Uczymy już od 34 958 dni
Projekty

Autonomiczne inwestowanie: budowa efektywnego portfela inwestycyjnego z wykorzystaniem głębokiego uczenia przez wzmacnianie

Jednostka finansująca: Narodowe Centrum Nauki
Konkurs: Preludium 20
Nr rejestracyjny: 2021/41/N/HS4/02344
Czas trwania projektu: 04.01.2022 – 03.01.2024
Budżet: 135 963,00 zł
Opis projektu:
Strategia inwestycyjna „kup i trzymaj”, która zdobyła olbrzymią popularność w latach 70tych ubiegłego wieku, może nie być już tak atrakcyjną metodą akumulacji oszczędności przez przeciętnego inwestora w nowym tysiącleciu. Ogólnoświatowy kryzys gospodarczy na rynkach finansowych, którego szczyt przypadł na lata 2008-2009, czy fala wyprzedaży akcji, która dotknęła nas w dobie pandemii COVID-19 wywołały nadzwyczajną zmienność ogólnoświatowych indeksów giełdowych. W ciągu kilku miesięcy, a nawet dni, majątek wielu inwestorów zmniejszył się o nawet połowę. Tak niecodzienna zmienność indeksów kwestionuje typowy paradygmat inwestycyjny zakładający powiązanie długoterminowych inwestycji o ściśle określonym ryzyku inwestycyjnym z profilem ryzyka inwestora. Tradycyjna strategia „kup i trzymaj” okazuje się często nie do zaakceptowania nie tylko dla inwestora detalicznego ale również instytucjonalnego. Zatem jak zapomnieć o ponad 50% stratach kapitału, które miały miejsce podczas kryzysu finansowego z lat 2007-2009? Jak zaufać rynkom finansowym, aby stały się znowu odpowiednim miejscem inwestowania kapitału?

W ciągu kilku ostatnich lat mieliśmy do czynienia z nieprawdopodobnym rozwojem nowych technologii. Wystarczy wymienić kilka przykładów: przystępne cenowo urządzenia GPS, powszechnie dostępna treść tworzona przez użytkowników w sieci Internet, komunikacja w ramach sieci społecznościowych, czy telefony komórkowe. Jednak tempo zachodzących zmian wzrasta dopiero wraz z pojawiającymi się kolejnymi praktycznymi zastosowaniami sztucznej inteligencji: automatycznym rozpoznawaniem tekstu, głosu oraz obrazu, autonomicznymi samochodami czy diagnostyką medyczną. To niebywałe, jak szybko nowe technologie stają się częścią rynku konsumenta i jak łatwo zdobywają zaufanie klientów.

W dobie wyzwań, które stoją przed branżą inwestycyjną, warto się zastanowić, czy nie dać szansy technologii, by to ona przyczyniła się do odbudowy rynków finansowych? Czy to nie jest idealny moment, aby zweryfikować, jak najnowsze osiągnięcia w dziedzinie sztucznej inteligencji mogą poprawić efektywność inwestycji? Niniejsze badanie ma za zadanie znalezienie odpowiedzi na te pytania.

W pierwszej kolejności badanie to ma na celu poszerzenie wiedzy w zakresie wykorzystywania możliwości inwestycyjnych związanych z nieefektywnością rynku, a w szczególności anomaliami rynkowymi poprzez zaawansowane techniki uczenia maszynowego. Na przykład czy bazując na sztucznej inteligencji, możemy odnaleźć spółki, które będą zachowywać się lepiej od pozostałych? Czy z wykorzystaniem anomalii rynkowych oraz technik sztucznej inteligencji możliwa jest budowa autonomicznych inwestycji, które będą tanie, szeroko dostępne oraz przyniosą wyniki inwestycyjne lepsze od indeksów rynkowych?

Po drugie, badanie to ma otworzyć dyskusję naukową na temat zastosowania uczenia maszynowego do budowy portfela inwestycyjnego. Obecnie większość praktyków rynkowych wciąż bazuje na analizie fundamentalnej, w której grono profesjonalistów rynkowych starannie dobiera spółki do portfela. Takie podejście jest kosztowne i niestety często mało efektywne. Niska skuteczność inwestycji aktywnych wywołała niebywałą falę wzrostu w obszarze inwestycji pasywnych, gdzie inwestorzy, stawiając na niskie koszty zarządzania, godzą się na wyniki inwestycyjne zbliżone do indeksów giełdowych. Inwestycje pasywne cieszą się największą popularnością wśród inwestorów detalicznych, których nie stać na opłacenie wybitnego zarządzającego czy doradcy inwestycyjnego. Niestety sytuacja ta przyspiesza pogłębianie się luki majątkowej, gdyż najbogatsi osiągają stopy zwroty wyższe od osób mniej majętnych. Sztuczna inteligencja oraz powiązana z nią automatyzacja procesów inwestycyjnych może zatrzymać ten proces. Strategie inwestycyjne oparte na uczeniu maszynowym mogą być i tanie, i skuteczne. Niniejsze badanie ma na celu rozwój ogólnodostępnej nauki, która wykorzystując najnowsze osiągnięcia w dziedzinie sztucznej inteligencji dostarcza realnych korzyści dla przeciętnego inwestora. Rozwój nauki w tym obszarze ma zapewnić wyrównanie możliwości inwestycyjnych oraz likwidację jednej z przyczyn poszerzenia się luki dochodowej pomiędzy najbogatszymi oraz resztą świata. 

Zatem, sprawdźmy czy nowe technologie, wykorzystujące najbardziej zaawansowane techniki uczenia maszynowego, mogą zmienić sposób, w jaki postrzegamy możliwości inwestycyjne na rynkach finansowych.

Kierownik projektu
mgr Tomasz Kaczmarek
Katedra Inwestycji i Rynków Finansowych

Researchgate
Google Scholar

Opiekun naukowy projektu
dr hab. Adam Zaremba, prof. UEP
Katedra Inwestycji i Rynków Finansowych

ResearchGate
Google Scholar