Catatan redaksi: Dalam dunia keuangan, dengan perkembangan teknologi dan teknologi, transaksi menjadi lebih kompleks dan frekuensinya tinggi. Sejarah telah membuktikan bahwa semakin maju teknologi, semakin besar volatilitas pasar. Dalam proses ini, ada penerima manfaat dan ada korban. Artikel ini dari kompilasi, saya harap dapat menginspirasi Anda.
Sumber gambar: Dihasilkan oleh alat AI Tak Terbatas
Alat bertenaga AI, seperti ChatGPT, berpotensi merevolusi efisiensi, efektivitas, dan kecepatan kerja manusia.
Hal ini berlaku di pasar keuangan, tetapi juga berlaku di bidang kesehatan, manufaktur, dan hampir semua aspek lain dalam kehidupan kita.
Saya telah mempelajari pasar keuangan dan perdagangan algoritmik selama 14 tahun. Sementara kecerdasan buatan menawarkan banyak manfaat, pertumbuhan teknologi ini di mana-mana di pasar keuangan juga membawa potensi bahaya. Melihat upaya Wall Street di masa lalu untuk mempercepat perdagangan dengan merangkul komputer dan kecerdasan buatan, kita dapat menemukan beberapa pelajaran penting tentang penggunaan teknologi ini untuk pengambilan keputusan.
1. Trading terprogram melahirkan "Black Monday"
Pada awal 1980-an, didorong oleh kemajuan teknologi dan inovasi keuangan seperti derivatif, investor institusi mulai menggunakan program komputer untuk mengeksekusi perdagangan berdasarkan aturan dan algoritme yang telah ditetapkan sebelumnya. Ini membantu investor menyelesaikan transaksi besar dengan cepat dan efisien.
Pada saat itu, algoritme ini relatif sederhana dan terutama digunakan untuk apa yang disebut arbitrase indeks, yaitu untuk mendapatkan keuntungan dari perbedaan antara harga "indeks saham seperti S&P 500" dan "saham yang membentuk indeks ".
Seiring kemajuan teknologi dan lebih banyak data tersedia, perdagangan terprogram ini menjadi lebih canggih dan algoritme mulai menganalisis data pasar yang kompleks dan mengeksekusi perdagangan berdasarkan berbagai faktor. Jumlah pedagang terprogram ini terus tumbuh di jalan raya perdagangan yang sebagian besar tidak diatur, dengan aset senilai lebih dari $1 triliun berpindah tangan setiap hari, yang menyebabkan peningkatan tajam dalam volatilitas pasar.
Pada akhirnya, hal ini menyebabkan jatuhnya pasar saham besar-besaran pada tahun 1987, yang dikenal sebagai Black Monday. Dow Jones Industrial Average mengalami penurunan terburuk yang pernah ada, dan rasa sakitnya menyebar ke seluruh dunia.
Sebagai tanggapan, regulator telah menerapkan serangkaian tindakan untuk membatasi penggunaan perdagangan terprogram, termasuk pemutus sirkuit dan pembatasan lain yang menangguhkan perdagangan selama fluktuasi pasar utama. Namun terlepas dari langkah-langkah ini, perdagangan terprogram terus mendapatkan popularitas di tahun-tahun setelah kehancuran.
2. Perdagangan Frekuensi Tinggi (HFT)
Lima belas tahun kemudian, pada tahun 2002, New York Stock Exchange meluncurkan sistem perdagangan yang sepenuhnya otomatis. Akibatnya, pedagang terprogram memberi jalan ke perdagangan otomatis yang lebih canggih dan teknik yang lebih maju: perdagangan frekuensi tinggi.
Perdagangan frekuensi tinggi menggunakan program komputer untuk menganalisis data pasar dan melakukan perdagangan dengan kecepatan yang sangat tinggi. Tidak seperti pedagang program, yang memanfaatkan peluang arbitrase dengan membeli dan menjual sekeranjang sekuritas dalam jangka waktu yang lama, pedagang frekuensi tinggi menggunakan komputer yang kuat dan jaringan berkecepatan tinggi untuk menganalisis data pasar dan melakukan perdagangan secepat kilat. Pedagang frekuensi tinggi dapat melakukan perdagangan dalam waktu sekitar 64 juta detik, dibandingkan dengan detik yang dibutuhkan pedagang di tahun 1980-an.
Perdagangan ini biasanya sangat berjangka pendek dan mungkin melibatkan pembelian dan penjualan sekuritas yang sama berkali-kali dalam nanodetik. Algoritme AI mampu menganalisis data dalam jumlah besar secara real time dan mengidentifikasi pola dan tren yang tidak dapat dilihat oleh pedagang manusia secara instan. Ini membantu pedagang membuat keputusan yang lebih baik dan mengeksekusi perdagangan lebih cepat daripada secara manual.
Aplikasi penting lainnya dari kecerdasan buatan dalam perdagangan frekuensi tinggi adalah pemrosesan bahasa alami, yang melibatkan analisis dan interpretasi data dalam bahasa manusia, seperti artikel berita dan postingan media sosial. Dengan menganalisis data ini, trader dapat memperoleh wawasan tentang sentimen pasar dan menyesuaikan strategi trading mereka.
3. Manfaat perdagangan AI
Transaksi frekuensi tinggi berbasis kecerdasan buatan ini beroperasi sangat berbeda dari transaksi manusia.
Otak manusia lamban, tidak akurat, pelupa, dan tidak mampu melakukan aritmatika floating-point yang cepat dan presisi tinggi yang merupakan keterampilan yang diperlukan untuk menganalisis data dalam jumlah besar untuk mengidentifikasi sinyal perdagangan. Tetapi komputer jutaan kali lebih cepat daripada otak manusia, dengan memori sempurna, fokus sempurna, dan kemampuan tak terbatas untuk menganalisis sejumlah besar data dalam hitungan milidetik.
Jadi, seperti kebanyakan teknologi, perdagangan frekuensi tinggi membawa beberapa keuntungan ke pasar saham.
Pedagang frekuensi tinggi biasanya membeli dan menjual aset sangat dekat dengan harga pasar, yang membantu memastikan bahwa selalu ada pembeli dan penjual di pasar, yang pada gilirannya membantu menstabilkan harga dan mengurangi kemungkinan perubahan harga yang tiba-tiba.
Perdagangan frekuensi tinggi juga dapat membantu mengurangi dampak inefisiensi pasar dengan mengidentifikasi dan mengeksploitasi kesalahan harga di pasar dengan cepat. Misalnya, algoritme perdagangan frekuensi tinggi dapat mendeteksi ketika saham tertentu dinilai rendah atau dinilai terlalu tinggi dan melakukan perdagangan untuk memanfaatkan perbedaan tersebut. Transaksi semacam itu dapat membantu mengoreksi inefisiensi pasar dan memastikan bahwa harga aset lebih akurat.
4. Kerugian perdagangan kecerdasan buatan
Tetapi kecepatan dan efisiensi juga dapat merugikan pasar.
Algoritme perdagangan frekuensi tinggi dapat bereaksi dengan sangat cepat terhadap peristiwa berita dan sinyal pasar lainnya, menyebabkan lonjakan atau penurunan harga aset secara tiba-tiba.
Selain itu, perusahaan keuangan perdagangan frekuensi tinggi dapat menggunakan kecepatan dan teknologi mereka untuk mendapatkan keuntungan dibandingkan pedagang lain, yang semakin mendistorsi sinyal pasar. Volatilitas yang diciptakan oleh perdagangan bertenaga AI yang sangat canggih ini menyebabkan apa yang disebut "flash crash" pada Mei 2010, ketika saham anjlok dan kemudian pulih dalam beberapa menit, memusnahkan sekitar $1 triliun nilai pasar dan kemudian pulih dengan cepat.
Sejak itu, pasar yang bergejolak telah menjadi normal baru. Dalam sebuah studi tahun 2016, dua rekan penulis dan saya menemukan bahwa volatilitas (ukuran kecepatan dan ketidakpastian kenaikan dan penurunan harga) meningkat secara signifikan setelah pengenalan perdagangan frekuensi tinggi.
Kecepatan dan efisiensi pedagang frekuensi tinggi menganalisis data berarti bahwa bahkan perubahan kecil dalam kondisi pasar dapat memicu volume perdagangan besar-besaran, yang menyebabkan perubahan harga secara tiba-tiba.
Selain itu, penelitian yang diterbitkan pada tahun 2021 oleh saya dan beberapa rekan lainnya menunjukkan bahwa sebagian besar pedagang frekuensi tinggi menggunakan algoritme serupa, yang meningkatkan risiko kegagalan pasar. Ini karena kesamaan algoritme ini mengarah pada keputusan perdagangan yang serupa karena jumlah pedagang di pasar meningkat.
Ini berarti bahwa semua pedagang frekuensi tinggi cenderung berdagang di sisi pasar yang sama jika algoritme mereka memancarkan sinyal perdagangan yang serupa. Artinya, mereka semua cenderung mencoba menjual pada berita negatif dan membeli pada berita positif. Jika tidak ada orang di sisi lain perdagangan, maka pasar akan gagal.
5. Masuk ke era ChatGPT
Kecerdasan buatan telah membawa kita ke dunia baru algoritme perdagangan yang didukung oleh ChatGPT dan program serupa. Dan teknik ini dapat memperburuk masalah "terlalu banyak pedagang di sisi perdagangan yang sama".
Secara umum, manusia cenderung membuat berbagai keputusan jika membiarkan alam mengambil jalannya. Tetapi jika setiap orang mendasarkan keputusan mereka pada AI yang serupa, hal itu dapat membatasi keragaman pendapat.
Pertimbangkan situasi non-keuangan yang ekstrim di mana setiap orang mengandalkan ChatGPT untuk memutuskan komputer terbaik untuk dibeli. Saat ini konsumen sudah sangat condong ke herd behavior, dan mereka cenderung membeli produk dan model yang sama. Misalnya, ulasan di situs seperti Yelp, Amazon, dll., mendorong konsumen untuk memilih di antara beberapa opsi terbaik.
Karena keputusan yang dibuat oleh chatbot yang didukung oleh AI generatif didasarkan pada data pelatihan sebelumnya, keputusan yang diajukan oleh chatbot akan memiliki kesamaan. Kemungkinan ChatGPT akan merekomendasikan pembuatan dan model yang sama kepada semua orang. Ini dapat membawa "efek kawanan" ke tingkat yang lebih tinggi dan dapat menyebabkan kelangkaan produk dan layanan tertentu, serta lonjakan harga yang serius.
Ini menjadi lebih bermasalah ketika AI membuat keputusan berdasarkan informasi yang bias dan salah. Saat sistem dilatih pada set data yang bias, basi, atau terbatas, algoritme AI memperkuat bias yang ada. ChatGPT dan alat serupa telah banyak dikritik karena membuat kesalahan faktual.
Juga, karena crash pasar relatif jarang, tidak banyak data tentangnya. Karena AI generatif mengandalkan pelatihan data untuk dipelajari, kurangnya pengetahuan mereka tentang hal ini dapat membuat crash lebih mungkin terjadi.
Sebagian besar bank, setidaknya untuk saat ini, tampaknya tidak mengizinkan karyawan menggunakan ChatGPT dan alat serupa. Citigroup, Bank of America, Goldman Sachs dan beberapa bank lain telah melarang penggunaan alat tersebut dari lantai perdagangan mereka, dengan alasan masalah privasi.
Tapi saya sangat yakin bahwa begitu bank mengatasi kekhawatiran mereka tentang AI generatif, mereka pada akhirnya akan merangkul AI generatif. Karena potensi keuntungannya terlalu besar untuk dilewatkan, dan Anda berisiko tertinggal dari pesaing Anda.
Tapi ada juga risiko signifikan untuk pasar keuangan, ekonomi global, dan semua orang, jadi saya harap mereka melanjutkan dengan hati-hati.
Penerjemah: Jane
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Opini: ChatGPT membawa manfaat dan risiko besar ke Wall Street
Catatan redaksi: Dalam dunia keuangan, dengan perkembangan teknologi dan teknologi, transaksi menjadi lebih kompleks dan frekuensinya tinggi. Sejarah telah membuktikan bahwa semakin maju teknologi, semakin besar volatilitas pasar. Dalam proses ini, ada penerima manfaat dan ada korban. Artikel ini dari kompilasi, saya harap dapat menginspirasi Anda.
Alat bertenaga AI, seperti ChatGPT, berpotensi merevolusi efisiensi, efektivitas, dan kecepatan kerja manusia.
Hal ini berlaku di pasar keuangan, tetapi juga berlaku di bidang kesehatan, manufaktur, dan hampir semua aspek lain dalam kehidupan kita.
Saya telah mempelajari pasar keuangan dan perdagangan algoritmik selama 14 tahun. Sementara kecerdasan buatan menawarkan banyak manfaat, pertumbuhan teknologi ini di mana-mana di pasar keuangan juga membawa potensi bahaya. Melihat upaya Wall Street di masa lalu untuk mempercepat perdagangan dengan merangkul komputer dan kecerdasan buatan, kita dapat menemukan beberapa pelajaran penting tentang penggunaan teknologi ini untuk pengambilan keputusan.
1. Trading terprogram melahirkan "Black Monday"
Pada awal 1980-an, didorong oleh kemajuan teknologi dan inovasi keuangan seperti derivatif, investor institusi mulai menggunakan program komputer untuk mengeksekusi perdagangan berdasarkan aturan dan algoritme yang telah ditetapkan sebelumnya. Ini membantu investor menyelesaikan transaksi besar dengan cepat dan efisien.
Pada saat itu, algoritme ini relatif sederhana dan terutama digunakan untuk apa yang disebut arbitrase indeks, yaitu untuk mendapatkan keuntungan dari perbedaan antara harga "indeks saham seperti S&P 500" dan "saham yang membentuk indeks ".
Seiring kemajuan teknologi dan lebih banyak data tersedia, perdagangan terprogram ini menjadi lebih canggih dan algoritme mulai menganalisis data pasar yang kompleks dan mengeksekusi perdagangan berdasarkan berbagai faktor. Jumlah pedagang terprogram ini terus tumbuh di jalan raya perdagangan yang sebagian besar tidak diatur, dengan aset senilai lebih dari $1 triliun berpindah tangan setiap hari, yang menyebabkan peningkatan tajam dalam volatilitas pasar.
Pada akhirnya, hal ini menyebabkan jatuhnya pasar saham besar-besaran pada tahun 1987, yang dikenal sebagai Black Monday. Dow Jones Industrial Average mengalami penurunan terburuk yang pernah ada, dan rasa sakitnya menyebar ke seluruh dunia.
Sebagai tanggapan, regulator telah menerapkan serangkaian tindakan untuk membatasi penggunaan perdagangan terprogram, termasuk pemutus sirkuit dan pembatasan lain yang menangguhkan perdagangan selama fluktuasi pasar utama. Namun terlepas dari langkah-langkah ini, perdagangan terprogram terus mendapatkan popularitas di tahun-tahun setelah kehancuran.
2. Perdagangan Frekuensi Tinggi (HFT)
Lima belas tahun kemudian, pada tahun 2002, New York Stock Exchange meluncurkan sistem perdagangan yang sepenuhnya otomatis. Akibatnya, pedagang terprogram memberi jalan ke perdagangan otomatis yang lebih canggih dan teknik yang lebih maju: perdagangan frekuensi tinggi.
Perdagangan frekuensi tinggi menggunakan program komputer untuk menganalisis data pasar dan melakukan perdagangan dengan kecepatan yang sangat tinggi. Tidak seperti pedagang program, yang memanfaatkan peluang arbitrase dengan membeli dan menjual sekeranjang sekuritas dalam jangka waktu yang lama, pedagang frekuensi tinggi menggunakan komputer yang kuat dan jaringan berkecepatan tinggi untuk menganalisis data pasar dan melakukan perdagangan secepat kilat. Pedagang frekuensi tinggi dapat melakukan perdagangan dalam waktu sekitar 64 juta detik, dibandingkan dengan detik yang dibutuhkan pedagang di tahun 1980-an.
Perdagangan ini biasanya sangat berjangka pendek dan mungkin melibatkan pembelian dan penjualan sekuritas yang sama berkali-kali dalam nanodetik. Algoritme AI mampu menganalisis data dalam jumlah besar secara real time dan mengidentifikasi pola dan tren yang tidak dapat dilihat oleh pedagang manusia secara instan. Ini membantu pedagang membuat keputusan yang lebih baik dan mengeksekusi perdagangan lebih cepat daripada secara manual.
Aplikasi penting lainnya dari kecerdasan buatan dalam perdagangan frekuensi tinggi adalah pemrosesan bahasa alami, yang melibatkan analisis dan interpretasi data dalam bahasa manusia, seperti artikel berita dan postingan media sosial. Dengan menganalisis data ini, trader dapat memperoleh wawasan tentang sentimen pasar dan menyesuaikan strategi trading mereka.
3. Manfaat perdagangan AI
Transaksi frekuensi tinggi berbasis kecerdasan buatan ini beroperasi sangat berbeda dari transaksi manusia.
Otak manusia lamban, tidak akurat, pelupa, dan tidak mampu melakukan aritmatika floating-point yang cepat dan presisi tinggi yang merupakan keterampilan yang diperlukan untuk menganalisis data dalam jumlah besar untuk mengidentifikasi sinyal perdagangan. Tetapi komputer jutaan kali lebih cepat daripada otak manusia, dengan memori sempurna, fokus sempurna, dan kemampuan tak terbatas untuk menganalisis sejumlah besar data dalam hitungan milidetik.
Jadi, seperti kebanyakan teknologi, perdagangan frekuensi tinggi membawa beberapa keuntungan ke pasar saham.
Pedagang frekuensi tinggi biasanya membeli dan menjual aset sangat dekat dengan harga pasar, yang membantu memastikan bahwa selalu ada pembeli dan penjual di pasar, yang pada gilirannya membantu menstabilkan harga dan mengurangi kemungkinan perubahan harga yang tiba-tiba.
Perdagangan frekuensi tinggi juga dapat membantu mengurangi dampak inefisiensi pasar dengan mengidentifikasi dan mengeksploitasi kesalahan harga di pasar dengan cepat. Misalnya, algoritme perdagangan frekuensi tinggi dapat mendeteksi ketika saham tertentu dinilai rendah atau dinilai terlalu tinggi dan melakukan perdagangan untuk memanfaatkan perbedaan tersebut. Transaksi semacam itu dapat membantu mengoreksi inefisiensi pasar dan memastikan bahwa harga aset lebih akurat.
4. Kerugian perdagangan kecerdasan buatan
Tetapi kecepatan dan efisiensi juga dapat merugikan pasar.
Algoritme perdagangan frekuensi tinggi dapat bereaksi dengan sangat cepat terhadap peristiwa berita dan sinyal pasar lainnya, menyebabkan lonjakan atau penurunan harga aset secara tiba-tiba.
Selain itu, perusahaan keuangan perdagangan frekuensi tinggi dapat menggunakan kecepatan dan teknologi mereka untuk mendapatkan keuntungan dibandingkan pedagang lain, yang semakin mendistorsi sinyal pasar. Volatilitas yang diciptakan oleh perdagangan bertenaga AI yang sangat canggih ini menyebabkan apa yang disebut "flash crash" pada Mei 2010, ketika saham anjlok dan kemudian pulih dalam beberapa menit, memusnahkan sekitar $1 triliun nilai pasar dan kemudian pulih dengan cepat.
Sejak itu, pasar yang bergejolak telah menjadi normal baru. Dalam sebuah studi tahun 2016, dua rekan penulis dan saya menemukan bahwa volatilitas (ukuran kecepatan dan ketidakpastian kenaikan dan penurunan harga) meningkat secara signifikan setelah pengenalan perdagangan frekuensi tinggi.
Kecepatan dan efisiensi pedagang frekuensi tinggi menganalisis data berarti bahwa bahkan perubahan kecil dalam kondisi pasar dapat memicu volume perdagangan besar-besaran, yang menyebabkan perubahan harga secara tiba-tiba.
Selain itu, penelitian yang diterbitkan pada tahun 2021 oleh saya dan beberapa rekan lainnya menunjukkan bahwa sebagian besar pedagang frekuensi tinggi menggunakan algoritme serupa, yang meningkatkan risiko kegagalan pasar. Ini karena kesamaan algoritme ini mengarah pada keputusan perdagangan yang serupa karena jumlah pedagang di pasar meningkat.
Ini berarti bahwa semua pedagang frekuensi tinggi cenderung berdagang di sisi pasar yang sama jika algoritme mereka memancarkan sinyal perdagangan yang serupa. Artinya, mereka semua cenderung mencoba menjual pada berita negatif dan membeli pada berita positif. Jika tidak ada orang di sisi lain perdagangan, maka pasar akan gagal.
5. Masuk ke era ChatGPT
Kecerdasan buatan telah membawa kita ke dunia baru algoritme perdagangan yang didukung oleh ChatGPT dan program serupa. Dan teknik ini dapat memperburuk masalah "terlalu banyak pedagang di sisi perdagangan yang sama".
Secara umum, manusia cenderung membuat berbagai keputusan jika membiarkan alam mengambil jalannya. Tetapi jika setiap orang mendasarkan keputusan mereka pada AI yang serupa, hal itu dapat membatasi keragaman pendapat.
Pertimbangkan situasi non-keuangan yang ekstrim di mana setiap orang mengandalkan ChatGPT untuk memutuskan komputer terbaik untuk dibeli. Saat ini konsumen sudah sangat condong ke herd behavior, dan mereka cenderung membeli produk dan model yang sama. Misalnya, ulasan di situs seperti Yelp, Amazon, dll., mendorong konsumen untuk memilih di antara beberapa opsi terbaik.
Karena keputusan yang dibuat oleh chatbot yang didukung oleh AI generatif didasarkan pada data pelatihan sebelumnya, keputusan yang diajukan oleh chatbot akan memiliki kesamaan. Kemungkinan ChatGPT akan merekomendasikan pembuatan dan model yang sama kepada semua orang. Ini dapat membawa "efek kawanan" ke tingkat yang lebih tinggi dan dapat menyebabkan kelangkaan produk dan layanan tertentu, serta lonjakan harga yang serius.
Ini menjadi lebih bermasalah ketika AI membuat keputusan berdasarkan informasi yang bias dan salah. Saat sistem dilatih pada set data yang bias, basi, atau terbatas, algoritme AI memperkuat bias yang ada. ChatGPT dan alat serupa telah banyak dikritik karena membuat kesalahan faktual.
Juga, karena crash pasar relatif jarang, tidak banyak data tentangnya. Karena AI generatif mengandalkan pelatihan data untuk dipelajari, kurangnya pengetahuan mereka tentang hal ini dapat membuat crash lebih mungkin terjadi.
Sebagian besar bank, setidaknya untuk saat ini, tampaknya tidak mengizinkan karyawan menggunakan ChatGPT dan alat serupa. Citigroup, Bank of America, Goldman Sachs dan beberapa bank lain telah melarang penggunaan alat tersebut dari lantai perdagangan mereka, dengan alasan masalah privasi.
Tapi saya sangat yakin bahwa begitu bank mengatasi kekhawatiran mereka tentang AI generatif, mereka pada akhirnya akan merangkul AI generatif. Karena potensi keuntungannya terlalu besar untuk dilewatkan, dan Anda berisiko tertinggal dari pesaing Anda.
Tapi ada juga risiko signifikan untuk pasar keuangan, ekonomi global, dan semua orang, jadi saya harap mereka melanjutkan dengan hati-hati.
Penerjemah: Jane