Kunstmatige intelligentie is bij uitstek een toepassing voor beleggers. Juist in een complexe datarijke omgeving met veel onzekerheid gedijt kunstmatige intelligentie.
Kunstmatige intelligentie is oorspronkelijk ontworpen om menselijke intelligentie te simuleren met behulp van computers, geprogrammeerd om te leren en denken als mensen. Daarvoor worden verschillende algoritmen en technieken gebruikt. Op dit moment zijn er al tal van kunstmatig intelligente toepassingen, zoals de virtuele assistenten Siri en Alexa. Netflix gebruikt kunstmatige intelligentie bij de programmering waardoor mensen langer abonnee blijven. Foto’s worden met kunstmatige intelligentie op elke iPhone of Mac gerubriceerd. Google Maps gebruikt kunstmatige intelligentie voor 3D-toepassingen. Verder is het opmerkelijk hoe snel de adoptie van Chat GPT gaat, inclusief concrete toepassingen in de praktijk.
Het grote voordeel van een kunstmatig intelligente machine vergeleken met een mens is dat de machine veel sneller is in het lezen en analyseren van data dan de mens. Nu is er juist in de beleggingsomgeving bijzonder veel data. Het is alweer meer dan tien jaar geleden dat in Londen duurbetaalde kredietanalisten werden ingeruild door slimme algoritmes die ‘en passant’ ook nog even de kredietwaardigheid van bestuurders konden beoordelen aan de hand van hun LinkedIn-netwerk. Reken maar dat de technologie ondertussen niet stil heeft gezeten.
Een groot voordeel voor kunstmatige intelligentie is dat beleggen vaak een vorm van kansberekening is. Absolute zekerheid over de toekomst is schaars, dan is een goede kansberekening op basis van alle beschikbare data veel waard. Verder kan met kunstmatige intelligentie gestructureerde data worden gecombineerd met ongestructureerde gegevens waaronder media-optredens en krantenberichten. Mensen kunnen te midden van al die ruis moeilijk een patroon herkennen, iets waar kunstmatige intelligentie juist heel goed in is.
Beleggen op basis van kwantitatieve factoren
Voordat kunstmatige intelligentie werd toegepast op beleggingsgebied waren er beleggingsstrategieën die uitsluitend op basis van een algoritme een portefeuille samenstelden. De meest bekende is uiteraard het beleggen in de index en een variant daarop is beleggen op basis andere factoren dan het gewicht in de index. Feitelijk is er bij deze variant van beleggen nu al geen mens meer die op detail beslissingen neemt. Groot voordeel van deze algoritmes is dat zij daardoor niet gehinderd worden door menselijke vooroordelen. Ze kunnen daar zelfs gebruik van maken om meer rendement te behalen. Verder arbitreren kwantitatieve beleggers vaak op kleine prijsafwijkingen, waarbij alleen hoge volumes en hoge frequenties lonen. Doordat computers data sneller kunnen analyseren, hebben ze feitelijk voorkennis op zaken die veel mensen veel later pas ervaren.
Beleggen op basis van sentiment
Op lange termijn wordt de ontwikkeling van financiële markten bepaald door fundamentele factoren zoals de economie, liquiditeit en uiteraard waardering. Op korte termijn lijkt elk nieuwsfeit van invloed op de beurs. Dat zorgt voor bijzonder veel ruis waardoor menselijke beleggers door het bos de bomen niet meer kunnen zien. De mens schakelt dan al snel over op intuïtie en neemt op basis van emotie beslissingen, waarschijnlijk de enige reden waarom technische analyse soms lijkt te werken. Net als een jager op de savanne, handelt de mens dan vaak zonder er bij na te denken. Lees het boek van Kahnemann, Thinking Fast & Slow er maar eens op na.
Een kunstmatig intelligente belegger kan naast het analyseren van de markt ook analyseren hoe mensen zullen reageren op marktontwikkelingen. Vooral het voorspellen en herkennen van zeepbellen moet voor een kunstmatige intelligente belegger relatief eenvoudig zijn.
Hulp bij samenstellen portefeuille
Nog altijd bestaan veel portefeuilles uit een combinatie van aandelen en obligaties. Die zijn dan weer opgesplitst in regio’s en sectoren of gecategoriseerd op basis van kredietwaardigheid en looptijd. Er komen steeds meer beleggingsmogelijkheden bij, alleen al door de sterke ontwikkeling van private markten. Een kunstmatige intelligente belegger kan rekening houden verschillende typen risico in combinatie met andere eisen en op basis daarvan de portefeuille optimaliseren. Verder hebben portefeuillebeheerders regelmatig het gevoel dat ze wat missen in een portefeuille, maar niet weten wat. Daar kan zelfs een programma als ChatGPT bij helpen.
Kunstmatige intelligentie voor saai en geestdodend werk
Bij beleggen is er ook sprake van veel saai en geestdodend werk. Het controleren van portefeuille op restrisico’s wordt meestal ondergebracht bij riskmanagement. Vaak ligt aan die analyse een lineaire regressie grondslag, terwijl kunstmatige intelligentie ook goed is in niet-lineaire verbanden. Ook de controle of portefeuilles voldoen aan de laatste inzichten op het gebied van wet- en regelgeving is niet de meest uitdagende functie. In dergelijke saaie, maar complexe omgevingen kan kunstmatige intelligentie uitstekend uit de voeten. Neem verder de controle op witwassen en de financiering van terrorisme. Daar is met kunstmatige intelligentie spectaculaire resultaten te behalen.
Een kunstmatig intelligente adviseur
Om de vraag te beantwoorden of een computer ook beleggingsadvies kan geven, moet eerst worden gedefinieerd wat dat nu precies is. Nu al blijken help desks en servicemedewerkers steeds sneller vervangen te worden door kunstmatig intelligente machines. Waar vroeger dergelijke computers nog hilarische antwoorden gaven, is de enige manier waarop tegenwoordig een kunstmatig intelligent antwoord nog is te onderscheiden, de snelheid van antwoorden. De computer is veel sneller dan de mens. Bij een traag antwoord heeft men waarschijnlijk niet met een machine te maken.
Tegelijkertijd vervullen veel adviseurs een belangrijke rol op het gebied van de menselijke bevestiging waardoor de cliënt op beleggingsgebied krijgt te horen dat hij of zij de juiste dingen doet. Het zal lastig zijn voor een machine om deze menselijke bevestiging te evenaren. Dat is waarschijnlijk ook de reden dat Robo-advisors er al snel achter kwamen dat ze ook menselijke adviseurs nodig hebben. Waarschijnlijk is de combinatie van mens en machine hier de uiteindelijke winnaar.
Han Dieperink is chief investment strategist bij Auréus Vermogensbeheer. Hij was eerder in zijn loopbaan chief investment officer van Rabobank en Schretlen & Co. Zijn bijdragen op Investment Officer verschijnen op dinsdag.