Fundusze inwestycyjne sięgają po AI i dane alternatywne

Zdaniem ekspertów śledzących branżę inwestycyjną wzrasta rola i znaczenie danych alternatywnych. Jak tłumaczy Chris Pearce, dyrektor zarządzający CEIC (ISI Emerging Markets Group): „Pozwalają one na dostrzeganie trendów, które w oficjalnych danych są jeszcze niewidoczne, a tym samym na szybsze reagowanie”.

Według danych KNF w Polsce zarejestrowane są 63 fundusze inwestycyjne. W tym gronie znajdują się zarówno podmioty o wielkim kapitale zagranicznym, jak i organizacje reprezentujące lokalne finanse (powiązane m.in. z bankami) oraz jeszcze mniejsze jednostki. Wszystkie podlegają tym samym regułom mocno zglobalizowanego rynku inwestycyjnego. Sprawia to, że nawet te fundusze, które inwestują wyłącznie w akcje spółek polskich, muszą bacznie obserwować światowe trendy. Chcąc zaś robić to skutecznie i na tej podstawie aktualizować strategie inwestycyjne, konieczne jest oparcie się na danych.

– Do tradycyjnych danych jednakowy dostęp mają wszyscy, dlatego rośnie rola danych alternatywnych. Pozwalają one na dostrzeganie trendów, które w oficjalnych danych są jeszcze niewidoczne, a tym samym na szybsze reagowanie. Znaczenie to rośnie także w związku z rozwojem sztucznej inteligencji, która pozwala eksplorować w zasadzie nieskończone zbiory danych i dokonywać predykcji w czasie rzeczywistym. Jednocześnie, szczególnie istotny staje się staranny dobór wskaźników. AI „karmiona” kiepskimi danymi będzie przygotowywać kiepskie prognozy – wyjaśnia Chris Pearce, dyrektor zarządzający CEIC.

Jutro jest dziś

Już dziś każdy liczący się fundusz korzysta z modeli uczenia maszynowego, które potrafią same dostosowywać swoje parametry wraz z dostarczaniem nowych danych ekonomicznych. Przyspieszenie rozwoju modeli generatywnej sztucznej inteligencji jeszcze ten trend pogłębi. Mówi się nawet, że w branży inwestycyjnej rewolucja AI już się wydarzyła. Dlatego także CEIC (dostawca danych alternatywnych dotyczących rynków wschodzących) wykorzystuje uczenie maszynowe m.in. do tworzenia modeli nowcastowych. Pozwalają na prognozowanie cen lub wzrostu gospodarczego w czasie rzeczywistym, na podstawie danych alternatywnych, które napływają codziennie z rynków.

– Zastosowanie danych alternatywnych bywa niezbędne np. w przypadku Chin, gdzie tamtejszy urząd statystyczny, w związku z obchodami Księżycowego Nowego Roku, przez miesiąc nie publikuje większości najważniejszych wskaźników makroekonomicznych. Chcąc w tym okresie poznać wartość handlu zagranicznego czy sprzedaży detalicznej w Państwie Środka, należy sięgnąć po źródła alternatywne – dodaje Andrzej Żurawski, ekonomista CEIC.

Dane podstawą zysków

Niezależnie od postępów w obszarze AI – wciąż podstawę stanowią dane, którymi zasilane są modele sztucznej inteligencji. Technologia trenowana na danych niskiej jakości będzie produkować mało wiarygodne prognozy. Wartościowe dane muszą spełniać trzy warunki: powinny być wiarygodne (weryfikowane pod kątem poprawności), aktualne (pojawiać się bez zbędnych opóźnień, gdy tylko są zebrane) oraz istotne, tj. faktycznie coś sygnalizować.

– W obecnym świecie możliwości zbierania danych są tak naprawdę nieskończone. Przy wsparciu sztucznej inteligencji policzyć da się wszystko: od liczby słonecznych dni na Saharze, przez zużycie prądu w powiecie grodziskim, po liczbę kontaktów z piłką każdego piłkarza grającego w finale Ligi Mistrzów. Jednak tylko nieliczne z tych danych mówią cokolwiek o gospodarce. Dlatego zadaniem ekonomistów oraz wspierającej ich sztucznej inteligencji jest dobranie takich wskaźników, które mają znaczenie dla określonego celu, w tym przypadku inwestycji – zaznacza Andrzej Żurawski.

Dobrym przykładem są dane dotyczące rynku pracy, pochodzące z monitorowania portali z ofertami pracy zamieszczanymi w internecie w każdym kraju świata. Są one zbierane automatycznie i codziennie, pozwalają więc na bardzo szybkie dostrzeżenie zmian trendów w gospodarce. Oprócz tego, że rynek pracy sygnalizuje zwykle ogólną kondycję gospodarki, może służyć także do bardziej wyrafinowanych analiz istotnych z punktu widzenia budowania strategii inwestycyjnych.

Przykładowo nagły wzrost ofert pracy w jakimś sektorze gospodarki może sygnalizować nadchodzącą świetną koniunkturę. Jednak tego typu dane mają też swoje słabości. W wielu krajach z przyczyn np. kulturowych pracy szuka się w inny sposób niż przez internet. Dane na temat ofert zamieszczanych w sieci nie mówią więc wiele o kondycji rynku pracy. W takim przypadku niezbędne jest posiadanie wiedzy eksperckiej, której nie zastąpi najlepszy nawet model AI. Dzięki niej możliwe jest wychwycenie tego typu różnic i dostosowanie estymacji do lokalnej specyfiki.

To dowód, że choć możliwości sztucznej inteligencji są ogromne, to jak dotąd pełni ona funkcję wspierającą, ułatwiającą wiele zadań, jednak nie zastąpi człowieka, który będzie potrafił krytycznie odnieść się do stworzonych przez nią prognoz. Zatem to połączenie najnowszych technologii i eksperckiej wiedzy pozwala dziś na skuteczne prowadzenie działalności na rynkach finansowych.

Źródło: CEIC

O ISI Emerging Markets Polska: 

ISI Emerging Markets Group – wiodący dostawca informacji (danych, analiz, badań, raportów) makroekonomicznych, spółkowych i branżowych na temat rynków wschodzących i rozwiniętych. Firma posiada 20 biur na całym świecie oraz profesjonalny zespół konsultantów, analityków, programistów, inżynierów, specjalistów od danych i treści (ponad 500 osób zatrudnionych).

ISI Emerging Markets Group składa się z trzech marek: EMIS (wrażliwe i trudno dostępne dane o firmach, branżach i krajach rynków wschodzących), CEIC (od ponad 30 lat dostarcza kompleksowe i dokładne dane makroekonomiczne ze źródeł tradycyjnych oraz alternatywnych, dotyczące ponad 200 gospodarek rynków wschodzących i rozwiniętych, analizy i badania dla ekonomistów, analityków, inwestorów, korporacji i uniwersytetów z całego świata) oraz REDD (istotne informacje o katalizatorach transakcyjnych z rynków wschodzących).