“الذكاء الاصطناعي وتعلم الآلة في الأسواق المالية التحديات والفرص”
بقلم طالب الدكتوراه في العلوم مالية والمصرفية حسام عباس
الذكاء الاصطناعي هو فرع من فروع علوم الكمبيوتر يتعامل مع إنشاء آلات ذكية تعمل وتتصرف مثل البشر. يعتمد الذكاء الاصطناعي على فكرة أنه يمكن محاكاة دماغ الإنسان بواسطة الآلات ،و إذا توفرت البيانات الكافية ، يمكن للآلة أن تتعلم كيف تفكر وتتصرف مثل الإنسان. وعليه يمكن تطبيق الذكاء الاصطناعي في الأسواق المالية والتنبؤ بالاتجاهات المستقبلية. على سبيل المثال ، يمكن تدريب الآلة على التعرف على الأنماط في تحركات الأسهم ثم استخدام هذه المعرفة لعمل تنبؤات حول أسعار الأسهم المستقبلي
تم استخدام الذكاء الاصطناعي مبكرا في الأسواق المالية منذ فترة السبعينيات ، في وول ستريت عبر بناء نماذج تنبؤية للتنبؤ بأسعار السوق. في الوقت الحالي ، الهدف الأساسي هو توقع تحركات السوق وكيف يمكن استثمار صناديق التحوط بذكاء في أي وقت محدد بناءً على تحركات السوق.
فالمتعاملون في السوق المالي كـ الشركات التجارية وصناديق التحوط والبنوك والوسطاء يقومون بتحليل البيانات لاتخاذ القرارات الاستثمارية وذلك لان غربلة البيانات البديلة للحصول على نظرة ثاقبة لعملية الاستثمار يكلف الشركات الكثير من المال والجهد الهائل، حيث يتم تصفيتها وبيعها للشركات التجارية لتحسين تحليل البيانات ونتيجة لذلك ، التنبؤات المالية مهمة أساسية لمجتمع الاستثمار واستخدام الذكاء الاصطناعي في التمويل والذكاء الاصطناعي للتداول هو علاج حقيقي لتنبؤات الذكاء الاصطناعي لاتجاهات السوق
لعل ابرز المزايا الناتجة من استخدام الذكاء الاصطناعي هي استخدام الأساليب الحسابية لأتمتة عملية الاستثمار المالي و القضاء على “ اللاعقلانية اللحظية ” أو القرارات المتخذة بناءً على العواطف ، والقدرة على التعرف على الأنماط التي ينظر إليها البشر واستكشافها ، والاستهلاك الفوري للمعلومات في الوقت الفعلي. . ان التطبيق المتزايد باستمرار للذكاء الاصطناعي لا يزال لديه إمكانات كبيرة للتطوير. بشكل عام ، يتم تطبيق الذكاء الاصطناعي في الأسواق المالية في ثلاثة مجالات مختلفة وهي تطوير المحافظ المالية ، والتنبؤ بالأسعار أو الاتجاهات المستقبلية للأدوات المالية ، وتحليل المشاعر للأخبار أو ردود أفعال وسائل التواصل الاجتماعي حول الشركات، يمكن للذكاء الاصطناعي ان يتنبأ بدقة بالمستقبل القريب أو التغييرات في الأسواق المالية بناءً على البيانات. إذ يساعد المتداولون على اتخاذ قرارات مستنيرة ولعل من ابرز تلك الفوائد هي الدقة يمكن أن يساعد الذكاء الاصطناعي في تقديم تنبؤات أكثر دقة حول سعر الإغلاق وسعر الافتتاح والبيانات المالية الأخرى. يمكن أن يؤدي هذا إلى اتخاذ قرارات أفضل وتداولات أكثر نجاحا. و تحسين خدمة العملاء يمكن استخدام الذكاء الاصطناعي لتحسين خدمة العملاء في المؤسسات المالية. على سبيل المثال ، يمكن استخدامه لمساعدة العملاء في استفسارات حساباتهم أو منحهم تحليلًا تقنيًا للسوق.
اثنان من أكثر المجالات تطبيقاً للذكاء الاصطناعي في التمويل هما:
- التعلم الآلي : التعلم الآلي هو نوع من الذكاء الاصطناعي يمكّن أجهزة الكمبيوتر من التعلم من البيانات دون أن تتم برمجتها بشكل صريح. تم استخدام خوارزميات التعلم الآلي في التمويل لاكتشاف الاحتيال وإدارة المخاطر والتداول الحسابي.
- معالجة اللغة الطبيعية : معالجة اللغة الطبيعية (NLP) هي نوع من الذكاء الاصطناعي يمكّن أجهزة الكمبيوتر من فهم اللغة البشرية. يتم استخدام البرمجة اللغوية العصبية (NLP) في التمويل لمهام مثل تحليل المشاعر وتصنيف النص والتعرف على الكيانات.
يمكن استخدام التعلم الآلي في التمويل لمجموعة متنوعة من المهام ، بما في ذلك:
- كشف الاحتيال: يمكن استخدام التعلم الآلي لاكتشاف الاحتيال في المعاملات المالية. على سبيل المثال ، يمكن استخدام الخوارزميات لتحديد الأنماط في البيانات التي تدل على الاحتيال.
- إدارة المخاطر: يمكن استخدام التعلم الآلي لإدارة المخاطر في المحافظ المالية. على سبيل المثال ، يمكن استخدام خوارزميات التعلم الآلي لتحديد الأنماط في البيانات التي تشير إلى تحركات أسعار الأسهم في المستقبل.
- التداول الخوارزمي: يمكن استخدام التعلم الآلي لتطوير استراتيجيات التداول. على سبيل المثال ، يمكن استخدام الخوارزميات لتحديد الأنماط في أسعار الأسهم ثم استخدام هذه المعرفة لعمل تنبؤات حول تحركات أسعار الأسهم المستقبلي
- تحليل المشاعر: يمكن استخدام معالجة اللغة الطبيعية لتحليل المشاعر في مقالات الأخبار المالية. على سبيل المثال ، يمكن استخدام البرمجة اللغوية العصبية لتحديد المشاعر الإيجابية أو السلبية في المقالات الإخبارية حول شركة ما.
- التعرف على الكيانات: يمكن استخدام معالجة اللغة الطبيعية لتحديد الكيانات في النص المالي. على سبيل المثال ، يمكن استخدام البرمجة اللغوية العصبية لتحديد الشركات والبلدان والعملات في مقالات الأخبار المالية لتسريع البحث المالي وتمكين اتخاذ القرار السريع للتداول.
- تصنيف النص: يمكن استخدام معالجة اللغة الطبيعية لتصنيف المستندات المالية. على سبيل المثال ، يمكن استخدام البرمجة اللغوية العصبية لتحديد ما إذا كانت الوثيقة عبارة عن عقد أم فاتورة.
على الرغم من الفوائد التي يحققها الذكاء الاصطناعي الا انه لا يخلو من بعض المخاطر وهي كالاتي
- مخاطر الصندوق الأسود: قد يكون من الصعب فهم أنظمة الذكاء الاصطناعي وتفسيرها. هذا يمكن أن يجعل من الصعب تحديد الأخطاء وتقييم تأثير التغييرات.
- مخاطر التخصيص: يمكن تدريب أنظمة الذكاء الاصطناعي على التعرف على الأنماط الموجودة فقط في البيانات المستخدمة لتدريب النظام. يمكن أن يؤدي هذا إلى تنبؤات غير دقيقة عند استخدام النظام على بيانات جديدة.
- مخاطر النموذج: يمكن أن تستند أنظمة الذكاء الاصطناعي إلى نماذج إحصائية معقدة يصعب فهمها وتفسيرها. هذا يمكن أن يجعل من الصعب تقييم دقة التنبؤات التي يقوم بها النظام.
- مخاطر البيانات: يمكن أن تكون أنظمة الذكاء الاصطناعي متحيزة إذا كانت البيانات المستخدمة لتدريبها لا تمثل العالم الحقيقي. هذا يمكن أن يؤدي إلى تنبؤات غير دقيقة.
- مخاطر الخصوصية: يمكن استخدام أنظمة الذكاء الاصطناعي لجمع ومعالجة كميات كبيرة من البيانات الشخصية. يمكن أن ينتهك هذا خصوصية الأفراد إذا لم يتم حماية البيانات بشكل صحيح.
- المخاطر الأمنية: يمكن اختراق أنظمة الذكاء الاصطناعي واستخدامها لارتكاب عمليات احتيال أو أنشطة ضارة أخر
مما تقدم يمكن القول ان الذكاء الاصطناعي هو احد المجالات الواعدة التي يمكن ان تغير آليات التداول في الأسواق المالية لاسيما التقليدية منها ، ومساعدة المتداولين على اتخاذ قرارات اكثر صواباً غير متحيزة أو مبنية على العواطف أو الأحكام الذاتية . ومع ذلك ، فإنه لا يخلو من الأخطاء . لذا ، فإن التدخل البشري أمر بالغ الأهمية. يعتبر الحدس البشري ، والحكم الذاتي ، ومعرفة الاتجاهات الاجتماعية والثقافية ضرورية في السوق القائم على البيانات. في المستقبل ، ربما مع المزيد من البيانات ، ستتعلم النماذج التي تعمل بالذكاء الاصطناعي من البيانات التاريخية وستتحسن وانه من الأفضل المزج بين البيانات المستندة إلى الذكاء الاصطناعي والمعرفة البشرية ومطابقتها لاتخاذ أفضل القرارات الاستثمارية
- Ferreira, F. G., Gandomi, A. H., & Cardoso, R. T. (2021). Artificial intelligence applied to stock market trading: a review. IEEE Access, 9, 30898-30917.
- Ozbayoglu, A. M., Gudelek, M. U., & Sezer, O. B. (2020). Deep learning for financial applications: A survey. Applied Soft Computing, 93, 106384.
- 3. Vachhani, H., Obiadat, M. S., Thakkar, A., Shah, V., Sojitra, R., Bhatia, J., & Tanwar, S. (2020). Machine learning based stock market analysis: A short survey. In Innovative Data Communication Technologies and Application: ICIDCA 2019 (pp. 12-26). Springer International Publishing.
