Khởi đầu sớm

Phố Wall từ lâu đã sử dụng các thuật toán tự động cho các tác vụ như đặt giao dịch và quản lý rủi ro. Nhưng các nhà đầu tư vẫn chưa đạt được nhiều tiến bộ khi dựa vào AI để giải quyết thách thức lớn nhất của họ: đánh bại thị trường. Mặc dù một số người coi ChatGPT là một cách để thúc đẩy doanh số bán hàng và nỗ lực nghiên cứu, nhưng kết quả đầu tư sử dụng AI, đến nay không đặc biệt ấn tượng.

Jonathan Larkin, giám đốc điều hành của Columbia Investment Management, công ty quản lý khoản tài trợ trị giá 13 tỷ đô la cho Đại học Columbia cho biết: “Tiến trình áp dụng AI vào đầu tư còn hạn chế, mặc dù những đổi mới trong mô hình ngôn ngữ có thể thay đổi điều đó trong những năm tới.”

Lĩnh vực tài chính là nơi áp dụng AI từ khá sớm

Phố Wall đã có một khởi đầu thuận lợi về AI. Bốn thập kỷ trước, các nhà toán học định lượng bao gồm Jim Simons, người sáng lập Renaissance Technologies, đã phát triển các thuật toán để chuyển các quyết định đầu tư sang máy tính của họ.

Simons cùng các chuyên gia định lượng khác đã dành nhiều năm sử dụng máy học, xây dựng các mô hình sử dụng dữ liệu trong quá khứ để xác định các hình mẫu (pattern) để giao dịch có lợi nhuận với sự can thiệp hạn chế của con người.

Nhưng rất ít công ty thành công khi chuyển hoạt động của họ sang máy móc. Những tiến bộ đáng kể trong lĩnh vực đào tạo AI hay học tăng cường vẫn chưa mang lại sự đột phá về chiến lược giao dịch. Renaissance và những người khác chủ yếu dựa vào số liệu thống kê tiên tiến hơn là các phương pháp AI tiên tiến.

“Hầu hết các nhà định lượng vẫn áp dụng cách tiếp cận ưu tiên lý thuyết, trong đó trước tiên họ thiết lập một giả thuyết về lý do tại sao một sự bất thường nhất định có thể tồn tại và họ hình thành một mô hình xung quanh điều đó,” Larkin nói.

Thách thức chưa lời giải

Các nhà đầu tư dựa vào các bộ dữ liệu hạn chế hơn so với dữ liệu được sử dụng để phát triển chatbot ChatGPT và các nỗ lực AI dựa trên ngôn ngữ tương tự. Ví dụ: ChatGPT là một mô hình có 175 tỷ tham số, sử dụng hàng chục năm và đôi khi hàng thế kỷ văn bản và dữ liệu khác từ sách, tạp chí, Internet... Ngược lại, các quỹ phòng hộ và các nhà đầu tư khác thường đào tạo hệ thống giao dịch của riêng họ bằng cách sử dụng giá cả và dữ liệu thị trường khác, vốn bị hạn chế hơn nhiều.

AI vẫn chưa thể giúp con người "đánh bại" thị trường tài chính

Jon McAuliffe, cựu D.E. Shaw hiện là đồng sáng lập của Voleon Capital Management LP, một quỹ phòng hộ dựa trên học máy. “Chúng tôi không có lượng dữ liệu vô hạn để chạy các mô hình có kích thước không giới hạn.”

Thêm vào đó, dữ liệu thị trường “nhiễu” hơn so với ngôn ngữ và các dữ liệu khác, khiến việc sử dụng nó để giải thích hoặc dự đoán các động thái của thị trường trở nên khó khăn hơn. Trong khi đó, các yếu tố thu nhập, động lượng cổ phiếu, tâm lý nhà đầu tư và các dữ liệu tài chính khác chỉ giải thích một phần biến động của cổ phiếu, và phần còn lại là “tín hiệu nhiễu” không thể giải thích. Do đó, các mô hình máy học có thể xác định mối tương quan trong các dữ liệu thị trường khác nhau nhưng lại không có khả năng dự đoán các động thái của cổ phiếu trong tương lai.

Ngoài ra, không giống như ngôn ngữ, thị trường có thể thay đổi nhanh chóng, các công ty thay đổi chiến lược, các nhà lãnh đạo mới đưa ra quyết định mới, môi trường kinh tế - chính trị thay đổi đột ngộ, khiến việc giao dịch sử dụng các mô hình phụ thuộc vào xu hướng dữ liệu dài hạn trở nên khó khăn hơn.

Và mặc dù ChatGPT đã chứng tỏ được sự ấn tượng, nhưng nó thường xuyên mắc phải các loại lỗi rõ ràng có thể khiến các nhà đầu tư mất tiền và gây nguy hiểm cho danh tiếng của họ.

Richard Dewey, giám đốc điều hành của công ty công nghệ tài chính Proven, cũng lưu ý rằng đầu tư là một quá trình mang tính "đối kháng". Điều đó khiến việc sử dụng AI trở nên khó khăn hơn so với việc sử dụng các phương pháp này cho ngôn ngữ tự nhiên, phân loại hình ảnh hoặc trong ô tô tự lái.

Theo vị giám đốc này, con người có vai trò không thể thiếu trong các thị trường "nhiều nhiễu" và chuyển động dựa trên hành vi tâm lý. "Đó là lý do khiến các công ty như Renaissance và D.E. Shaw vẫn tuyển dụng rất nhiều tiến sỹ". Dewey khẳng định “Khi nói đến đầu tư, vẫn rất khó để giao mọi việc cho máy móc.”

Theo WSJ