همچنین توسط حساب رسمی Cointelegraph در X مورد توجه قرار گرفت و بحث گسترده‌تر صنعت درباره عملکرد واقعی هوش مصنوعی در بازارهای مالی را برجسته کرد.

منبع: XPost

هوش مصنوعی امور مالی را متحول کرده است

هوش مصنوعی تقریباً هر جنبه‌ای از صنعت مالی مدرن را دگرگون کرده است.

بانک‌ها، صندوق‌های پوشش ریسک، مدیران دارایی، شرکت‌های کارگزاری و شرکت‌های فین‌تک به طور فزاینده‌ای برای تشخیص تقلب، مدیریت ریسک، تجزیه و تحلیل سبد سهام، اجرای الگوریتمی، انطباق با مقررات، پشتیبانی مشتری و اتوماسیون عملیاتی به هوش مصنوعی متکی هستند.

این کاربردها کارایی را به طور قابل توجهی بهبود بخشیده در حالی که هزینه‌های عملیاتی را کاهش داده‌اند.

با این حال، تولید بازده سرمایه‌گذاری که به‌طور مداوم از بازارهای مالی پیشی بگیرد، همچنان یکی از دشوارترین چالش‌ها برای هر فناوری است.

آخرین تحقیقات نشان می‌دهد که حتی مدل‌های پیشرفته هوش مصنوعی هنگام تلاش برای پیش‌بینی حرکات بازار در دوره‌های طولانی با موانع عمده‌ای روبرو هستند.

چرا خرید و نگه داشتن همچنان برنده است

سرمایه‌گذاری خرید و نگه داشتن در طول دهه‌ها یکی از موفق‌ترین رویکردهای سرمایه‌گذاری بلند مدت بوده است.

به جای تلاش برای کسب سود از نوسانات کوتاه‌مدت قیمت، سرمایه‌گذاران دارایی‌های باکیفیت خریداری می‌کنند و موقعیت‌های خود را در طول سال‌های زیادی حفظ می‌کنند و به رشد مرکب و افزایش ارزش بازار در بلندمدت اجازه می‌دهند به نفعشان عمل کند.

تحقیقات دانشگاهی بارها نشان داده است که بسیاری از استراتژی‌های معاملاتی فعال پس از احتساب مالیات‌ها، کمیسیون‌ها، لغزش قیمت و هزینه‌های معاملاتی از سرمایه‌گذاری ساده بلند مدت پیشی نمی‌گیرند.

مطالعه جدید نشان می‌دهد که هوش مصنوعی این اصل سرمایه‌گذاری دیرپا را اساساً تغییر نداده است.

پیش‌بینی بازارهای مالی دشوار است

یکی از دلایلی که هوش مصنوعی در پیشی گرفتن از بازارها مشکل دارد، ماهیت مدام در حال تغییر امور مالی جهانی است.

داده‌های اقتصادی، تورم، تصمیمات نرخ بهره، درآمدهای شرکتی، رویدادهای ژئوپلیتیکی، سیاست‌های دولتی، نوآوری فناورانه و روانشناسی سرمایه‌گذار به طور مداوم شرایط بازار را بازآفرینی می‌کنند.

برخلاف بازی‌هایی مانند شطرنج یا گو، بازارهای مالی هر روز تکامل می‌یابند.

الگوهایی که چند سال پیش وجود داشتند ممکن است با تغییر رفتار سرمایه‌گذاران به کلی از بین بروند.

محققان می‌گویند این محیط پویا توانایی هوش مصنوعی را برای تولید مداوم سیگنال‌های معاملاتی سودآور در دوره‌های طولانی محدود می‌کند.

داده‌های بیشتر عملکرد بهتر را تضمین نمی‌کنند

هوش مصنوعی در پردازش حجم عظیمی از اطلاعات برتری دارد.

سیستم‌های معاملاتی مدرن هوش مصنوعی می‌توانند قیمت‌های تاریخی، صورت‌های مالی، شاخص‌های اقتصادی، گزارش‌های درآمدی، مقالات خبری، تصاویر ماهواره‌ای، فعالیت بلاک چین و احساسات شبکه‌های اجتماعی را در عرض چند ثانیه تجزیه و تحلیل کنند.

با این حال، مطالعه نشان داد که دسترسی به مجموعه داده‌های بزرگ‌تر به تنهایی عملکرد سرمایه‌گذاری برتر را تضمین نمی‌کند.

بازارها به سرعت اطلاعات جدید را جذب می‌کنند و حفظ مزیت رقابتی پایدار برای هر الگوریتمی را به طور فزاینده‌ای دشوار می‌سازند.

سرمایه‌گذاران نهادی به گسترش استفاده از هوش مصنوعی ادامه می‌دهند

اگرچه استراتژی‌های معاملاتی هوش مصنوعی ممکن است به‌طور مداوم از سرمایه‌گذاری خرید و نگه داشتن پیشی نگیرند، تقاضای نهادی برای هوش مصنوعی همچنان به سرعت در حال رشد است.

شرکت‌های بزرگ سرمایه‌گذاری به طور فزاینده‌ای از هوش مصنوعی برای بهبود تحقیقات، خودکارسازی گزارش‌دهی، نظارت بر ریسک، تشخیص تقلب، بهینه‌سازی سبد سهام و ساده‌سازی عملیات انطباق استفاده می‌کنند.

به جای جایگزینی متخصصان سرمایه‌گذاری، هوش مصنوعی به طور فزاینده‌ای به عنوان یک دستیار تحلیلی قدرتمند قابل تسریع در گردش‌های کاری پیچیده نگریسته می‌شود.

کارشناسان صنعت اشاره می‌کنند که بزرگ‌ترین ارزش هوش مصنوعی ممکن است در بهبود تصمیم‌گیری باشد نه در تولید مستقل بازدهی که از بازار پیشی می‌گیرد.

تخصص انسانی همچنان اهمیت دارد

مدیران سبد سهام باتجربه همچنان برای تصمیم‌گیری‌های سرمایه‌گذاری به قضاوت، تجزیه و تحلیل کلان اقتصادی، دانش صنعت، تحقیقات شرکتی و امور مالی رفتاری متکی هستند.

هوش مصنوعی می‌تواند الگوها را شناسایی کند، اطلاعات را خلاصه کند و مجموعه داده‌های بزرگ را بسیار سریع‌تر از انسان پردازش کند.

با این حال، تفسیر رویدادهای غیرمنتظره و ارزیابی تحولات گسترده‌تر اقتصادی همچنان به تخصص انسانی نیاز دارد.

بنابراین بسیاری از مؤسسات مالی تجزیه و تحلیل مبتنی بر هوش مصنوعی را با متخصصان سرمایه‌گذاری باتجربه ترکیب می‌کنند تا اینکه کاملاً به سیستم‌های معاملاتی خودکار متکی باشند.

درس‌هایی برای سرمایه‌گذاران خرد

این مطالعه چندین اصل اصلی سرمایه‌گذاری را که به لحاظ تاریخی نتایج بلندمدت ثابتی داشته‌اند تقویت می‌کند.

تنوع سبد سهام، سرمایه‌گذاری منضبط، به حداقل رساندن معاملات غیرضروری، حفظ هزینه‌های پایین و اجتناب از تصمیم‌گیری احساسی همچنان از مؤثرترین استراتژی‌ها برای ثروت‌سازی در طول زمان هستند.

در حالی که هوش مصنوعی قابلیت‌های تحلیلی پیچیده‌تری ارائه می‌دهد، سرمایه‌گذاران باید از این فرض اجتناب کنند که سیستم‌های معاملاتی خودکار می‌توانند ریسک بازار را حذف کنند یا به طور مداوم از سرمایه‌گذاری سنتی پیشی بگیرند.

بازارهای مالی صرف نظر از پیشرفت فناوری ذاتاً غیرقابل پیش‌بینی باقی می‌مانند.

آینده هوش مصنوعی در امور مالی همچنان روشن است

محققان تأکید می‌کنند که یافته‌ها نباید به عنوان شکست برای خود هوش مصنوعی تفسیر شوند.

در عوض، آن‌ها تمایز بین بهبود کارایی عملیاتی و پیشی گرفتن مداوم از بازارهای مالی را برجسته می‌کنند.

هوش مصنوعی همچنان بانکداری، بیمه، مدیریت ثروت، امنیت سایبری، انطباق، وام‌دهی و برنامه‌ریزی مالی را متحول می‌کند.

انتظار می‌رود تأثیر آن در سراسر خدمات مالی جهانی با پذیرش ابزارهای اتوماسیون پیشرفته‌تر توسط کسب‌وکارها به طور قابل توجهی گسترش یابد.

نگاهی به آینده

مطالعه ۲۰ ساله یکی از جامع‌ترین ارزیابی‌های هوش مصنوعی در مدیریت سرمایه‌گذاری تا به امروز را ارائه می‌دهد.

در حالی که هوش مصنوعی همچنان خدمات مالی را از طریق اتوماسیون و تجزیه و تحلیل پیشرفته بازآفرینی می‌کند، تحقیقات نشان می‌دهد که سرمایه‌گذاری سنتی خرید و نگه داشتن در بلندمدت همچنان دشوار است که از آن پیشی گرفت.

با ادامه تکامل هوش مصنوعی، انتظار می‌رود شرکت‌های سرمایه‌گذاری به طور فزاینده‌ای بر ترکیب بینش‌های مبتنی بر هوش مصنوعی با قضاوت انسانی باتجربه تمرکز کنند تا اینکه یادگیری ماشین را جایگزین سرمایه‌گذاری بلند مدت منضبط ببینند.

برای سرمایه‌گذاران، این یافته‌ها به عنوان یادآوری به‌موقع عمل می‌کنند که صبر، تنوع سبد سهام، مدیریت ریسک صحیح و تفکر بلندمدت همچنان از قوی‌ترین پایه‌ها برای سرمایه‌گذاری موفق هستند.

hokanews.com – نه فقط اخبار کریپتو. این فرهنگ کریپتو است.

نویسنده @Ethan
Ethan Collins یک روزنامه‌نگار پرشور کریپتو و علاقه‌مند به بلاک چین است که همیشه در جستجوی آخرین روندهایی است که دنیای مالی دیجیتال را تکان می‌دهند. با توانایی تبدیل پیچیده‌ترین تحولات بلاک چین به داستان‌های جذاب و قابل فهم، او خوانندگان را در جریان آخرین اخبار دنیای پرسرعت کریپتو نگه می‌دارد. چه BTC، ETH یا آلتکوین‌های نوظهور باشد، Ethan عمیقاً وارد بازارها می‌شود تا بینش‌ها، شایعات و فرصت‌هایی را کشف کند که برای علاقه‌مندان به کریپتو در سراسر جهان اهمیت دارند.

سلب مسئولیت:

مقالات HOKANEWS اینجا هستند تا شما را از آخرین اخبار کریپتو، فناوری و فراتر از آن مطلع نگه دارند—اما آن‌ها مشاوره مالی نیستند. ما اطلاعات، روندها و بینش‌ها را به اشتراک می‌گذاریم، نه اینکه به شما بگوییم بخرید، بفروشید یا سرمایه‌گذاری کنید. همیشه قبل از هر اقدام مالی تحقیقات خود را انجام دهید.

HOKANEWS مسئول هیچ‌گونه ضرر، سود یا آشفتگی که ممکن است در صورت عمل بر اساس آنچه اینجا می‌خوانید اتفاق بیفتد نیست. تصمیمات سرمایه‌گذاری باید از تحقیقات خود شما—و در حالت ایده‌آل، راهنمایی یک مشاور مالی واجد شرایط—ناشی شود. به یاد داشته باشید: کریپتو و فناوری سریع حرکت می‌کنند، اطلاعات در یک چشم به هم زدن تغییر می‌کنند و در حالی که ما به دقت اهمیت می‌دهیم، نمی‌توانیم تضمین کنیم که ۱۰۰٪ کامل یا به‌روز باشد.