Fondurile de investiţii au început să-şi scoată din priză algoritmii

Într-un articol recent din revista Risk se arată că, în ciuda cheltuielilor masive pentru trecerea la administrarea activelor financiare cu ajutorul inteligenţei artificiale, mari fonduri de investiţii au început să impună restricţii privind utilizarea strategiilor construite astfel.

Printre motivele amintite se află modul de interpretare a datelor de intrare sau efectul de aglomerare a unor segmente de piaţă prin aplicarea unor strategii similare de către un număr mare de jucători.

Articolul din Risk mai aminteşte că unul dintre cele mai puternice motive de îngrijorare îl reprezintă "antrenarea" eficientă a algoritmilor cu ajutorul bazelor de date istorice, dar care oferă o precizie ridicată a "prognozelor" numai pentru aceste date. Când algoritmilor le sunt "prezentate" noi date, precizia prognozelor scade dramatic, fenomenul fiind cunoscut sub numele "overfitting".

Tranzacţiile care se bazează tot mai mult pe inteligenţa artificială şi ML (machine learning) au avut, probabil, un rol semnificativ şi în urmă cu circa două săptămâni, când s-a înregistrat a doua mare scădere procentuală din acest an, după cea din februarie, de pe pieţele de peste Ocean.

Pe fondul scăderii cu peste 3% a principalilor indici bursieri americani din 10 octombrie 2018, tranzacţionarea algoritmică s-a accelerat exponenţial în ziua următoare.

Conform datelor de la Nanex LLC, o firmă specializată în colectarea şi prelucrarea datelor referitoare la tranzacţiile bursiere, atunci s-au spulberat toate recordurile pentru datele financiare înregistrate în bazele de date.

Numărul cotaţiilor preluate pentru tranzacţiile cu acţiuni, opţiuni şi contracte futures a fost de 52 de miliarde, un volum de date echivalent cu totalul înregistrărilor din întreg anul 2004.

Eric Scott Hunsader, directorul executiv al companiei Nanex, a scris recent pe contul său de Twitter că "30 de miliarde de cotaţii zilnice pentru opţiuni pare să fie noua normalitate".

Noua normalitate este, însă, extrem de fragilă, iar pieţele se pot confrunta neaşteptat cu scăderi semnificative, chiar pe fondul absenţei "catalizatorilor" din mediul politic sau economic, aşa cum au arătat prăbuşirile aproape instantanee din 2010, 2014 sau 2015.

Pentru "flash crash-ul" indicelui Dow Jones din luna mai 2010, când s-a înregistrat un declin de aproape 9% în circa 10 minute, urmat de recuperarea a circa 70% din pierderi până la sfârşitul şedinţei de tranzacţionare, vina a fost aruncată asupra unui "investitor" singuratic din Londra care tranzacţiona de acasă.

În urmă cu patru ani, în octombrie 2014, randamentul obligaţiunilor guvernamentale americane a în­regis­trat o scădere considerată imposibilă într-un interval de ordinul miliardelor de ani, vina fiind "atribuită" de această dată algoritmilor, conform concluziilor unei anchete oficiale. Bloomberg a scris atunci că "algoritmii vindeau altor algoritmi, unor chiar algoritmilor colegi".

Pentru flash crash-ul din iulie 2015, când New York Stock Ex­change a oprit tranzacţionarea aproape patru ore, încă nu s-a stabilit vinovatul.

Acesta este contextul în care presa financiară internaţională publică tot mai multe avertismente ale experţilor în inteligenţă artificială şi ML.

"Algoritmii ML vor identifica totdeauna un model sau un tipar, chiar dacă nu există niciunul", a precizat Marcos Lopez de Prado, director în cadrul AQR Capital Management şi autor al cărţii "Advances in Financial Machine Learning", pe baza experienţei sale de peste 20 de ani în domeniu.

În opinia lui Lopez de Prado, "este nevoie de o cunoaştere adâncă a pieţelor pentru a aplica algoritmii de învăţare în cazul datelor financiare", iar aceasta reprezintă "punctul slab cel mai important atunci când se încearcă elaborarea unei strategii pentru cel mai complex sistem neliniar, piaţa".

De la natura neliniară complexă a pieţelor porneşte şi declaraţia lui Stephen Cucchiaro, preşedinte şi director de investiţii la 3Edge Asset Management din Boston.

"Niciun om de ştiinţă sau inginer nu ar utiliza vreodată analiza corelaţiilor în cazul unui sistem complex neliniar cum este piaţa financiară", deoarece "corelaţiile sunt, de cele mai multe ori, doar coincidenţe statistice", a subliniat Cucchiaro pentru Bloomberg.

Toate aceste probleme nu par să reprezinte mare lucru pentru majoritatea experţilor în tehnici cantitative, care "încearcă să creeze programe de optimizare la un nivel prea ridicat pentru precizia necesară în finanţe", după cum a declarat Nigol Koulajian, fondator şi director de investiţii al fondului de hedging Quest Partners. Aceşti experţi "par hotărâţi să cucerească lumea cu ajutorul datelor", însă uită că "pieţele nu sunt nici statice şi nici sisteme închise, precum este şahul", a mai precizat Koulajian.

Avertismentul său seamănă foarte mult cu cele lansate de profesorul Nassim Nicholas Taleb, în cărţile sale reunite în colecţia Incerto, cu privire la impactul devastator al fenomenelor considerate imposibile.

"Căderea unui ac te poate face să pierzi câştigurile din ultimii 20 de ani", a declarat Nigol Koulajian pentru Bloomberg.

Oare principalul factor pentru temperarea utilizării ML şi inteligenţei artificiale ar putea să fie conştientizarea acestui risc, mai ales pe fondul reducerii lichidităţii de către Federal Reserve?

Chiar dacă răspunsul este afirmativ, o altă explicaţie, mai "pământească", vine de la performanţa din ultimii ani a fondurilor de hedging care folosesc inteligenţa artificială şi ML.

Conform datelor de la Bloomberg, indicele Eurekahedge AI Hedge Fund, care urmăreşte randamentele a 13 fonduri de hedging, a înregistrat creşteri medii anuale de 7% în ultimii 5 ani, în timp ce creşterea medie anuală a indicelui S&P 500 a fost de 13%.

Mai mult, în primele 9 luni din acest an, indicele Eurekahedge AI Hedge Fund a scăzut cu 5%, pe fondul unei creşteri de peste 8% a indicelui S&P 500, în condiţiile în care indicii acţiunilor bancare, cum sunt KBW Bank Index şi Stoxx 600 Banks, manifestă o dinamică similară celei din 2008.

Se pare că ne apropiem de o perioadă a fluctuaţiilor extreme, care va pune la grea încercare adevărata "adaptabilitate" şi utilitate a algoritmilor, adică acelea arătate în condiţiile în care "poţiunea magică" a băncilor centrale nu mai funcţionează.