بررسی کاربردهای هوش مصنوعی در بازار سرمایه

اولین نشست تخصصی کاربردهای هوش مصنوعی در بازار سرمایه با حضور مدیران سازمان بورس، دبیر کل کانون کارگزاران و جمعی از علاقه مندان این حوزه برگزار شد. بر اساس این گزارش، عظیم ثابت دبیرکل کانون کارگزاران در این نشست بر نیاز و لزوم اهتمام بیشتر اکوسیستم بازار سرمایه در زمینه استفاده از فناوری‌های دیجیتال تاکید کرد.

حسن فرج زاده معاون اجرایی سازمان بورس با اشاره به اصل حمایت از حقوق سهامداران و توسعه بازار شفاف و منصفانه، گفت: نهاد ناظر از تحقیقات علمی و فنی در زمینه هوش مصنوعی و فناوری‌های دیجیتال در راستای تحقق هرچه بیشتر اهداف، حمایت خواهد کرد. با رعایت قواعد حاکم به سرمایه‌گذاری و بهره‌مندی از فناوری هوش مصنوعی برای تحول و تکامل در ساز و کارها و رویه‌های نظارتی نیاز است.

سجاد امیری رئیس اداره تحلیل‌های اقتصادی و ریسک نیز با اشاره به اهمیت توجه به الزامات حکمرانی، بکارگیری و شناخت هوش مصنوعی و فناوری‌های دیجیتال در بازار سرمایه بر لزوم حمایت و پشتیبانی‌های لازم در این زمینه تاکید کرد.

حمید محمودآبادی کارشناس اداره تحلیل‌های اقتصادی و ریسک و متخصص هوش مصنوعی نیز با ارائه تاریخچه و سیر تحول پیدایش هوش مصنوعی به تحولات در این عرصه، رقابت شرکت‌ها و استقبال روز افزون آنان در کشورهای پیشرو اشاره کرد.

احمد نیک‌آبادی عضو هیات علمی دانشکده کامپیوتر دانشگاه امیرکبیر نیز با ارائه و تبیین مبانی و مفاهیم هوش مصنوعی و بیان روندهای آتی، گفت: محبوبیت و دغدغه‌ها در خصوص هوش مصنوعی به دلیل آن است که در آینده انجام می شود.

وی افزود: هوش مصنوعی در زمینه بازار سرمایه رشد چشم‌گیری داشته که معاملات الگوریتمی، بهینه سازی پرتفوی، مدیریت ریسک، مشاوره سرمایه‌گذاری و قابلیت‌های آن در ارائه ابزارهای نظارتی و سیاستی از جمله آنها است. هر کاری که انسان می‌تواند انجام دهد توسط ماشین یا هوش مصنوعی نیز باید صورت پذیرد.

فرهاد ریاضت مدیر گروه هوش مصنوعی و فین تک مدرسه بانکداری و مالی لندن نیز با اشاره به فرصت‌ها، چالش‌ها و ریسک‌های استفاده از هوش مصنوعی در بازار سرمایه، گفت: هوش مصنوعی نه تنها فرصت‌هایی را برای بهبود تصمیم‌گیری، مدیریت ریسک، کاهش هزینه‌ها و مدیریت بهینه پرتفوی ایجاد می‌کند بلکه می‌تواند زمینه ایجاد تغییر سیستمیک در بازارهای مالی جهت تأمین مالی پایدار را فراهم کند.

وی کیفیت و دسترسی پذیری داده، مسائل مرتبط با نهاد ناظر، مدیریت ریسک، مسائل مرتبط با جانبداری و موانع موجود در یکپارچه‌سازی را به عنوان برخی چالش‌های هوش مصنوعی بررسی کرد. ریسک در نوسانات بازار، عملیات مرتبط، تهدیدهای سایبری، اتکای بیش از حد به فناوری نیز می‌تواند دیگر مخاطرات یا آسیب‌های استفاده از هوش مصنوعی باشد.

ریاضت ادامه داد: برای استفاده بهینه از فناوری مالی باید در زمینه‌هایی چون هوش مصنوعی و یادگیری ماشین، بلاکچین و کریپتو، بانکداری باز و اشتراک داده، امور مالی غیرمتمرکز، پشتیبانی مشتریان، محاسبات ابری و اینترنت اشیاء برنامه‌ریزی جامع و عملیاتی صورت گیرد. امید می رود هوش مصنوعی بتواند زمینه تغییرات سیستمیک در بازار سرمایه در راستای تخصیص بهینه منابع بصورت پایدار را فراهم آورد.

علی حبیب‌نیا استادیار اقتصاد دانشگاه ویرجینیاتک آمریکا با بیان اینکه هوش مصنوعی مفهومی گسترده و بین رشته‌ای است، گفت: دانش آموختگان رشته‌های مختلف دانشگاهی اعم از علوم پایه و یا حتی علوم اقتصادی و مالی با توجه به آشنایی نسبی با مباحث آمار و ریاضی امکان ورود به این عرصه را دارند. فعالان بازار سرمایه مانند سرمایه‌گذاران خرد، نهادهای مالی و نهاد ناظر هر یک به تناسب تخصص و نیاز می‌توانند از هوش مصنوعی استفاده کنند.

وی افزود: افراد حقیقی و حقوقی با استفاده از ارتباط و هم پوشانی فناوری‌های موجود همچون هوش مصنوعی، Big Data و HPC می‌توانند مسائل پیچیده را حل و دید عمیق‌تری نسبت به آنها پیدا کنند. این ابزارها کمک می‌کنند تا فرآیند تصمیم‌گیری و سیاست‌گذاری به صورت بهینه و بدون درنگ انجام شود.

این استاد دانشگاه ادامه داد: در بازارهای مالی علاوه بر اطلاعات سنتی مانند قیمت، وضعیت اقتصادی و اندیکاتورها می‌توان از داده‌های مهم دیگری مانند نظرات شبکه‌های اجتماعی، فهرست سفارشات خرید و فروش، روند جست‌وجو در موتورهای جست‌وجو و داده‌های زیست محیطی، اجتماعی، حاکمیت و حتی تصاویر ماهواره‌ای استفاده کرد.

به گفته حبیب‌نیا در یکی از کشورها، معامله‌گر به جای تحلیل قیمت و اندیکاتورها، میزان تردد خودرو در پارکینگ‌های فروشگاه‌ها را از طریق تصاویر ماهواره‌ای استخراج و به منظور ارزیابی میزان فروش و سوددهی آن شرکت استفاده کرده است. بیشترین کاربرد هوش مصنوعی در سال های اخیر در زمینه پردازش زبان طبیعی، الگوهای زبانی بزرگ بوده که حدود ۲۶ درصد آن را دربرمی‌گیرد. سیستم‌های توصیه‌گر، بهنیه‌ سازی پرتفوی ۲۳ درصد، تشخیص تقلب ۲۲ درصد و معاملات الگوریتمی نیز ۲۱ درصد است.

https://kasbnews.com/10810