AI może dać prawdziwą przewagę traderom detalicznym w funduszach. Przynajmniej przez jakiś czas

Zanim AI mocno dojrzeje i odbierze rynki traderom detalicznym, przez krótki okres (kilku lat) może być dla nich źródłem przewagi nad innymi, również funduszami quantów.

Pejzaż AI szybko się zmienia, jednak technologie nie jest w pełni dojrzała i pozostało kilka obszarów, gdzie traderzy mogą nadal mieć przewagę nad nią trudną do pokonania.

Aby to zrobić wypada przyjrzeć się dwóm kierunkom: temu, co dla traderów może zrobić istniejące dziś AI typu ChatGPT, oraz temu czego długo nie będzie w stanie zastąpić: nazwę to komplikacją umysłu ludzkiego niedostępną maszynom, tym co czasem w skrócie nazywamy intuicją.  

Dzisiaj traderzy trochę nie mają wyjścia, wsparcie technologiczne ze strony AI może być tak duże, że dzisiejsi najlepsi, jeśli przeoczą obecną okazję – wyzwanie, zostaną wyprzedzeni przez innych.

Tekst jest skierowany do traderów, ich coachów, menedżerów HR w funduszach oraz konsultantów projektujących programy rozwojowe dla traderów detalicznych.

Obszar pierwszy: jak wykorzystać AI dla wspierania traderów?

Jednym zdaniem: automatyzacja, personalizacja, skanowanie rynków, poszukiwanie najlepszych praktyk, najlepszych wejść, najlepszych źródeł i kombinacji danych.

Z punktu widzenia konsultanta lub coacha podstawowym narzędziem w projektach rozwojowych jest proces inwestycyjny. Proces inwestycyjny, czyli zestaw kroków jakie trader wykonuje podejmując decyzję o wejściu na rynek. Wszystkich, im więcej ich zidentyfikujemy tym lepszy obraz tego co się dzieje z traderem i jak go wesprzeć przy pomocy AI będziemy mieli.

Prześledźmy typowy proces tradera grającego na akcjach. Zaczyna się od analiz technicznych, fundamentalnych, makro, przeglądu alternatywnych danych i skanowania rynków.

Drugim etapem jest zarzadzanie ryzykiem, które następuje w momencie, gdy trader określa wielkość pozycji, którą chce wejść na rynek.

Trzecim jest wejście, zarzadzanie pozycją i wyjście.

Czwartym jest analiza pozycji ex post: czyli co, jak i dlaczego zostało zrobione na każdym z etapów.

Na tym etapie jesteśmy w samym sercu programu rozwojowego: to tutaj trader uczy się, ma informację zwrotną o swoich działaniach i może się zastanawiać co zmienić i poprawić.

Oczywiście program rozwojowy będzie też obejmował uczenie się nowych narzędzi i korzystanie z nowych źródeł danych.

Omówienie w jaki sposób wykorzystać do tego AI zaczniemy od tej ostatniej rzeczy: nowych źródeł danych. 

Mam tu na myśli tak zwane „dane alternatywne” czyli wszelkie dane pozafinansowe jakie możemy znaleźć na temat spółek: od sprzedażowych, przez zapełnienie parkingów sieci handlowych po obrazy satelitarne.

Z danymi alternatywnymi są 2 problemy. Nie zawsze jest jasne w jaki sposób można je wykorzystać i w jaki sposób mogą być zafałszowane. Nie w sensie świadomego fałszerstwa – ale w tym sensie, że coś będzie zinterpretujemy.

Pierwsza sprawa, tu świetnym pomocnikiem jest ChatGPT i podobne narzędzia. Możemy poprosić o szczegółowe wyjaśnienia w jaki sposób można wykorzystać różne rodzaje danych, jakie uzupełnienie obrazu wnoszą.

Drugą sprawę pokaże na przykładzie: być może można oszacować ruch w pobliżu centrum handlowego na podstawie danych mobilnych – ile telefonów było w pobliżu w jakimś okresie czasu. Robiąc to musimy wiedzieć czy w pobliżu nie ma jakiegoś obiektu imprez masowych np. stadionu, bo jeśli tak to w czasie rozgrywek będziemy mieli dużą ilość danych nadmiarowych, które zafałszują obraz. Aby tego uniknąć warto opisać sytuację, lokalizacje i poprosić o tego typu analizę. Warto tez zapytać o inne problemy jakie może sprawić korzystanie z różnych typów danych i oczywiście jak im zaradzić.

Traderzy uczący się alternatywnych danych albo korzystają z rzadkich szkoleń i materiałów albo pracują metoda prób i błędów.

Na tym przykładzie pokazałem w jaki sposób wykorzystać ChatGPT jako źródło specjalistycznej wiedzy. Ta wiedza już daje przewagę traderowi nad innymi, którzy mogą korzystać z tych samych danych, ale z gorszym skutkiem. To samo mamy z quantami, którzy dużo czasu spędzają na tak zwanym „czyszczeniu danych”. Wiedza o tym co się składa na dane i jak z nich korzystać w inwestowaniu jest w tych kręgach pewnego rodzaju wiedzą tajemną, trader detaliczny może ją mieć w kilka sekund z Chata i jeszcze umieć ją poprawnie zinterpretować. Lepiej niż data analysis specjalista, który nie ma dobrego przygotowania inwestycyjnego.   

Wielu świetnych traderów umie myśleć scenariuszowo, przed wejściem na rynek mają przemyślane i przygotowane scenariusze rozwoju sytuacji, które później jedynie wykonują. To znaczy dostosowują swoje decyzje, zwiększenia, zmniejszenia pozycji, do tego co się dzieje na rynku. Mają dzięki temu nie tylko lepszy obraz sytuacji, ale również nie sa złapani w przeżywanie sytuacji na rynku imoga zajmować się przygotowywaniem kolejnych wejść, podczas gdy tym jednym wyłącznie zarządzają.

ChatGPT może w tym bardzo pomoc generując scenariusze i ucząc tej części procesu inwestycyjnego.