به گزارش پایگاه خبری بازار سرمایه ایران (سنا)، متن کامل یادداشت محمد فرخیان؛ معاون بازاریابی مشاور سرمایه‌گذاری ترنج؛ به شرح زیر است:
امروز، هوش مصنوعی (AI) نه به‌عنوان یک ابزار کمکی، بلکه به‌عنوان یک “مغز دوم” برای اکوسیستم مالی ضروری است. سؤالی که باید بپرسیم این نیست که «آیا هوش مصنوعی آینده مدیریت دارایی است؟»، بلکه باید بپرسیم: چگونه باید برای این آینده آماده شویم؟
۱. از تصمیم‌گیری شهودی تا الگوریتم‌های خودآموز: محصولات آینده چگونه کار می‌کنند؟
دنیای مدیریت دارایی دیگر بر مبنای حافظه و شهود نمی‌چرخد. AI اکنون در حال طراحی مدل‌هایی است که با استفاده از داده‌های چندمنظوره، دقیق‌تر از همیشه بازار را پیش‌بینی می‌کنند.
نمونه‌هایی از پیشتازان این موج:
- BlackRock – Aladdin Platform:
- سیستم Aladdin با بیش از ۲۱ تریلیون دلار دارایی تحت مدیریت، یکی از پیشرفته‌ترین پلتفرم‌های تحلیل ریسک با استفاده از AI و کلان‌داده (Big Data) است.
- Wealthfront و Betterment (Robo-Advisors):
این پلتفرم‌ها با جمع‌کردن اطلاعات رفتاری، ریسک‌پذیری و وضعیت مالی کاربران، پرتفوی‌هایی طراحی می‌کنند که نه‌تنها شخصی‌سازی‌شده‌اند، بلکه در برابر نوسانات نیز مقاوم‌ترند.
- Kensho و Upstart:
از مدل‌های NLP برای تحلیل زبان طبیعی در گزارش‌های مالی و اخبار استفاده می‌کنند. Kensho در Goldman Sachs به کار گرفته شده و توانسته تحلیل‌هایی ارائه دهد که پیش‌تر صرفاً در از تحلیل‌گران ارشد برمی‌آمد.
۲. در حوزه منابع انسانی
هوش مصنوعی قرار نیست تحلیل‌گران و کارشناسان مالی را حذف کند، بلکه نقش او را بازتعریف می‌کند.
این یعنی:
الف. از کارشناسان مالی به طراح سیستم:
کارشناسان مالی اکنون باید با درک منطق یادگیری ماشین، به جای تولید خروجی، در طراحی و آموزش مدل نقش داشته باشند. برای مثال، نقش Data Product Manager یا AI Financial Analyst امروز در شرکت‌های سرمایه‌گذاری مطرح جهان به‌سرعت در حال رشد است.
ب. افزایش نیاز به تحلیل عمیق داده و رفتار سرمایه‌گذار:
کارشناسان مالی باید ترکیبی از درک داده و درک رفتار انسانی داشته باشند. ترکیب درک پرسونای سرمایه‌گذار، تحلیل عمیق داده و خلق تجربه کاربری بهینه، کلید تمایز در آینده خواهند بود.
ج. بازار کار چگونه تغییر می‌کند؟
طبق گزارش PwC، تا سال ۲۰۳۰ بیش از ۳۰ درصد از مشاغل مالی سنتی جای خود را به نقش‌های جدید ترکیبی (تحلیل‌گر+دیتا+تکنولوژی) خواهند داد. اما فرصت در این‌جاست: شرکت‌هایی که زودتر بازآموزی منابع انسانی را آغاز کنند، مزیت رقابتی ساختاری خواهند داشت.
۳. فرصت استراتژیک ایران:
بازار سرمایه ایران با وجود چالش‌های خود، مزیت‌های منحصربه‌فردی دارد:
- داده‌های تاریخی دست‌نخورده:
بورس تهران سال‌ها است که داده روزانه دارد، اما فقط در سطح ابتدایی پردازش شده است. اگر این داده‌ها با روش‌های یادگیری ماشین ترکیب شوند، می‌توان مدل‌های بسیار قدرتمندی برای تحلیل رفتار سرمایه‌گذاران و معامله‌گران بازار طراحی کرد.
- رفتار توده‌ای خاص در بازار:
بازار سرمایه ایران برخلاف بازارهای توسعه‌یافته، رفتارهای گله‌ای، هیجانی و مبتنی بر شایعه دارد. این یعنی فضای بزرگی برای مدل‌سازی با NLP، تحلیل شبکه‌های اجتماعی، و سیستم‌های هشدار ریسک.
- جای خالی محصولات هوشمند بومی:
هنوز Robo-Advisory یا ابزارهای مدیریت ریسک خودکار بومی در ایران توسعه نیافته‌اند. تیم‌هایی که با ترکیب دانش فین‌تک، طراحی تجربه کاربر و یادگیری ماشین وارد این فضا شوند، می‌توانند بازار را شکل دهند.
منبع: خبرگزاری سنا
