چگونه بدون دنباله‌روی از بازار، از هوش مصنوعی در معاملات سهام استفاده کنیم؟

فهرست مطالب

1. معامله سهام با هوش مصنوعی چیست؟
2. مقایسه معاملات هوش مصنوعی با روش سنتی
3. روش‌های کلیدی استفاده از هوش مصنوعی در معاملات امروزی
4. چگونگی ادغام هوش مصنوعی در فرآیند معاملاتی
5. ریسک‌ها و معایب استفاده از هوش مصنوعی در خرید و فروش سهام
6. مزیت متفاوت اندیشیدن
7. آیا باید از هوش مصنوعی برای معاملات سهام استفاده کرد؟
8. پرسش‌های متداول

چند هفته پیش و در اوج فصل پاییز ایالت نیوهمپشایر، یکی از علاقه‌مندان به طبیعت‌گردی از ChatGPT خواست بهترین مسیر کوهنوردی این ایالت را پیشنهاد دهد. انتخاب اول این چت‌بات، قله آرتیستز بلاف (Artist's Bluff) در نزدیکی دره فرانکونیا نوچ بود. هنگامی که او به نقطه آغاز مسیر رسید، ورودی کوهپیمایی شبیه ورودی یک استادیوم ورزشی تنها ده دقیقه پیش از شروع مسابقه به نظر می‌رسید؛ کوهنوردان تقریباً شانه به شانه و در یک صف طولانی در امتداد یک مسیر دایره‌ای حدوداً ۲٫۵ کیلومتری حرکت می‌کردند؛ مسیری که بیشتر طول آن در میان درختان جنگل می‌گذرد و چشم‌انداز زیبای خود را تا رسیدن به قله پنهان نگه می‌دارد. این طبیعت‌گرد به‌جای پیوستن به این صف طولانی، به سمت دیگر جاده و به سمت یک پیست اسکی رفت و جاده‌ای خدماتی را پیدا کرد که به‌صورت زیگزاگی از دامنه بالا می‌رفت و در تمام طول مسیر، چشم‌اندازی پانوراما و تماشایی ارائه می‌داد؛ مسیری که ChatGPT هرگز به آن اشاره‌ای نکرده بود.

این تجربه به‌خوبی یکی از نگرانی‌های فزاینده درباره یکی از رایج‌ترین کاربردهای هوش مصنوعی در امور مالی شخصی را نشان می‌دهد: پرسیدن اینکه «چه سهامی بخریم؟». هوش مصنوعی می‌تواند به تحلیل داده‌ها کمک کند، اما نمی‌تواند به شکلی قابل‌اطمینان مشخص کند که آینده غیرقابل‌پیش‌بینی بازار چگونه رقم خواهد خورد.

معامله سهام با هوش مصنوعی چیست؟

پلتفرم‌هایی نظیر ChatGPT و Claude می‌توانند صورت‌های مالی را ارزیابی کنند، کنفرانس‌های گزارش درآمد شرکت‌ها را خلاصه نمایند، کسب‌وکارها را با یکدیگر بسنجند و در چند ثانیه سهام مختلف را پیشنهاد دهند. کاری که زمانی ساعت‌ها وقت می‌برد، اکنون تنها با نوشتن یک دستور متنی (پرامپت) انجام می‌شود. این یک پیشرفت واقعی است؛ اما باید دید چه رخ می‌دهد اگر میلیون‌ها سرمایه‌گذار دقیقاً همین سؤال مشابه را از این ابزارها بپرسند: «در حال حاضر بهترین سهام برای خرید کدام است؟».

برای آزمودن این ایده، در یک بررسی تطبیقی از ChatGPT و Claude یک سؤال سرراست پرسیده شد: «بهترین سهام شرکت‌های بزرگ رشدمحور آمریکایی برای خرید در مقطع فعلی کدامند؟». در دو جستجوی اول، پیشنهادهای کاملاً یکسانی ارائه شد. در بررسی‌های بعدی نیز اغلب همان پنج شرکت تکرار شدند و نام‌های انویدیا، مایکروسافت، آلفابت، متا و آمازون بارها در صدر فهرست قرار گرفتند.

این‌ها بی‌شک شرکت‌هایی استثنایی و قدرتمند هستند، اما نکته کلیدی دقیقاً در همین‌جا نهفته است. هوش مصنوعی پنج مورد از شناخته‌شده‌ترین و پرمخاطب‌ترین شرکت‌های آمریکا را پیشنهاد داده است. این پیشنهادها شاید کاملاً منطقی به نظر برسند، اما دریافت پاسخی که تقریباً به همه سرمایه‌گذاران دیگر نیز داده می‌شود، چه مزیت رقابتی یا ارزش سرمایه‌گذاری خاصی به‌همراه دارد؟ یک شرکت فوق‌العاده لزوماً یک گزینه سرمایه‌گذاری فوق‌العاده نیست، به‌ویژه زمانی که محبوبیت بالای آن از قبل در قیمت و ارزش‌گذاری سهامش منعکس شده باشد.

مدل‌های هوش مصنوعی از داده‌های عمومی مشترک، گزارش‌های تحلیلی تحلیلگران و روایت‌های مسلط بر بازار تغذیه می‌کنند. بنابراین سؤال‌های مشابه، به پاسخ‌های مشابه منجر می‌شوند و در نتیجه سرمایه‌گذاران زیادی را به سمت خرید نمادهای یکسانی هدایت می‌کنند.

مقایسه معاملات هوش مصنوعی با روش سنتی

سازوکار معاملات شلوغ و همگانی در بازار سرمایه کاملاً آشنا است. خریداران اولیه با ورود سرمایه‌گذاران بعدی و بالا رفتن قیمت‌ها سود می‌برند. افرادی که دیرتر به جمع می‌پیوندند، سهم را بر اساس قیمت‌هایی می‌خرند که هیجان عمومی از پیش در آن منعکس شده است. در نهایت، بازدهی به‌جای آنکه به بهبود عملکرد واقعی کسب‌وکار وابسته باشد، به پیدا شدن خریدار بعدی وابسته می‌شود. زمانی هم که جو بازار تغییر کند، همان جمعیت بزرگ به‌طور هم‌زمان به سمت درهای خروج هجوم می‌برند.

شواهد مربوط به تمرکز بیش‌ازحد سرمایه‌گذاران خرد روی برخی سهام هشداردهنده است. پژوهشگرانی که نتایج مطالعه خود را در ژورنال آو فایننس (Journal of Finance) در سال ۲۰۲۲ منتشر کردند، دریافتند سهامی که کاربران کارگزاری رابین‌هود روزانه بیشترین حجم خرید را در آن‌ها ثبت می‌کردند، در بیست روز معاملاتی بعدی به‌طور میانگین ۴٫۷ درصد عملکرد ضعیف‌تری نسبت به بازار نشان دادند. اگرچه آن پژوهش بر معاملات مبتنی بر موج‌های خبری در یک اپلیکیشن کارگزاری متمرکز بود و نه چتبات‌ها، اما ریسک بنیادی ماجرا یکسان است: زمانی که تعداد زیادی از سرمایه‌گذاران توجه خود را به دارایی‌های مشابهی معطوف می‌کنند، افرادی که دیرتر وارد می‌شوند ممکن است با زیان‌های سنگینی روبه‌رو گردند.

این ریسک در همه بخش‌های بازار یکسان نیست. اگر یک چت‌بات به یک میلیون کاربر پیشنهاد خرید سهام اپل را بدهد، سفارش‌های آن‌ها در برابر حجم معاملات روزانه عظیم این شرکت به‌سختی تأثیر محسوسی بر جای می‌گذارد. با این حال، تأثیر قیمتی فوری بر شرکت‌های کوچک‌تر، سهام موضوعی و نمادهایی با نقدشوندگی پایین‌تر می‌تواند بسیار شدیدتر باشد؛ چراکه هجوم سرمایه‌های خرد در این دارایی‌ها قیمت را به‌شدت جابه‌جا می‌کند. با وجود این، حتی بزرگ‌ترین غول‌های فناوری نیز در برابر ریسک‌های ناشی از تراکم بیش‌ازحد معامله‌گران و ارزش‌گذاری‌های حبابی مصون نیستند.

هوش مصنوعی مولد در سازماندهی و خلاصه‌سازی اطلاعات موجود عملکردی فوق‌العاده دارد، اما بازارهای مالی به سرمایه‌گذارانی پاداش می‌دهند که آنچه را هنوز در قیمت‌ها منعکس نشده است، به‌درستی پیش‌بینی کنند. شناسایی سهامی که در حال حاضر محبوب هستند، تفاوت بنیادینی با یافتن دارایی‌هایی دارد که قرار است پیش از متوجه شدن دیگران، ارزش واقعی خود را نشان دهند.

روش‌های کلیدی استفاده از هوش مصنوعی در معاملات امروزی

هیچ‌یک از این موارد به معنای دوری گزیدن سرمایه‌گذاران از هوش مصنوعی نیست؛ بلکه کاملاً برعکس. این فناوری از قدرتمندترین ابزارهای پژوهشی در دسترس است. با این حال، بزرگ‌ترین ارزش افزوده آن شاید در شناسایی برندگان فردای بازار نباشد، بلکه در کمک به سرمایه‌گذاران برای سنجش بسیار بهینه‌تر فرصت‌ها و ریسک‌ها نهفته است.

شناسایی انتظارات بیش‌ازحد خوش‌بینانه

دوری از بازندگان به همان اندازه پیدا کردن برندگان اهمیت دارد. هوش مصنوعی می‌تواند شرکت‌هایی را غربال کند که با کاهش رشد درآمد، افت جریان نقدینگی، افزایش اهرم مالی و بدهی، جهش هزینه‌های سرمایه‌ای یا ارزش‌گذاری‌های متکی بر فرضیات رویایی روبه‌رو هستند.

شرکت فناورانه‌ای را در نظر بگیرید که هزینه‌هایش بسیار سریع‌تر از درآمدهایش رشد می‌کند. هوش مصنوعی می‌تواند این ناهماهنگی را در چند ثانیه نمایان سازد و به سرمایه‌گذار نشان دهد که آیا انتظارات بازار بیش‌ازحد نامعقول شده است یا خیر. جالب اینکه شرکت‌هایی نظیر Anthropic، OpenAI و حتی Coreweave همگی در مقاطعی با نگرانی‌هایی درباره پایداری سطح بدهی‌ها و هزینه‌های سرمایه‌ای سنگین در آینده مواجه شده‌اند.

غربالگری هزاران شرکت در چند لحظه

هوش مصنوعی می‌تواند ترکیبی از شاخص‌های سودآوری، ارزش‌گذاری، استحکام ترازنامه و بازنگری‌های سودآوری را در میان هزاران سهم مختلف بسنجد و گزینه‌هایی را معرفی کند که در حالت عادی از دید پنهان می‌ماندند.

شرکت Coreweave نمونه بارزی از این دست است. تا همین چندی پیش، این شرکت ارائه‌دهنده مراکز داده هوش مصنوعی یکی از محبوب‌ترین نمادهای وال‌استریت به‌شمار می‌رفت؛ اما جلب توجه بازار به افزایش بدهی‌ها و جهش هزینه‌های استقراض با اختلاف بازدهی در محدوده پرریسک، نگاه‌ها را به این چالش معطوف کرد؛ رویکردی که می‌توان آن را برای ارزیابی هزاران شرکت دیگر نیز به کار بست.

تحلیل احساسات و جو بازار

هوش مصنوعی می‌تواند متن گزارش‌های مالی، کنفرانس‌های مدیران و اسناد ارائه‌شده به نهادهای ناظر را برای ارزیابی تغییر لحن یا نگرانی‌های نوظهور بررسی کند. اما احساسات حاکم بر بازار به‌معنای ارزش ذاتی نیست؛ در واقع برخی از جذاب‌ترین فرصت‌های سرمایه‌گذاری درست زمانی پدیدار می‌شوند که احساسات عمومی در منفی‌ترین حالت ممکن قرار دارد.

حفظ انضباط در اجرای معاملات

سامانه‌های خودکار می‌توانند شرایط از پیش تعیین‌شده را زیر نظر بگیرند، سفارش‌ها را ثبت کنند و قوانین مدیریت ریسک را به اجرا بگذارند. با این وجود، سرعت به‌معنای هوشمندی نیست؛ استراتژی نامناسبی که در چند میلی‌ثانیه اجرا شود، درست با همان سرعتی که معامله باز می‌کند، سرمایه را از بین می‌برد.

کاربردی‌ترین دستورها (پرامپت‌ها) مواردی هستند که به‌جای تأیید کورکورانه، فرضیه سرمایه‌گذاری را به چالش می‌کشند:

• «چه شرایطی باید برقرار باشد تا ارزش‌گذاری فعلی این شرکت منطقی جلوه کند؟»
• «با تکیه بر اطلاعات دو گزارش سالانه اخیر این شرکت، قوی‌ترین تحلیل بدبینانه (سناریوی نزولی) علیه سهام آن را بنویس.»
• «کدام فرضیات موجود در پیش‌بینی‌های تحلیلگران شکننده‌تر هستند و چه عواملی می‌توانند آن‌ها را باطل کنند؟»

این شیوه استفاده، فرآیند سرمایه‌گذاری را بدون واگذاری حق تصمیم‌گیری ارتقا می‌دهد.

چگونگی ادغام هوش مصنوعی در فرآیند معاملاتی

میزان کارایی هوش مصنوعی به کیفیت و به‌روز بودن اطلاعات دریافتی، و هم‌چنین تمایل سرمایه‌گذار به چالش کشیدن نتایج آن بستگی دارد. حتی مشهورترین شرکت‌ها نیز ممکن است در صورت مغایرت سود، برنامه‌های هزینه‌ای یا پیش‌بینی‌ها با انتظارات، بازار را شگفت‌زده کنند. تحلیلی که دیروز قانع‌کننده به نظر می‌رسید، شاید امروز نیازمند بازنگری اساسی باشد. هدف، ایجاد یک فرآیند پژوهشی تکرارپذیر است که اطلاعات جدید را جذب کند و در عین حال، قضاوت مستقل فرد را حفظ نماید.

این چهار گام به سرمایه‌گذاران کمک می‌کند تا قابلیت‌های تحلیلی هوش مصنوعی را به یک جریان کاری کاربردی تبدیل کنند و مسئولیت تصمیم‌گیری را محکم در دستان خود نگه دارند:

1. بررسی درآمدهای اخیر و گزارش‌های دوره‌ای: از هوش مصنوعی بخواهید آخرین گزارش عملکرد مالی، اسناد رسمی و متن کنفرانس درآمدی را بررسی کرده و تغییرات درآمد، حاشیه سود، جریان نقدی و پیش‌بینی‌های آتی را برجسته کند. آمارهای کلیدی را با منابع اصلی تطبیق دهید.
2. مقایسه نسبت‌های مالی و عملکرد رقبا: با کمک هوش مصنوعی، سودآوری، رشد، نسبت بدهی و هزینه‌های سرمایه‌ای را با رقبای مستقیم مقایسه کنید. از مدل بخواهید تفاوت در مدل‌های کسب‌وکار و شیوه‌های حسابداری را که می‌تواند مقایسه‌ها را گمراه‌کننده کند، توضیح دهد و خروجی هوش مصنوعی را از نظر خطا راستی‌آزمایی کنید.
3. سنجش ارزش‌گذاری نسبی و به چالش کشیدن انتظارات: مضارب ارزش‌گذاری را با همتایان صنعت و روندهای تاریخی بسنجید و سپس بپرسید چه عملکردی در آینده می‌تواند قیمت‌های فعلی را توجیه کند. بررسی نمایید که کاهش رشد، افت حاشیه‌های سود یا افزایش مخارج، چگونه این ارزیابی را دگرگون می‌سازد.
4. ارزیابی مجدد ریسک‌ها با تغییر شرایط: از هوش مصنوعی بخواهید تهدیدهای رقابتی، شرایط کلان بازار و رویدادهایی را که می‌توانند فرضیه سرمایه‌گذاری شما را تضعیف کنند، موشکافی کند. پس از انتشار هر اطلاعیه بااهمیت، تحلیل را به‌روز کنید و پیش از ثبت معامله، قضاوت خود را اعمال نمایید.

ریسک‌ها و معایب استفاده از هوش مصنوعی در خرید و فروش سهام

هوش مصنوعی می‌تواند عملکرد شرکت‌ها را در چرخه‌های گذشته نرخ بهره، دوران رکود، دوره‌های گذار فناوری و بازارهای پرنوسان بررسی کند؛ اما آینده به‌ندرت دقیقاً شبیه گذشته تکرار می‌شود. آرایش رقابتی بازارها تغییر می‌کند، فناوری‌های نوین شرکت‌های سنتی را به چالش می‌کشند، سیاست‌ها دگرگون می‌شوند و تصمیمات مدیریتی بازار را غافلگیر می‌کنند. مدل‌هایی که بر اساس روابط تاریخی آموزش دیده‌اند، دقیقاً در زمان فروپاشی همان الگوها ممکن است با شکست روبه‌رو شوند.

افزون بر این، هوش مصنوعی مولد تمایل دارد نتایج خود را با اعتمادبه‌نفس بالایی بیان کند، حتی زمانی که فرضیات اولیه سست یا اطلاعات ناقص باشند. این پدیده ترکیبی خطرناک ایجاد می‌کند: توضیحاتی پیچیده و ماهرانه که قطعیتی بسیار فراتر از شواهد واقعی القا می‌کنند. یک پیشنهاد شیک و موجه لزوماً یک پیشنهاد دقیق و درست نیست.

سرمایه‌گذاران حرفه‌ای باید میان آنچه واقعاً مشخص است، آنچه صرفاً فرض شده و آنچه ذاتاً نامطمئن باقی مانده، تفکیک قائل شوند. دستیابی به چنین مهارتی با وارد کردن یک دستور متنی (پرامپت) حاصل نمی‌شود.

مزیت متفاوت اندیشیدن

چتبات‌ها معمولاً سهامی را پیشنهاد می‌کنند که اطلاعات فراوانی درباره آن‌ها ثبت شده است. فرصت‌های سرمایه‌گذاری نابی که شناسایی آن‌ها از طریق تحلیل‌های متداول دشوار است، کمتر توجه عموم معامله‌گران را به خود جلب می‌کنند.

در طول چند دهه بررسی کسب‌وکارهای کارآفرینانه و مدیریت سرمایه‌گذاری، بارها مشخص شده که برخی از ارزشمندترین فرصت‌ها از ویژگی‌هایی سرچشمه می‌گیرند که به‌سختی با معیارهای معمولی سنجیده می‌شوند؛ عواملی هم‌چون نقش بنیان‌گذار در جایگاه مدیرعامل، شیوه تصمیم‌گیری جسورانه، نوآوری مستمر و توانایی سازمان برای بازآفرینی بنیادین مدل تجاری خود.

این ویژگی‌ها به‌ندرت در صورت‌های مالی گذشته یا پیش‌بینی‌های جمعی تحلیلگران نمود می‌یابند. یک سرمایه‌گذار باتجربه می‌تواند توانایی تیم مدیریتی را در خلق بازارهای جدید، دگرگونی مدل کسب‌وکار یا ایجاد مزیت‌های رقابتی پنهان، مدت‌ها پیش از انعکاس ارقام در گزارش‌های مالی شناسایی کند.

موفقیت در سرمایه‌گذاری به جذاب بودن یک شرکت در نگاه اول بستگی ندارد، بلکه به این وابسته است که آیا عملکرد آتی آن از انتظارات فعلی بازار فراتر خواهد رفت یا خیر. یک شرکت عالی با یک ارزش‌گذاری بسیار گران‌قیمت می‌تواند سرمایه‌گذاری فاجعه‌باری باشد؛ درحالی‌که شرکتی که فعلاً مورد توجه بازار نیست، در صورت فراتر رفتن چشم‌اندازش از انتظارات بدبینانه موجود، می‌تواند بازدهی درخشانی خلق کند. تفکیک قائل شدن میان کسب‌وکارهای خوب و سرمایه‌گذاری‌های خوب، همان نقطه‌ای است که تجربه، تفکر مستقل و پایبندی به انضباط ارزش‌گذاری جایگزینی ندارند.

آیا باید از هوش مصنوعی برای معاملات سهام استفاده کرد؟

پاسخ مثبت است؛ اما در جایگاه یک تحلیلگر کمکی، نه یک مشاور سرمایه‌گذاری خودمختار و همه‌کاره.

ابزارهایی چون ChatGPT و Claude را برای خواندن صورت‌های مالی، به چالش کشیدن فرضیات، سنجش ارزش‌گذاری‌ها، شناسایی ریسک‌ها و افزایش سرعت پژوهش به کار بگیرید. از هوش مصنوعی بپرسید چرا فرضیه شما ممکن است اشتباه باشد، نه اینکه صرفاً چرا یک سهم ممکن است رشد کند. از آن برای درک فرضیات نهفته در ارزش‌گذاری سهم و رخدادهایی که این فرضیات را باطل می‌کنند استفاده نمایید.

اما در واگذاری مسئولیت انتخاب سهام به چتبات‌ها بدون تحقیق مستقل و گسترده، بسیار محتاط باشید. خطر اصلی فقط در این نیست که هوش مصنوعی توصیه‌ای اشتباه به شما ارائه دهد؛ بلکه در این است که همان توصیه معقول را به‌طور هم‌زمان به میلیون‌ها سرمایه‌گذار دیگر نیز تحویل می‌دهد.

با گسترش نفوذ هوش مصنوعی، تفکر مستقل، تجربه حرفه‌ای، انضباط مالی و قدرت قضاوت شخصی ارزشمندتر خواهد شد، نه کم‌ارزش‌تر. سرمایه‌گذارانی که عملکرد متمایزی ثبت می‌کنند، آن‌هایی نیستند که بیشترین استفاده را از هوش مصنوعی دارند، بلکه کسانی هستند که هوشمندانه از آن بهره می‌گیرند و استقلال فکری خود را برای به چالش کشیدن باورهای عمومی حفظ می‌کنند.

محبوب‌ترین مقصد لزوماً بهترین مقصد نیست. گاهی برترین فرصت، درست در آن سوی خیابان قرار دارد و از دید تقریباً همه نادیده مانده است.

پرسش‌های متداول

آیا هوش مصنوعی سودآوری در معاملات بورس را تضمین می‌کند؟
به هیچ وجه. مدل‌های هوش مصنوعی بر داده‌ها و الگوهای تاریخی متکی هستند که ممکن است رفتار آینده بازار را به درستی پیش‌بینی نکنند. شرایط رقابتی، انتظارات سرمایه‌گذاران و مناسبات بازار می‌توانند ناگهان تغییر کنند و حتی قانع‌کننده‌ترین تحلیل‌ها را زیر سؤال ببرند. ادعاهایی که بیان می‌کنند هوش مصنوعی سود بازار سهام را تضمین می‌کند، با واقعیت تطابق ندارند و باید با دید تردید نگریسته شوند.

آیا استفاده از هوش مصنوعی در معاملات سهام قانونی است؟
سرمایه‌گذاران خرد می‌توانند از هوش مصنوعی برای تحقیق پیرامون شرکت‌ها، ارزیابی اطلاعات مالی عمومی و اتخاذ تصمیم‌های معاملاتی استفاده کنند و بسیاری از معامله‌گران در حال حاضر این ابزارها را در فرآیند تحلیل خود به کار گرفته‌اند. البته همان قوانین مربوط به منع معاملات متکی بر اطلاعات نهانی و دستکاری بازار، صرف‌نظر از فناوری مورد استفاده، همچنان پابرجا هستند.

چگونه می‌توان استفاده از هوش مصنوعی را در تحلیل سهام آغاز کرد؟
کار را با کنجکاوی آغاز کنید: سؤال بپرسید، پاسخ‌ها را موشکافی کنید و از آنچه آموخته‌اید برای طرح پرسش‌های دقیق‌تر بهره ببرید. دیدگاه‌های کارشناسان را مطالعه کرده و سپس از هوش مصنوعی بخواهید سازگاری درونی آن‌ها را بسنجد، فرضیات کلیدی را شناسایی کند و استدلال‌های مخالف را شکل دهد. این فناوری به درک ریسک‌ها و بازده‌های بالقوه گزینه‌های سرمایه‌گذاری کمک می‌کند، اما ارزیابی‌های آن نیازمند راستی‌آزمایی دقیق هستند.