Door kunstmatige intelligentie aangedreven tools, zoals ChatGPT, hebben het potentieel om een revolutie teweeg te brengen in de efficiëntie, effectiviteit en snelheid van het werk dat mensen doen.
En dit geldt zowel op de financiële markten als in sectoren als de gezondheidszorg, de productie en vrijwel elk ander aspect van ons leven.
Ik doe al veertien jaar onderzoek naar financiële markten en algoritmische handel. Hoewel AI veel voordelen biedt, wijst het toenemende gebruik van deze technologieën op de financiële markten ook op potentiële gevaren. Een blik op de eerdere inspanningen van Wall Street om de handel te versnellen door computers en AI te omarmen, biedt belangrijke lessen over de implicaties van het gebruik ervan voor de besluitvorming.
Aan het begin van de jaren tachtig begonnen institutionele beleggers, aangewakkerd door technologische vooruitgang en financiële innovaties zoals derivaten, computerprogramma's te gebruiken om transacties uit te voeren op basis van vooraf gedefinieerde regels en algoritmen. Hierdoor konden ze grote transacties snel en efficiënt voltooien.
Destijds waren deze algoritmen relatief eenvoudig en werden ze voornamelijk gebruikt voor zogenaamde indexarbitrage, waarbij werd geprobeerd te profiteren van discrepanties tussen de prijs van een aandelenindex (zoals de S&P 500) en die van de aandelen waaruit deze is samengesteld.
Naarmate de technologie vorderde en er meer gegevens beschikbaar kwamen, werd dit soort programmahandel steeds geavanceerder, met algoritmen die complexe marktgegevens konden analyseren en transacties konden uitvoeren op basis van een breed scala aan factoren. Deze programmahandelaren bleven in aantal groeien op de grote ongereguleerde handelssnelwegen – waar elke dag voor meer dan een biljoen dollar aan activa van eigenaar wisselen – waardoor de marktvolatiliteit dramatisch toenam.
Uiteindelijk resulteerde dit in de enorme beurscrash van 1987, bekend als Zwarte Maandag. De Dow Jones Industrial Average leed aan wat destijds de grootste procentuele daling in zijn geschiedenis was, en de pijn verspreidde zich over de hele wereld.
Als reactie hierop hebben de regelgevende instanties een aantal maatregelen geïmplementeerd om het gebruik van programmahandel te beperken, waaronder stroomonderbrekers die de handel stopzetten wanneer er aanzienlijke marktschommelingen zijn en andere beperkingen. Maar ondanks deze maatregelen bleef de programmahandel in de jaren na de crash in populariteit groeien.
Snel vooruit 15 jaar, naar 2002, toen de New York Stock Exchange een volledig geautomatiseerd handelssysteem introduceerde. Als gevolg hiervan maakten programmahandelaren plaats voor meer geavanceerde automatiseringen met veel geavanceerdere technologie:hoogfrequente handel.
HFT gebruikt computerprogramma's om marktgegevens te analyseren en transacties met extreem hoge snelheden uit te voeren. In tegenstelling tot programmahandelaren die in de loop van de tijd mandjes met effecten kochten en verkochten om te profiteren van een arbitragemogelijkheid – een verschil in prijs van soortgelijke effecten dat voor winst kan worden uitgebuit – gebruiken hoogfrequente handelaren krachtige computers en hogesnelheidsnetwerken om marktgegevens te analyseren en razendsnel transacties uit te voeren. Hoogfrequente handelaren kunnen transacties uitvoeren in ongeveer één 64 miljoenste van een seconde, vergeleken met de enkele seconden die handelaren in de jaren tachtig nodig hadden.
Deze transacties zijn doorgaans van zeer korte duur en kunnen gepaard gaan met het meerdere keren kopen en verkopen van hetzelfde effect in een kwestie van nanoseconden. AI-algoritmen analyseren grote hoeveelheden gegevens in realtime en identificeren patronen en trends die niet onmiddellijk zichtbaar zijn voor menselijke handelaren. Dit helpt handelaren betere beslissingen te nemen en transacties sneller uit te voeren dan handmatig mogelijk zou zijn.
Een andere belangrijke toepassing van AI in HFT is de verwerking van natuurlijke taal, waarbij gegevens over menselijke taal, zoals nieuwsartikelen en berichten op sociale media, worden geanalyseerd en geïnterpreteerd. Door deze gegevens te analyseren kunnen handelaren waardevolle inzichten verkrijgen in het marktsentiment en hun handelsstrategieën dienovereenkomstig aanpassen.
Deze op AI gebaseerde, hoogfrequente handelaren werken heel anders dan mensen.
Het menselijk brein is traag, onnauwkeurig en vergeetachtig. Het is niet in staat tot snelle, uiterst nauwkeurige drijvende-kommaberekeningen die nodig zijn voor het analyseren van grote hoeveelheden gegevens voor het identificeren van handelssignalen. Computers zijn miljoenen keren sneller, met een in wezen onfeilbaar geheugen, perfecte aandacht en onbeperkte mogelijkheden voor het analyseren van grote hoeveelheden gegevens in fracties van milliseconden.
En dus biedt HFT, net als de meeste technologieën, verschillende voordelen voor de aandelenmarkten.
Deze handelaren kopen en verkopen doorgaans activa tegen prijzen die zeer dicht bij de marktprijs liggen, wat betekent dat ze beleggers geen hoge kosten in rekening brengen. Dit zorgt ervoor dat er altijd kopers en verkopers op de markt zijn, wat op zijn beurt helpt om de prijzen te stabiliseren en de kans op plotselinge prijsschommelingen te verkleinen.
Hoogfrequente handel kan ook helpen de impact van marktinefficiënties te verminderen door verkeerde prijzen op de markt snel te identificeren en te exploiteren. HFT-algoritmen kunnen bijvoorbeeld detecteren wanneer een bepaald aandeel ondergewaardeerd of overgewaardeerd is en transacties uitvoeren om van deze discrepanties te profiteren. Door dit te doen kan dit soort handel helpen om marktinefficiënties te corrigeren en ervoor te zorgen dat activa nauwkeuriger worden geprijsd.
Maar snelheid en efficiëntie kunnen ook schade veroorzaken.
HFT-algoritmen kunnen zo snel reageren op nieuwsgebeurtenissen en andere marktsignalen dat ze plotselinge pieken of dalen in de activaprijzen kunnen veroorzaken.
Bovendien kunnen financiële HFT-bedrijven hun snelheid en technologie gebruiken om een oneerlijk voordeel te behalen ten opzichte van andere handelaren, waardoor de marktsignalen verder worden verstoord. De volatiliteit die door deze uiterst geavanceerde, door AI aangedreven handelsbeesten werd gecreëerd, leidde tot de zogenaamde flashcrash in mei 2010, toen de aandelen kelderden en vervolgens binnen enkele minuten herstelden, waardoor ongeveer $1 biljoen aan marktwaarde werd uitgewist en vervolgens hersteld.
Sindsdien zijn volatiele markten het nieuwe normaal geworden. In een onderzoek uit 2016 ontdekten twee coauteurs en ik dat de volatiliteit – een maatstaf voor hoe snel en onvoorspelbaar prijzen op en neer bewegen – aanzienlijk toenam na de introductie van HFT.
De snelheid en efficiëntie waarmee hoogfrequente handelaren de gegevens analyseren, betekent dat zelfs een kleine verandering in de marktomstandigheden een groot aantal transacties kan veroorzaken, wat kan leiden tot plotselinge prijsschommelingen en verhoogde volatiliteit.
Bovendien blijkt uit onderzoek dat ik in 2021 met een aantal andere collega’s heb gepubliceerd dat de meeste hoogfrequente handelaren vergelijkbare algoritmen gebruiken, wat de kans op marktfalen vergroot. Dat komt omdat naarmate het aantal van deze handelaren op de markt toeneemt, de gelijkenis in deze algoritmen tot vergelijkbare handelsbeslissingen kan leiden.
Dit betekent dat alle hoogfrequente handelaren aan dezelfde kant van de markt zouden kunnen handelen als hun algoritmen vergelijkbare handelssignalen vrijgeven. Dat wil zeggen dat ze allemaal zouden kunnen proberen te verkopen in geval van negatief nieuws of te kopen in geval van positief nieuws. Als er niemand is die de andere kant van de handel kiest, kunnen de markten falen.
Dat brengt ons in een nieuwe wereld van door ChatGPT aangedreven handelsalgoritmen en soortgelijke programma's. Ze zouden het probleem van te veel handelaars die aan dezelfde kant van een deal staan, kunnen overnemen en het zelfs nog erger kunnen maken.
Over het algemeen zullen mensen, als ze aan hun lot worden overgelaten, de neiging hebben om een breed scala aan beslissingen te nemen. Maar als iedereen zijn beslissingen afleidt van een vergelijkbare kunstmatige intelligentie, kan dit de diversiteit van meningen beperken.
Neem een extreme, niet-financiële situatie waarin iedereen afhankelijk is van ChatGPT om te beslissen welke computer het beste kan worden gekocht. Consumenten zijn nu al erg gevoelig voor kuddegedrag, waarbij ze de neiging hebben dezelfde producten en modellen te kopen. Recensies op Yelp, Amazon enzovoort motiveren consumenten bijvoorbeeld om uit een paar topkeuzes te kiezen.
Omdat beslissingen die door de generatieve AI-aangedreven chatbot worden genomen, gebaseerd zijn op trainingsgegevens uit het verleden, zou er een gelijkenis zijn in de beslissingen die door de chatbot worden voorgesteld. Het is zeer waarschijnlijk dat ChatGPT iedereen hetzelfde merk en model zou aanbevelen. Dit zou de veehouderij naar een heel nieuw niveau kunnen tillen en tot tekorten aan bepaalde producten en diensten en tot ernstige prijspieken kunnen leiden.
Dit wordt problematischer wanneer de AI die de beslissingen neemt, wordt geïnformeerd door bevooroordeelde en onjuiste informatie. AI-algoritmen kunnen bestaande vooroordelen versterken wanneer systemen worden getraind op bevooroordeelde, oude of beperkte datasets. En ChatGPT en soortgelijke tools zijn bekritiseerd vanwege het maken van feitelijke fouten.
Omdat marktcrashes relatief zeldzaam zijn, zijn er bovendien niet veel gegevens over. Omdat generatieve AI's afhankelijk zijn van datatraining om te leren, zou hun gebrek aan kennis erover de kans groter kunnen maken dat ze plaatsvinden.
Voorlopig lijkt het er in ieder geval op dat de meeste banken hun werknemers niet zullen toestaan om te profiteren van ChatGPT en soortgelijke tools. Citigroup, Bank of America, Goldman Sachs en verschillende andere kredietverstrekkers hebben het gebruik ervan op handelsvloeren al verboden, onder verwijzing naar privacyproblemen.
Maar ik ben ervan overtuigd dat banken uiteindelijk generatieve AI zullen omarmen, zodra ze de zorgen die ze daarover hebben, hebben opgelost. De potentiële winsten zijn te groot om te laten liggen – en het risico bestaat dat je door de rivalen in de steek wordt gelaten.
Maar de risico's voor de financiële markten, de wereldeconomie en iedereen zijn ook groot, dus ik hoop dat ze voorzichtig te werk gaan.
Verschil tussen TSA en IRA
Kunt u het zich veroorloven het FTSE 100-dividendrendement van Legal &General te missen?
Het ondernemingsklimaat in heel Europa verbetert, maar financiële dienstverleners blijven achter
NBMiner v29.1 (AMD/NVIDIA):downloaden en configureren voor Windows/Linux
Een schema van kapitaalleasebetalingen maken
Indexfondsen:een beginnershandleiding voor het opbouwen van rijkdom
FRC legt PwC een boete op van £ 4,5 miljoen voor auditblunders