یک کارشناس‌ارشد علوم کامپیوتر با ارائه نمونه‌هایی از رفتار هوش مصنوعی در بازارهای مالی هشدار داد: «هوش مصنوعی تنها به اندازه داده‌هایی که دریافت می‌کند، هوشمند است.» و تصریح کرد: «برای موفقیت در این مسیر، ایران نیاز به سرمایه‌گذاری در زیرساخت‌های داده‌ای، آموزش نیروی انسانی متخصص، و همکاری با استارتاپ‌های فناوری دارد.»
به گزارش پایگاه اطلاع‌رسانی دکتر مسعود پزشکیان، هومن قلمبر، مدیرعامل شتاب‌دهنده دانش‌بنیان مایا، در یادداشتی با اشاره به اهمیت و کاربرد هوش مصنوعی در بازارهای مالی تأکید کرد که ایران باید از همین امروز شروع کند. متن کامل این یادداشت را در ادامه می‌خوانید:
از اتاق‌های معاملات تا جنگل‌های داده
در سال ۱۳۶۵، در یکی از اتاق‌های کوچک بورس لندن، گروهی از مهندسان نرم‌افزار برای اولین بار از یک الگوریتم ساده برای پیش‌بینی قیمت سهام استفاده کردند. این الگوریتم بر پایه قوانین احتمالات ساده کار می‌کرد و تنها توانست پنج درصد از نوسانات بازار را پیش‌بینی کند اما این آغاز یک انقلاب بود. پس از آن، در اوایل دهه ۷۰، با پیشرفت‌های اولیه در پردازش سیگنال‌های دیجیتال، الگوریتم‌های معاملاتی شروع به جایگزینی تحلیلگران انسانی کردند. یکی از معروف‌ترین موارد، استفاده از الگوریتم‌های HFT (معاملات فرکانس بالا) در بورس نیویورک بود که سرعت معاملات را از ثانیه به میلی‌ثانیه کاهش داد. این تحول، بازارهای مالی را به یک صحنه علمی‌تخیلی تبدیل کرد که در آن، سرعت و دقت ماشین‌ها بر انسان‌ها غلبه کرد.
اما واقعیت امروز با آن روزها چه تفاوتی دارد؟ در سال ۱۴۰۲، هوش مصنوعی دیگر یک ابزار کمکی نیست، بلکه مغز متفکر بازارهای مالی است. این فناوری از داده‌های غیرساختاریافته مانند اخبار، توئیت‌ها، و حتی عکس‌های رسانه‌های اجتماعی برای پیش‌بینی روندهای بازار استفاده می‌کند. به عنوان مثال، در سال ۱۴۰۱، هوش مصنوعی یک شرکت سرمایه‌گذاری آمریکایی با تحلیل اخبار مربوط به جنگ اوکراین، ۷۲ ساعت قبل از سقوط شاخصFTSE 100 هشدار داد و مانع صدها میلیون دلار ضرر شد. این مثال نشان می‌دهد هوش مصنوعی چگونه از «پیش‌گو» به «سازنده» واقعیت تبدیل شده است.
داده‌ها؛ سوخت جدید بازارهای مالی
هوش مصنوعی امروزی مانند یک موتور جت عمل می‌کند که برای حرکت، نیاز به حجم عظیمی از داده دارد اما این داده‌ها تنها ارقام و اعداد نیستند. آنها شامل میلیاردها توئیت، مقاله، گزارش مالی، تصمیمات سیاسی، و حتی تغییرات آب‌وهوا هستند. به عنوان مثال، در بورس توکیو، هوش مصنوعی بلادرنگ اخبار منتشرشده در وب‌سایت‌های ژاپنی را ترجمه و تحلیل می‌کند تا روند شاخص Nikkei 225 را پیش‌بینی کند. این سیستم توانسته است با دقت ۸۵ درصد واکنش بازار به تغییرات سیاست پولی بانک مرکزی ژاپن را پیش‌بینی کند.
این داده‌ها مبتنی بر زیرساخت‌های داده‌ای پیشرفته جمع‌آوری و پردازش می‌شوند. شرکت‌هایی مانند بلومبرگ و رفینیتیو، پلتفرم‌هایی را توسعه داده‌اند که می‌توانند از منابع مختلف داده استخراج و به مدل‌های هوش مصنوعی وارد کنند. یکی از جذاب‌ترین این پلتفرم‌ها، BloombergGPT است که با بهره‌گیری از ۴۰ میلیون مقاله مالی، قادر به درک زیردیتاست‌های پنهان در اخبار اقتصادی است. به عنوان مثال، اگر یک خبرگزاری بنویسد: «فدرال رزرو آمریکا نگران تورم است»، هوش مصنوعی نه‌تنها واژه «نگران» را تشخیص می‌دهد بلکه از طریق تحلیل تاریخچه تصمیمات FED، احتمال افزایش نرخ بهره را محاسبه می‌کند.
ماشین‌ها؛ تسخیرکننده بازارها
در ۱۶ اردیبهشت ۱۳۸۹، بازار سهام آمریکا شاهد یکی از عجیب‌ترین رویدادها در تاریخ خود بود: سقوط سریع (Flash Crash). در عرض ۳۶ دقیقه، هزار میلیارد دلار از ارزش بازار بورس ناپدید شد و سپس به سرعت بازگشت. تحقیقات بعدی نشان داد که یک الگوریتم معاملاتی خطا، با فروش میلیاردها دلار سهام در کسری از ثانیه، باعث ایجاد این بحران شده بود. این رویداد، زنگ خطری برای دنیای مالی بود: ماشین‌ها می‌توانند به سرعتی برسند که کنترل آنها غیرممکن می‌شود.
اما امروزه، الگوریتم‌های معاملاتی پیشرفته از اشتباهات گذشته درس گرفته‌اند. مثلاً بورس نیویورک از شبکه‌های عصبی عمیق استفاده می‌کند. این سیستم‌ها به گونه‌ای طراحی شده‌اند که در صورت تشخیص ناهنجاری، معاملات را خودکار متوقف می‌کنند. در سال ۱۴۰۳، این سیستم توانست زمان پاسخگویی به نوسانات ناگهانی را به ۰.۰۳ ثانیه کاهش دهد. با بهره‌گیری از این سیستم، یک شرکت ۱۸ میلیاردی در وال‌استریت، با استفاده از هوش مصنوعی، ۹۰ درصد معاملات خود را خودکار کرد و موفق شد ریسک انسانی را کاملاً حذف کند. مدیر ارشد این شرکت در این باره گفت: «ما دیگر به تحلیلگرانی که زیر فشار استرس یا خستگی تصمیم می‌گیرند نیاز نداریم. هوش مصنوعی مثل یک شاهد خاموش عمل می‌کند: همه‌جا را می‌بیند، هیچ‌چیز را فراموش نمی‌کند و هرگز از شدت استرس معامله نمی‌کند.»
قدرت کلمات توئیتر در دنیای اعداد
در ساعت ۱۵:۱۵ بعدازظهر ۲۳ فروردین ۱۴۰۲ ایلان ماسک یک توئیت منتشر کرد: «بیت‌کوین آینده پول است.» در عرض ۱۵ دقیقه، قیمت این ارز دیجیتال ۱۲ درصد افزایش یافت اما این اتفاق، برای هوش مصنوعی بورس لندن غیرمنتظره نبود. چند دقیقه قبل از توئیت ماسک، این سیستم با تحلیل الگوهای اجتماعی‌مدیا، احتمال افزایش قیمت بیت‌کوین را پیش‌بینی کرده بود. این قدرت پیش‌بینی، نتیجه ترکیب هوش مصنوعی و تحلیل احساسات/ عقیده‌کاوی (Sentiment Analysis) است. این تکنولوژی از مدل‌های زبانی پیشرفته مانند GPT-4 برای درک احساسات پشت کلمات استفاده می‌کند. به عنوان مثال، اگر یک خبرگزاری بنویسد: «شرکت X سود خود را ۲۰ درصد افزایش داد»، هوش مصنوعی نه‌تنها به عدد ۲۰ درصد توجه می‌کند، بلکه واژه‌هایی مانند «غیرمنتظره»، «ناامیدکننده» یا «بی‌سابقه» را تحلیل می‌کند تا احساسات بازار را شناسایی کند.
مورد مطالعاتی بورس توکیو در سال ۱۴۰۲ یک پروژه به نام «پیش‌گوی احساسات» را راه‌اندازی کرد. این سیستم، که از یک مدل هوش مصنوعی ژاپنی-زبان استفاده می‌کند، توانست با دقت ۸۵ درصد واکنش بازار به تغییرات سیاست پولی بانک مرکزی ژاپن را پیش‌بینی کند. مدیر این پروژه در گفت‌وگویی اظهار کرد: «ما دیگر منتظر گزارش‌های رسمی نیستیم. هوش مصنوعی برای ما همه چیز را در زمان واقعی ترجمه و تحلیل می‌کند.»
انقلابی در مدیریت دارایی
در دهۀ ۱۳۷۰، برای سرمایه‌گذاری در بورس، شما نیاز به یک مشاور انسانی با حقوق ماهانه دو هزار دلار داشتید. امروزه، یک ربات مشاور با کارمزد ۰.۲۵ درصد، همان خدمات را ارائه می‌دهد. این تغییر، نتیجه ظهور ربات‌های مشاور (Robo-Advisors) است که با استفاده از هوش مصنوعی، پرتفوی (Portfolio) سرمایه‌گذاران را مدیریت می‌کنند.
یکی از موفق‌ترین این پلتفرم‌ها، Betterment است که در سال ۱۴۰۲ با مدیریت ۵۰ میلیارد دلار، به بزرگ‌ترین ربات مشاور جهان تبدیل شد. این سیستم با تحلیل اهداف مالی، ریسک‌پذیری، و شرایط شخصی کاربران، پرتفوی بهینه‌ای ایجاد می‌کند. به‌عنوان مثال، اگر شما یک سرمایه‌گذار جوان هستید که به دنبال رشد بلندمدت است، Betterment بیشترین سرمایه شما را در صندوق‌های شاخص سهام سرمایه‌گذاری می‌کند، در حالی‌که برای یک بازنشسته، ترکیبی از اوراق قرضه و سهام پایدار را پیشنهاد می‌دهد.
چالش‌برانگیزترین آزمایش در سال ۱۴۰۱ بود؛ یک مؤسسه تحقیقاتی هزار سرمایه‌گذار عادی را با هزار ربات مشاور مقایسه کرد. نتیجه این بود که ربات‌ها با میانگین سود ۱۵درصدی، عملکرد بهتری نسبت به انسان‌ها داشتند. این آزمایش نشان داد که هوش مصنوعی می‌تواند احساسات انسانی مانند ترس و طمع را کنترل کند و تصمیمات منطقی‌تری بگیرد.
همگرایی دو فناوری انقلابی
در سال ۱۴۰۰، بورس نزدک با همکاری یک استارتاپ سوئیسی، پروژه‌ای به نام «شفافیت ۲۰۲۵» را آغاز کرد. این پروژه قراردادهای هوشمند بلاکچین را با هوش مصنوعی ترکیب می‌کند تا شفافیت معاملات را افزایش دهد. به عنوان مثال، هر معامله در این سیستم خودکار در بلاکچین ثبت می‌شود و هوش مصنوعی آن را برای شناسایی الگوهای مشکوک تحلیل می‌کند. نتیجۀ آن کاهش ۴۰ درصد شکایات مربوط به دستکاری قیمت در دو سال است.
اما این تنها کاربرد هوش مصنوعی و بلاکچین نیست. در بورس شانگهای، این دو فناوری برای ایجاد یک سیستم «اعتبارسنجی خودکار» استفاده می‌شوند. هر شرکتی که بخواهد در بورس پذیرفته شود، باید اطلاعات خود را در یک قرارداد هوشمند بلاکچین ثبت کند. هوش مصنوعی سپس این داده‌ها را تحلیل کرده و اعتبار شرکت را تعیین می‌کند. این سیستم نه‌تنها زمان فرآیند پذیرش را از شش ماه به دو هفته کاهش داد، بلکه موارد تقلب را نیز ۷۰درصد کم کرد.
خطر؛ سوگیری الگوریتم‌ها
در سال ۱۴۰۰، بورس هنگ‌کنگ با یک فاجعه روبه‌رو شد: یک هوش مصنوعی به اشتباه تمام سهام شرکت‌های چینی را فروخت! تحقیقات بعدی نشان داد که داده‌های آموزشی این سیستم حاوی اخبار منفی مربوط به جنگ تجاری آمریکا و چین بود. هوش مصنوعی، که برای پیش‌بینی ریسک‌ها طراحی شده بود، خودکار تمام سهام مرتبط با چین را به‌عنوان «پرخطر» طبقه‌بندی کرد و دستور فروش داد. این حادثه، زنگ خطری برای دنیای مالی بود: هوش مصنوعی تنها به اندازه داده‌هایی که دریافت می‌کند، هوشمند است.
پرسش اینجاست که آیا می‌توانیم به هوش مصنوعی اعتماد کنیم، وقتی خود ما هم دارای تعصب هستیم؟ پاسخ در «تنوع داده‌ها» نهفته است. شرکت‌های پیشرو مانند جی‌پی مورگان اکنون از مجموعه داده‌های متنوع جغرافیایی، فرهنگی، و سیاسی برای آموزش مدل‌های خود استفاده می‌کنند تا سوگیری‌ها را به حداقل برسانند.
پایان دوران کلاسیک
در آزمایشگاه‌های IBM، محققان روی یک پروژه انقلابی کار می‌کنند: «هوش مصنوعی کوانتومی». این فناوری، که از قدرت کامپیوترهای کوانتومی استفاده می‌کند، می‌تواند یک‌صد هزار میلیارد داده را در یک ثانیه پردازش کند. تصور کنید یک هوش کوانتومی تمام اخبار، توئیت‌ها، و آب‌وهوا را در یک مدل واحد تحلیل و روند بورس را با دقت ۹۹ درصد پیش‌بینی کند. این آینده دور نیست. پیش‌بینی می‌شود تا سال ۱۴۱۰، ۵۰ درصد از صندوق‌های سرمایه‌گذاری از هوش کوانتومی استفاده خواهند کرد.
داستان آینده چه خواهد بود؟ در سال ۱۴۲۰، یک سرمایه‌گذار با استفاده از هوش کوانتومی، تصمیم می‌گیرد در یک استارتاپ فضاپیمایی سرمایه‌گذاری کند. هوش مصنوعی، پس از تحلیل داده‌های ۵۰ ساله از سیاست‌های فضایی، تغییرات آب‌وهوا، و روندهای فناوری، پیش‌بینی می‌کند که این استارتاپ تا سال ۱۴۲۰، ۳۰۰ درصد سود خواهد داشت. این سرمایه‌گذاری، نه‌تنها برای سرمایه‌گذار موفق است، بلکه برای تمام بشریت که از فناوری‌های فضایی استفاده می‌کنند، مفید واقع می‌شود.
ایران و عصر هوش مصنوعی
ایران با جمعیت بیش از ۸۵ میلیون نفر و نیروی جوان، در موقعیت منحصر به فردی قرار دارد. بازار سرمایه ایران می‌تواند از هوش مصنوعی برای جذب سرمایه‌های بین‌المللی استفاده کند. یکی از پروژه‌های آزمایشی در این زمینه، «بورس هوشمند تهران» است. این پروژه در سال ۱۴۰۲ آغاز شد و قرار است از هوش مصنوعی برای پیش‌بینی نوسانات شاخص TEDPIX استفاده کند. برای موفقیت در این مسیر، ایران نیاز به سرمایه‌گذاری در زیرساخت‌های داده‌ای، آموزش نیروی انسانی متخصص، و همکاری با استارتاپ‌های فناوری دارد. موفقیت کشورهایی مانند کره جنوبی نشان می‌دهد که ایجاد یک «مرکز داده مالی ملی» می‌تواند دقت پیش‌بینی‌ها را تا ۴۰ درصد افزایش دهد.
برای ورود به عصر هوش مصنوعی، سازمان بورس ایران می‌تواند با ایجاد پایگاه داده متمرکز، همکاری با استارتاپ‌های داخلی، برگزاری دوره‌های آموزشی هوش مصنوعی برای کارشناسان بورس و استفاده از تجربیات بورس‌های پیشرفته گام‌های مؤثری را بردارد.
به‌عنوان مثال، یک استارتاپ ایرانی در سال ۱۴۰۱ موفق شد با استفاده از هوش مصنوعی، یک سیستم پیش‌بینی قیمت سهام طراحی کند که دقت ۷۵ درصد داشت. این موفقیت نشان می‌دهد که با حمایت دولت و بخش خصوصی، ایران می‌تواند در این عرصه پیشرو باشد.
و اما …
گفتنی است، هوش مصنوعی دیگر یک فناوری آینده نیست بلکه واقعیتی است که همین امروز، بازارهای جهانی را متأثر ساخته است. برای ایران، این فرصتی است تا با سرعت بیشتری به سمت مدرنیزه کردن بورس حرکت کند. پرسش این است که آیا ما آماده شرکت در این مسابقه جهانی هستیم؟
به هر روی، از امروز، با سرمایه‌گذاری در آموزش، فناوری، و نوآوری باید شروع کرد. همان‌طور که استیو جابز گفت: «آینده را نمی‌توان پیش‌بینی کرد اما می‌توان آن را ساخت.»
منابع:
– گزارش مکینزی (۲۰۲۳)، «هوش مصنوعی و آینده بازارهای مالی».
– مصاحبه با دکتر «امیلیا چن»، متخصص امنیت سایبری در بورس‌های آسیایی.
– پژوهش مؤسسه تحقیقاتی ماساچوست (۲۰۲۲)، «سوگیری الگوریتم‌ها در معاملات الگوریتمیک».
