Борг, штучний інтелект та алгоритми: як переформовується ринок облігацій

Штучний інтелект змінює значну частину економіки, і фінансовий сектор не є винятком. Про використання алгоритмів для вибору акцій писали вже багато. Однак, можливо, цікавіше їх використовувати для торгівлі на боргових ринках. У застосуванні до торгівлі облігаціями наслідки виходять за межі фінансових і стосуються політики, оскільки державне фінансування одночасно стає легшим і більш вразливим.

На відміну від традиційної торгівлі облігаціями, алгоритмічна торгівля використовує комп'ютерну програму, яка виконує певний набір інструкцій для здійснення торгів. Вони призначені для використання даних з частотою та швидкістю, що перевищують людські можливості.

Переваги алгоритмічної торгівлі досить очевидні. Алгоритми можуть розгортати сканування ринку зі швидкістю та масштабом, які недоступні людині. Це призводить до раннього виявлення ринкових можливостей та швидкого виявлення цінових відмінностей, що дозволяє успішно проводити арбітраж проти менш досвідчених учасників ринку.

Ще однією очевидною перевагою є управління ризиками. Розширені алгоритми можуть мати вбудовані функції управління ризиками, які відповідають заздалегідь визначеним параметрам ризику та відповідно коригують торговельну активність. Вони ідеально підходять для більш консервативних торгових стратегій.

Але в рамках дебатів щодо алгоритмічної торгівлі варто дослідити її вплив на ключові ринки облігацій.

Ротем Фаркаш: Глибоке навчання зі штучним інтелектом дозволяє враховувати більше інформації, ніж вузькотехнічні фактори

Алгоритми є дуже настроюваними, а це означає, що трейдери можуть оптимізувати їх відповідно до своїх конкретних торгових цілей та стилю. Завдяки додаванню функцій штучного інтелекту, таких як машинне навчання, ці налаштовані алгоритми можуть покращуватися, враховуючи історичні дані та відгуки ринку.

Обробка природної мови (NLP) – підгалузь штучного інтелекту, яка навчає машини розуміти людську мову, також означає, що штучний інтелект стає дедалі компетентнішим в інтерпретації якісної інформації з новин, соціальних мереж та звітів про прибутки, що дозволяє йому передбачати рух ринку на основі людських настроїв.

Технічний підприємець і експерт зі штучного інтелекту Ротем Фаркаш пояснив, що можливості машинного навчання у фінансуванні облігацій тільки починаються. «Глибоке навчання на основі штучного інтелекту дозволяє алгоритму вийти за межі вузьких технічних факторів, і з часом він лише вдосконалюватиметься завдяки вбудованим механізмам зворотного зв'язку», – пояснив Фаркаш.

«Інструменти зможуть оцінювати не лише статистичні змінні облігацій, такі як дохідність та реальна прибутковість, а й якісні фактори, такі як фіскальна політика чинного уряду», – продовжив Фаркаш.

Європейський центральний банк: попит і пропозиція фінансових активів можуть систематично спотворюватися

На ринках облігацій, як і на ринках акцій, алгоритми та штучний інтелект означають меншу волатильність, зумовлену людськими помилками, та більшу швидкість торгівлі, ціноутворення та арбітражу. Ця підвищена швидкість та потік інформації роблять ринки ефективнішими та дозволяють уникнути певних видів ірраціональної діяльності.

Незважаючи на це, алгоритми несуть свої ризики. Якщо багато фірм використовують алгоритми штучного інтелекту від одних і тих самих постачальників для своїх торгових стратегій, то всі вони виконуватимуть одні й ті ж дії одночасно. У певних сценаріях це може означати раптові коливання на ринку на основі нової інформації, створюючи потенціал для нових збоїв та більшої системної вразливості.

Як Європейський Центральний Банк застерігає, що «якщо багато установ використовуватимуть штучний інтелект для розподілу активів і покладатимуться лише на кількох постачальників ШІ, […] тоді пропозиція та попит на фінансові активи можуть систематично спотворюватися, що призведе до дороговартісних коригувань на ринках, які завдадуть шкоди їхній стійкості». Це також до можливості «Чорний лебідь події, не відображені в історичних даних, враховуються.

Збільшення попиту з боку роздрібних інвесторів, які використовують штучний інтелект, призведе до зростання цін на облігації та зниження вартості запозичень, але ринки стануть більш чутливими.

Найбільша фундаментальна зміна полягає в тому, що більше покупців вийдуть на ринок облігацій, що зробить запозичення для урядів дешевшими. Однак ці нові покупці використовуватимуть алгоритмічні стратегії, які є чутливішими та швидшими, ніж у традиційних трейдерів-людей. Зрештою, це означає, що ринки глибші та ліквідніші, але також чутливіші та потенційно агресивніші.

Збільшення капіталу з точки зору держави є чистим благом. Більший попит з боку роздрібних інвесторів призведе до зростання цін на облігації та, як наслідок, до зниження вартості запозичень, що дозволить урядам керувати дедалі більш напруженими бюджетами.

Однак більший арбітраж, що стає можливим завдяки цим методам, може також стати проблемою для урядів. Підвищена чутливість інвесторів, що працюють за алгоритмами, означає, що урядам доведеться працювати більше, щоб задовольнити своїх власників облігацій та покупців, що обмежуватиме їхню свободу в економічній політиці. За такого сценарію дебати щодо надмірної влади та впливу боргових трейдерів на суверенний демократичний уряд лише загостряться.

Слабкі місця даних та упередженості алгоритмів потребуватимуть людського нагляду

Неминуче, більша ліквідність, яку приносить алгоритмічна торгівля, буде сприйнята як трейдерами, так і урядами. Однак ризики її волатильності повинні будуть контролюватися людським наглядом, так само як штучний інтелект поєднується з людським наглядом в інших секторах.

Доки обробка природної мови не подолає нездатність штучного інтелекту робити якісні та контекстуальні судження, торгівля облігаціями потребуватиме людського нагляду для підтримки стабільності. Тим часом ринки облігацій користуватимуться більшим попитом, але також і підвищеною алгоритмічною чутливістю. Урядам доведеться враховувати більш реактивні ринки, небезпеку раптових алгоритмічних коливань та будь-які упередження в цих інструментах через неповні дані.

Поділіться цією статтею: