Nota do editor: No mundo financeiro, com o desenvolvimento da tecnologia e da tecnologia, as transações se tornaram mais complexas e de alta frequência. A história provou que quanto mais avançada a tecnologia, maior a volatilidade do mercado. Nesse processo, há beneficiários e há vítimas. Este artigo é de compilação, espero inspirar você.
Fonte da imagem: Gerada pela ferramenta Unbounded AI
As ferramentas baseadas em IA, como o ChatGPT, têm o potencial de revolucionar a eficiência, a eficácia e a velocidade do trabalho humano.
Isso é verdade nos mercados financeiros, mas também na saúde, na manufatura e em quase todos os outros aspectos de nossas vidas.
Estudei mercados financeiros e negociação algorítmica por 14 anos. Embora a inteligência artificial ofereça muitos benefícios, a crescente onipresença dessas tecnologias nos mercados financeiros também traz perigos potenciais. Olhando para as tentativas anteriores de Wall Street de acelerar as negociações adotando computadores e inteligência artificial, podemos encontrar algumas lições importantes sobre o uso dessas tecnologias para a tomada de decisões.
1. A negociação programática deu origem à "Segunda-feira Negra"
No início dos anos 1980, estimulados por avanços tecnológicos e inovações financeiras, como derivativos, os investidores institucionais começaram a usar programas de computador para executar negócios com base em regras e algoritmos pré-estabelecidos. Isso ajuda os investidores a concluir grandes transações com rapidez e eficiência.
Na época, esses algoritmos eram relativamente simples e eram usados principalmente para a chamada arbitragem de índices, que é lucrar com a diferença entre o preço de "um índice de ações como o S&P 500" e as "ações que compõem o índice ".
À medida que a tecnologia avança e mais dados se tornam disponíveis, essa negociação programática se torna mais sofisticada e os algoritmos começam a analisar dados de mercado complexos e a executar negociações com base em vários fatores. O número desses traders programáticos continua a crescer na rodovia comercial amplamente não regulamentada, com mais de US$ 1 trilhão em ativos trocando de mãos todos os dias, levando a um aumento acentuado na volatilidade do mercado.
Em última análise, isso levou ao colapso maciço do mercado de ações de 1987, conhecido como Black Monday. O Dow Jones Industrial Average sofreu sua pior queda de todos os tempos, e a dor se espalhou por todo o mundo.
Em resposta, os reguladores implementaram uma série de medidas para limitar o uso de negociação programática, incluindo disjuntores e outras restrições que suspendem a negociação durante grandes flutuações do mercado. Mas, apesar dessas etapas, a negociação programática continuou a ganhar popularidade nos anos seguintes ao crash.
2. Negociação de Alta Frequência (HFT)
Quinze anos depois, em 2002, a Bolsa de Valores de Nova York lançou um sistema de negociação totalmente automatizado. Como resultado, os traders programáticos deram lugar a negociações automatizadas mais sofisticadas e a uma técnica mais avançada: negociação de alta frequência.
A negociação de alta frequência usa programas de computador para analisar dados de mercado e executar negociações em velocidades extremamente altas. Ao contrário dos operadores de programa, que aproveitam as oportunidades de arbitragem comprando e vendendo cestas de títulos por longos períodos de tempo, os operadores de alta frequência usam computadores poderosos e redes de alta velocidade para analisar dados de mercado e executar negociações na velocidade da luz. Os operadores de alta frequência podem negociar em cerca de 64 milionésimos de segundo, em comparação com os segundos que os operadores levavam na década de 1980.
Essas negociações são tipicamente de curto prazo e podem envolver a compra e venda do mesmo título várias vezes em nanossegundos. Os algoritmos de IA são capazes de analisar grandes quantidades de dados em tempo real e identificar padrões e tendências que os operadores humanos não conseguem ver instantaneamente. Isso ajuda os traders a tomar melhores decisões e executar negociações mais rapidamente do que manualmente.
Outra aplicação importante da inteligência artificial na negociação de alta frequência é o processamento de linguagem natural, que envolve a análise e interpretação de dados em linguagem humana, como artigos de notícias e publicações em redes sociais. Ao analisar esses dados, os traders podem obter informações sobre o sentimento do mercado e ajustar suas estratégias de negociação de acordo.
3. Benefícios da IA Trading
Essas transações de alta frequência baseadas em inteligência artificial operam de maneira muito diferente das transações humanas.
O cérebro humano é lento, impreciso, esquecido e incapaz da aritmética de ponto flutuante rápida e de alta precisão, que é uma habilidade necessária para analisar grandes quantidades de dados para identificar sinais de negociação. Mas os computadores são milhões de vezes mais rápidos que o cérebro humano, com memória impecável, foco perfeito e capacidade ilimitada de analisar grandes quantidades de dados em milissegundos.
Assim, como a maioria das tecnologias, a negociação de alta frequência traz vários benefícios para o mercado de ações.
Os traders de alta frequência normalmente compram e vendem ativos muito próximos aos preços de mercado, o que ajuda a garantir que sempre haja compradores e vendedores no mercado, o que, por sua vez, ajuda a estabilizar os preços e reduzir a chance de oscilações repentinas de preços.
A negociação de alta frequência também pode ajudar a reduzir o impacto das ineficiências do mercado, identificando e explorando rapidamente preços incorretos no mercado. Por exemplo, algoritmos de negociação de alta frequência podem detectar quando uma determinada ação está subvalorizada ou supervalorizada e executar negociações para aproveitar essas diferenças. Essas transações podem ajudar a corrigir ineficiências do mercado e garantir que os ativos sejam precificados com mais precisão.
4. Desvantagens da negociação de inteligência artificial
Mas velocidade e eficiência também podem prejudicar os mercados.
Algoritmos de negociação de alta frequência podem reagir muito rapidamente a eventos de notícias e outros sinais de mercado, causando picos ou quedas repentinas nos preços dos ativos.
Além disso, as empresas financeiras de negociação de alta frequência são capazes de usar sua velocidade e tecnologia para obter vantagem sobre outros operadores, distorcendo ainda mais os sinais do mercado. A volatilidade criada por esses negócios extremamente sofisticados movidos a IA levou ao chamado "flash crash" em maio de 2010, quando as ações despencaram e se recuperaram em minutos, eliminando cerca de US$ 1 trilhão em valor de mercado e depois se recuperando rapidamente.
Desde então, os mercados voláteis se tornaram o novo normal. Em um estudo de 2016, dois coautores e eu descobrimos que a volatilidade (uma medida da velocidade e imprevisibilidade dos aumentos e quedas de preços) aumentou significativamente após a introdução da negociação de alta frequência.
A velocidade e a eficiência com que os operadores de alta frequência analisam os dados significa que mesmo pequenas mudanças nas condições do mercado podem desencadear grandes volumes de negociação, levando a oscilações repentinas de preços.
Além disso, pesquisas publicadas em 2021 por mim e vários outros colegas mostraram que a maioria dos traders de alta frequência usa algoritmos semelhantes, o que aumenta o risco de falha do mercado. Isso ocorre porque a semelhança desses algoritmos leva a decisões de negociação semelhantes à medida que o número de traders no mercado aumenta.
Isso significa que todos os operadores de alta frequência provavelmente estarão negociando no mesmo lado do mercado se seus algoritmos emitirem sinais de negociação semelhantes. Ou seja, é provável que todos tentem vender com notícias negativas e comprar com notícias positivas. Se ninguém estiver do outro lado da negociação, o mercado falhará.
5. Entre na era ChatGPT
A inteligência artificial nos trouxe para um novo mundo de algoritmos de negociação alimentados por ChatGPT e programas semelhantes. E essas técnicas podem piorar o problema de "muitos traders do mesmo lado da operação".
Em geral, os humanos tendem a tomar uma variedade de decisões se deixarem a natureza seguir seu curso. Mas se todos baseassem suas decisões em IA semelhante, isso poderia limitar a diversidade de opinião.
Considere uma situação extrema e não financeira em que todos dependem do ChatGPT para decidir sobre o melhor computador para comprar. Neste momento, os consumidores já estão muito inclinados ao comportamento de rebanho, e tendem a comprar o mesmo produto e modelo. Por exemplo, comentários em sites como Yelp, Amazon, etc., levam os consumidores a escolher entre várias opções melhores.
Como as decisões tomadas por um chatbot alimentado por IA generativa são baseadas em dados de treinamento anteriores, as decisões propostas pelo chatbot terão semelhanças. É provável que o ChatGPT recomende a mesma marca e modelo para todos. Isso poderia levar o "efeito manada" a um nível ainda mais alto e levar à escassez de certos produtos e serviços, bem como a sérios picos de preços.
Isso se torna ainda mais problemático quando a IA toma decisões com base em informações tendenciosas e incorretas. Quando os sistemas são treinados em conjuntos de dados tendenciosos, obsoletos ou limitados, os algoritmos de IA reforçam os vieses existentes. O ChatGPT e ferramentas semelhantes foram amplamente criticados por cometer erros factuais.
Além disso, como as quedas do mercado são relativamente raras, não há muitos dados sobre elas. Como as IAs generativas dependem do treinamento de dados para aprender, a falta de conhecimento disso pode tornar as falhas mais prováveis.
A maioria dos bancos, pelo menos por enquanto, não parece permitir que os funcionários usem o ChatGPT e ferramentas semelhantes. Citigroup, Bank of America, Goldman Sachs e vários outros bancos proibiram o uso das ferramentas em seus pregões, citando questões de privacidade.
Mas acredito firmemente que, assim que os bancos abordarem suas preocupações sobre a IA generativa, eles acabarão adotando a IA generativa. Porque os ganhos potenciais são grandes demais para serem perdidos e você corre o risco de ser deixado para trás por seus concorrentes.
Mas também há riscos significativos para os mercados financeiros, para a economia global e para todos, por isso espero que procedam com cautela.
Tradutora: Jane
Ver original
O conteúdo é apenas para referência, não uma solicitação ou oferta. Nenhum aconselhamento fiscal, de investimento ou jurídico é fornecido. Consulte a isenção de responsabilidade para obter mais informações sobre riscos.
Opinião: ChatGPT traz enormes benefícios e riscos para Wall Street
Nota do editor: No mundo financeiro, com o desenvolvimento da tecnologia e da tecnologia, as transações se tornaram mais complexas e de alta frequência. A história provou que quanto mais avançada a tecnologia, maior a volatilidade do mercado. Nesse processo, há beneficiários e há vítimas. Este artigo é de compilação, espero inspirar você.
As ferramentas baseadas em IA, como o ChatGPT, têm o potencial de revolucionar a eficiência, a eficácia e a velocidade do trabalho humano.
Isso é verdade nos mercados financeiros, mas também na saúde, na manufatura e em quase todos os outros aspectos de nossas vidas.
Estudei mercados financeiros e negociação algorítmica por 14 anos. Embora a inteligência artificial ofereça muitos benefícios, a crescente onipresença dessas tecnologias nos mercados financeiros também traz perigos potenciais. Olhando para as tentativas anteriores de Wall Street de acelerar as negociações adotando computadores e inteligência artificial, podemos encontrar algumas lições importantes sobre o uso dessas tecnologias para a tomada de decisões.
1. A negociação programática deu origem à "Segunda-feira Negra"
No início dos anos 1980, estimulados por avanços tecnológicos e inovações financeiras, como derivativos, os investidores institucionais começaram a usar programas de computador para executar negócios com base em regras e algoritmos pré-estabelecidos. Isso ajuda os investidores a concluir grandes transações com rapidez e eficiência.
Na época, esses algoritmos eram relativamente simples e eram usados principalmente para a chamada arbitragem de índices, que é lucrar com a diferença entre o preço de "um índice de ações como o S&P 500" e as "ações que compõem o índice ".
À medida que a tecnologia avança e mais dados se tornam disponíveis, essa negociação programática se torna mais sofisticada e os algoritmos começam a analisar dados de mercado complexos e a executar negociações com base em vários fatores. O número desses traders programáticos continua a crescer na rodovia comercial amplamente não regulamentada, com mais de US$ 1 trilhão em ativos trocando de mãos todos os dias, levando a um aumento acentuado na volatilidade do mercado.
Em última análise, isso levou ao colapso maciço do mercado de ações de 1987, conhecido como Black Monday. O Dow Jones Industrial Average sofreu sua pior queda de todos os tempos, e a dor se espalhou por todo o mundo.
Em resposta, os reguladores implementaram uma série de medidas para limitar o uso de negociação programática, incluindo disjuntores e outras restrições que suspendem a negociação durante grandes flutuações do mercado. Mas, apesar dessas etapas, a negociação programática continuou a ganhar popularidade nos anos seguintes ao crash.
2. Negociação de Alta Frequência (HFT)
Quinze anos depois, em 2002, a Bolsa de Valores de Nova York lançou um sistema de negociação totalmente automatizado. Como resultado, os traders programáticos deram lugar a negociações automatizadas mais sofisticadas e a uma técnica mais avançada: negociação de alta frequência.
A negociação de alta frequência usa programas de computador para analisar dados de mercado e executar negociações em velocidades extremamente altas. Ao contrário dos operadores de programa, que aproveitam as oportunidades de arbitragem comprando e vendendo cestas de títulos por longos períodos de tempo, os operadores de alta frequência usam computadores poderosos e redes de alta velocidade para analisar dados de mercado e executar negociações na velocidade da luz. Os operadores de alta frequência podem negociar em cerca de 64 milionésimos de segundo, em comparação com os segundos que os operadores levavam na década de 1980.
Essas negociações são tipicamente de curto prazo e podem envolver a compra e venda do mesmo título várias vezes em nanossegundos. Os algoritmos de IA são capazes de analisar grandes quantidades de dados em tempo real e identificar padrões e tendências que os operadores humanos não conseguem ver instantaneamente. Isso ajuda os traders a tomar melhores decisões e executar negociações mais rapidamente do que manualmente.
Outra aplicação importante da inteligência artificial na negociação de alta frequência é o processamento de linguagem natural, que envolve a análise e interpretação de dados em linguagem humana, como artigos de notícias e publicações em redes sociais. Ao analisar esses dados, os traders podem obter informações sobre o sentimento do mercado e ajustar suas estratégias de negociação de acordo.
3. Benefícios da IA Trading
Essas transações de alta frequência baseadas em inteligência artificial operam de maneira muito diferente das transações humanas.
O cérebro humano é lento, impreciso, esquecido e incapaz da aritmética de ponto flutuante rápida e de alta precisão, que é uma habilidade necessária para analisar grandes quantidades de dados para identificar sinais de negociação. Mas os computadores são milhões de vezes mais rápidos que o cérebro humano, com memória impecável, foco perfeito e capacidade ilimitada de analisar grandes quantidades de dados em milissegundos.
Assim, como a maioria das tecnologias, a negociação de alta frequência traz vários benefícios para o mercado de ações.
Os traders de alta frequência normalmente compram e vendem ativos muito próximos aos preços de mercado, o que ajuda a garantir que sempre haja compradores e vendedores no mercado, o que, por sua vez, ajuda a estabilizar os preços e reduzir a chance de oscilações repentinas de preços.
A negociação de alta frequência também pode ajudar a reduzir o impacto das ineficiências do mercado, identificando e explorando rapidamente preços incorretos no mercado. Por exemplo, algoritmos de negociação de alta frequência podem detectar quando uma determinada ação está subvalorizada ou supervalorizada e executar negociações para aproveitar essas diferenças. Essas transações podem ajudar a corrigir ineficiências do mercado e garantir que os ativos sejam precificados com mais precisão.
4. Desvantagens da negociação de inteligência artificial
Mas velocidade e eficiência também podem prejudicar os mercados.
Algoritmos de negociação de alta frequência podem reagir muito rapidamente a eventos de notícias e outros sinais de mercado, causando picos ou quedas repentinas nos preços dos ativos.
Além disso, as empresas financeiras de negociação de alta frequência são capazes de usar sua velocidade e tecnologia para obter vantagem sobre outros operadores, distorcendo ainda mais os sinais do mercado. A volatilidade criada por esses negócios extremamente sofisticados movidos a IA levou ao chamado "flash crash" em maio de 2010, quando as ações despencaram e se recuperaram em minutos, eliminando cerca de US$ 1 trilhão em valor de mercado e depois se recuperando rapidamente.
Desde então, os mercados voláteis se tornaram o novo normal. Em um estudo de 2016, dois coautores e eu descobrimos que a volatilidade (uma medida da velocidade e imprevisibilidade dos aumentos e quedas de preços) aumentou significativamente após a introdução da negociação de alta frequência.
A velocidade e a eficiência com que os operadores de alta frequência analisam os dados significa que mesmo pequenas mudanças nas condições do mercado podem desencadear grandes volumes de negociação, levando a oscilações repentinas de preços.
Além disso, pesquisas publicadas em 2021 por mim e vários outros colegas mostraram que a maioria dos traders de alta frequência usa algoritmos semelhantes, o que aumenta o risco de falha do mercado. Isso ocorre porque a semelhança desses algoritmos leva a decisões de negociação semelhantes à medida que o número de traders no mercado aumenta.
Isso significa que todos os operadores de alta frequência provavelmente estarão negociando no mesmo lado do mercado se seus algoritmos emitirem sinais de negociação semelhantes. Ou seja, é provável que todos tentem vender com notícias negativas e comprar com notícias positivas. Se ninguém estiver do outro lado da negociação, o mercado falhará.
5. Entre na era ChatGPT
A inteligência artificial nos trouxe para um novo mundo de algoritmos de negociação alimentados por ChatGPT e programas semelhantes. E essas técnicas podem piorar o problema de "muitos traders do mesmo lado da operação".
Em geral, os humanos tendem a tomar uma variedade de decisões se deixarem a natureza seguir seu curso. Mas se todos baseassem suas decisões em IA semelhante, isso poderia limitar a diversidade de opinião.
Considere uma situação extrema e não financeira em que todos dependem do ChatGPT para decidir sobre o melhor computador para comprar. Neste momento, os consumidores já estão muito inclinados ao comportamento de rebanho, e tendem a comprar o mesmo produto e modelo. Por exemplo, comentários em sites como Yelp, Amazon, etc., levam os consumidores a escolher entre várias opções melhores.
Como as decisões tomadas por um chatbot alimentado por IA generativa são baseadas em dados de treinamento anteriores, as decisões propostas pelo chatbot terão semelhanças. É provável que o ChatGPT recomende a mesma marca e modelo para todos. Isso poderia levar o "efeito manada" a um nível ainda mais alto e levar à escassez de certos produtos e serviços, bem como a sérios picos de preços.
Isso se torna ainda mais problemático quando a IA toma decisões com base em informações tendenciosas e incorretas. Quando os sistemas são treinados em conjuntos de dados tendenciosos, obsoletos ou limitados, os algoritmos de IA reforçam os vieses existentes. O ChatGPT e ferramentas semelhantes foram amplamente criticados por cometer erros factuais.
Além disso, como as quedas do mercado são relativamente raras, não há muitos dados sobre elas. Como as IAs generativas dependem do treinamento de dados para aprender, a falta de conhecimento disso pode tornar as falhas mais prováveis.
A maioria dos bancos, pelo menos por enquanto, não parece permitir que os funcionários usem o ChatGPT e ferramentas semelhantes. Citigroup, Bank of America, Goldman Sachs e vários outros bancos proibiram o uso das ferramentas em seus pregões, citando questões de privacidade.
Mas acredito firmemente que, assim que os bancos abordarem suas preocupações sobre a IA generativa, eles acabarão adotando a IA generativa. Porque os ganhos potenciais são grandes demais para serem perdidos e você corre o risco de ser deixado para trás por seus concorrentes.
Mas também há riscos significativos para os mercados financeiros, para a economia global e para todos, por isso espero que procedam com cautela.
Tradutora: Jane