ИИ в инвестициях: как алгоритмы управляют миллиардами

По данным Boston Consulting Group, к 2025 году более 70% операций на финансовых рынках так или иначе проходят через алгоритмические системы. Это не будущее — это настоящее. Давайте разберёмся, как именно работает ИИ в инвестициях, где его применяют и какие риски это создаёт для обычных участников рынка.

Как алгоритмы вытеснили людей с биржевых площадок

Трейдер в красных suspenders, кричащий в телефон на биржевом паркете — эта картинка осталась в прошлом. На Нью-Йоркской фондовой бирже (NYSE) в 2000-х годах работали тысячи трейдеров-людей. К 2023 году их число сократилось на 90% и более.

На Московской бирже ситуация аналогичная. Более 80% оборота фондового рынка формируется алгоритмическими сделками. Это не обязательно сложный ИИ — часто это простые программы, следующие заранее заданным правилам. Но всё больше участников переходят на системы с элементами машинного обучения.

Самая большая волна автоматизации пришлась на 2010-е годы. Стоимость вычислительных мощностей упала, а объёмы данных резко выросли. Фонды типа Renaissance Technologies, Two Sigma и DE Shaw начали массово нанимать не трейдеров, а математиков, физиков и программистов.

Для понимания масштаба: Renaissance Technologies со своим фондом Medallion за 30 лет показал среднюю доходность около 66% годовых до комиссий. Это одна из самых успешных инвестиционных историй в истории — и построена она полностью на математических моделях.

Основные направления применения ИИ

Искусственный интеллект в инвестициях — это не один инструмент, а целый набор технологий. Каждая решает свою задачу.

Алгоритмический трейдинг. Системы сами ищут точки входа и выхода, анализируя цены, объёмы и паттерны. Скорость измеряется в миллисекундах. Один из самых известных подходов — HFT (высокочастотный трейдинг), при котором алгоритм совершает тысячи сделок в день, зарабатывая доли цента на каждой.

Управление рисками. ИИ анализирует портфель и предупреждает о возможных потерях. Системы отслеживают корреляции между активами, волатильность, макроэкономические факторы. По сути, алгоритм делает за минуты то, на что аналитику потребовались бы дни.

Анализ альтернативных данных. Это одна из самых быстрорастущих областей. Алгоритмы обрабатывают спутниковые снимки (например, считают автомобили на парковках магазинов для прогноза выручки ритейлеров); данные о трафике танкеров с нефтью; тональность сообщений в социальных сетях; патентные заявки; вакансии компаний на сайтах по поиску работы.

К примеру, хедж-фонд Point72 (управляющий активами на сумму более 30 миллиардов долларов) имеет отдельное подразделение Cubist Systematic Strategies, которое специализируется именно на альтернативных данных и машинном обучении.

Генеративный ИИ и обработка текстов. С 2023 года финансовые компании активно используют большие языковые модели для анализа отчётности, новостей, протоколов заседаний регуляторов. Алгоритм способен прочитать 10 000 страниц отчётов за секунды и извлечь сигналы, которые человек пропустит.

Где ИИ действительно работает лучше людей

ИИ превосходит людей в нескольких конкретных задачах.

Обработка больших объёмов данных. Человек не может одновременно анализировать финансовые отчёты 500 компаний, макростатистику по 30 странам и поток новостей. Алгоритм — может. И делает это без эмоций и усталости.

Скорость принятия решений. При HFT-трейдинге разница в наносекундах может означать разницу в миллионы долларов. Люди здесь физически не могут конкурировать.

Выявление сложных паттернов. Машинное обучение находит корреляции, которые неочевидны для человеческого мозга. Например, связь между погодными условиями в Бразилии и ценами на кофе, или между количеством вакансий IT-компании и будущей динамикой её акций.

Дисциплина. Алгоритм не поддаётся панике во время обвала рынка. Не покупает «на хай» из-за жадности. Не держит убыточную позицию месяцами из-за надежды «вот-вот отскочит». Именно эмоции — главный враг доходности частного инвестора, и у машин этой проблемы нет.

Средняя доходность квантовых хедж-фондов, использующих ИИ, по данным Preqin, за последние 10 лет составляла около 12-15% годовых. Это выше, чем у многих традиционных фондов, но не является чем-то запредельным. ИИ — не волшебная палочка, а инструмент.

Где алгоритмы уступают и какие риски создают

ИИ в инвестициях — палка о двух концах. У алгоритмов есть серьёзные слабости.

Чёрные лебеди. Ни одна модель машинного обучения не может предсказать события, которых не было в исторических данных. Пандемия COVID-19, резкое начало геополитических конфликтов, непредсказуемые решения регуляторов — всё это выводит алгоритмы из строя. В марте 2020 года на фоне пандемии многие алгоритмические фонды потеряли от 10 до 30% за считанные недели.

Опасность одновременных действий. Когда тысячи алгоритмов используют похожие стратегии и сигналы, они одновременно начинают покупать или продавать. Это приводит к резким, неконтролируемым движениям рынка. В 2010 году произошёл «Флеш-крэш» — индекс Dow Jones обрушился на 1000 пунктов за несколько минут, а потом так же быстро вернулся. Причина — конфликт алгоритмов.

Перетренированность моделей. Алгоритм может идеально работать на исторических данных, но проваливаться в реальности. Это классическая проблема машинного обучения — модель «заучивает» прошлые паттерны, которые больше не повторяются. За последние 15 лет сотни квантовых фондов закрылись именно из-за того, что их модели перестали работать на новых данных.

Непрозрачность. Современные нейронные сети часто являются «чёрным ящиком». Даже создатели не всегда могут объяснить, почему алгоритм принял то или иное решение. В управлении чужими деньгами это создаёт серьёзные репутационные и регуляторные риски.

Что это значит для обычного инвестора

Индивидуальный инвестор не конкурирует с ИИ напрямую. Он не пытается обыграть хедж-фонд на минутных графиках — это бессмысленная задача. Но понимание роли алгоритмов помогает принимать более осознанные решения.

Во-первых, рост алгоритмического трейдинга увеличивает краткосрочную волатильность. Рынок может резко дёрнуться на 3-5% без каких-либо фундаментальных причин, просто из-за переключения алгоритмов. Поэтому важно не реагировать на краткосрочные колебания.

Во-вторых, комиссии активно управляемых фондов становятся всё труднее обосновать. Если средний активный фонд показывает доходность, сопоставимую с индексом, но берёт комиссию 1,5-2% годовых, а ИИ-фонд берёт 0,5-1%, выбор становится очевидным.

В-третьих, сами биржевые фонды (ETF) и робо-эдвайзеры — это уже продукты, построенные на алгоритмах. Автоматическая ребалансировка портфеля, налоговая оптимизация, подбор активов по рисковому профилю — всё это задачи, в которых ИИ давно показывает хорошие результаты.

По данным Cerulli Associates, робо-эдвайзеры по всему миру управляют активами свыше 1,5 триллиона долларов. И эта цифра удваивается примерно каждые три-четыре года.

Наконец, важно помнить простую истину: рынок, на котором большинство участников — алгоритмы, становится эффективнее. Арбитражные возможности исчезают быстрее, ошибки ценообразования исправляются за секунды. Это значит, что «бесплатного сыча» на рынке становится всё меньше, и долгосрочная стратегия с фокусом на фундаментальные факторы остаётся надёжным подходом.

Вывод

Искусственный интеллект уже сегодня является неотъемлемой частью финансовых рынков. Алгоритмы управляют триллионами, обрабатывают петабайты данных и совершают миллионы сделок в день. Но ИИ — это инструмент, а не оракул. Он силён там, где есть данные и закономерности, но уязвим перед непредсказуемыми событиями.

Для обычного инвестора понимание этих процессов — не прихоть, а необходимость. Рынок изменился, и знание того, как работают его основные участники, помогает избегать типичных ловушек и принимать более взвешенные решения.

⚠ Не является индивидуальной инвестиционной рекомендацией. Инвестиции связаны с рисками. Перед принятием решений проконсультируйтесь с финансовым советником.

✍ Автор: Neo Invest Point — аналитика, портфели, стратегии(Канал ТГ)