הכותב הוא עורך דין בהשכלתו העוסק ומעורב בטכנולוגיה. מנהל קרן להשקעות במטבעות קריפטוגרפיים, ומתגורר בארה"ב. כותב הספר "A Brief History of Money" ומקליט הפודקסט KanAmerica.com. בטוויטר @ChananSteinhart
במשך עשורים במאה שעברה להחלטות ההשקעה בוול סטריט היו כמה מנועים: ידע, ניתוח, שמועות ומידע פנים. המוסדות הפיננסיים הגדולים העסיקו צבאות של אנליסטים, כלכלנים ומנהלי השקעות. קרנות גידור הוציאו מיליוני דולרים בשנה על מחקר. בנקי השקעות בנו רשתות מידע עצומות שתפקידם היה לזהות מנהלים, מגמות והזדמנויות, ולהימנע מסיכונים.
לעומתם, הסתמך המשקיע הפרטי בעיקר על תוכניות כלכליות בטלוויזיה, המלצות מברוקרים, עיתונים כלכליים ו"טיפים" בקפה השכונתי. גם המסחר עצמו היה מסורבל. יקר, איטי ועם מתווכים רבים.
● כתבה ראשונה בסדרה | משקיעים שימו לב: ההטייה שגורמת לכם להפסיד
● כתבה שנייה בסדרה | כשסיכוי של אחד למיליון מתממש: איך המשקיעים המבריקים בעולם פשטו רגל וכמעט הקריסו את השווקים
● כתבה שלישית בסדרה | כך מפספסים רוב המשקיעים רווחים של מיליוני דולרים
● כתבה רביעית בסדרה | המסחר הקוונטי: איך המתמטיקאים כבשו את וול סטריט
שנות השבעים היו דלות ורזות בוול סטריט, אך עם התחלת עידן הפיאט, הורדות הריבית והתחלת הייצור המסיבי של כסף בדמות חוב - חזרה הגאות. על רקע זה צמחו בשנות השמונים והתשעים של המאה שעברה חברות כמו סטראטון אוקמאונט (Stratton Oakmont), חברת ברוקרים שפעלה בניו יורק והציגה עצמה כברוקר מצליח המתמחה בהשקעות במניות צמיחה. בפועל, חלק גדול מפעילותה התבסס על תרמית מסוג "נפח וזרוק" ("Pump and Dump").
החברה העסיקה מאות אנשי מכירות אגרסיביים שהיו מתקשרים למשקיעים קטנים ומשכנעים אותם בתקיפות לרכוש מניות של חברות קטנות ולא מוכרות, תוך הבטחות לרווחים גדולים. הביקוש המלאכותי שנוצר העלה את מחיר המניות - או אז בעלי השליטה והמקורבים בחברת הברוקרים מכרו את אחזקותיהם ברווח גדול. בשיאה העסיקה החברה למעלה מאלף עובדים וסחרה במניות בהיקף מאות מיליוני דולרים. בשנת 1996, נוכח חקירה של הרשויות, נסגרה החברה, ומנהליה הורשעו בעבירות של הונאה בניירות ערך והלבנת הון.
הפרשה הפכה לסמל, והפכה מאוחר יותר גם לסרט בכיכובו של ליאונרדו דיקפריו, "הזאב מוול סטריט". המקרה הזה היה קיצוני משהו, אך העיקרון, ובעיקר שיטות השיווק, לא היו יוצאי דופן לאותם הימים.
הפער בין וול סטריט לבין המשקיע הפרטי הצטמצם
ואז הגיע האינטרנט.
לפני עידן האינטרנט, השקעה במניות הייתה יקרה, איטית ותלויה כמעט לחלוטין בברוקרים. משקיע שרצה לקנות או למכור היה צריך להרים טלפון לברוקר, לשלם עמלות יקרות, אפילו כדי 4% מהעסקה, ולהמתין בסבלנות יום, יומיים, אפילו יותר. גם המידע עצמו היה נגיש וזמין בעיקר לאנשי מקצוע.
הופעת האינטרנט בסוף שנות ה־90 שינתה את כל זה. המסחר עבר לידי המשקיעים און ליין, והעלויות החלו לצנוח במהירות. בתוך פחות משלושה עשורים ירדה עלות המסחר למשקיע הפרטי ביותר מ־90%. אך השינוי לא היה רק במחיר. האינטרנט הפך את המידע הפיננסי לנגיש כמעט לכל אדם. דוחות כספיים, חדשות, נתוני שוק, שיחות עם משקיעים ומחקרים מקצועיים - כל אלה היו בעבר נחלתם של מוסדות פיננסיים גדולים בלבד, והפכו זמינים לכל. הפער בין וול סטריט לבין המשקיע הפרטי הצטמצם משמעותית.
מאז התקדמו הדברים גם במישורים אחרים. אם לפני שלושה עשורים, רוב המשקיעים הפרטיים קיבלו רעיונות השקעה מברוקרים, עיתונים כלכליים או ערוצי טלוויזיה פיננסיים, כיום מרכז הכובד עבר לרשתות החברתיות. על פי סקר של ענקית ההשקעות פידליטי, כ־56% מהמשקיעים השתמשו בשנתיים האחרונות בפלטפורמות חברתיות כמו יוטיוב, פייסבוק ולינקדאין כדי לקבל החלטות השקעה.
סקר שנערך בקרב כ-300 אלף משקיעים ופורסם בפורצ'ן בתחילת השנה מצא כי 55% ממשקיעי דור Z ו־44% מבני דור המילניום העידו כי הרשתות החברתיות היו "הגורם המרכזי שעורר אצלם עניין בהשקעות מלכתחילה". עבור חלק גדול מהמשקיעים הצעירים, משפיעני רשת הפכו לשער הכניסה לעולם ההשקעות. לפי מחקרים עדכניים, כ-61% מהמשקיעים מתחת לגיל 35 נעזרים ב"משפיענים פיננסיים" לקבלת מידע ורעיונות השקעה, ו-37% ממשקיעי דור ה-Z מציינים כי משפיענים היו גורם משמעותי בהחלטתם להתחיל להיכנס לתחום.
סוכן רשת שיזהה דפוסים ויסיק מסקנות
עד כמה שמהפכת האינטרנט היתה משמעותית, כעת מתחוללת מהפכה חדשה, הבינה המלאכותית, וזו עשויה להתברר כמשמעותית אף יותר בגזרת ההשקעות. הבינה המלאכותית עשויה להפוך את עולם ההשקעות וניהולם לנגישה לכמעט כל אדם ברמה מוסדית פלוס, והמשמעות למשקיעים, לתעשייה הפיננסית ואף לעצם התשואות עשויה להיות דרמטית.
הדור הבא של הבינה המלאכותית כבר כאן, ועמה יכול כל משתמש מיומן לבנות בקלות סוכני רשת. אלו, במקום רק לאסוף ולרכז מידע ביעילות, יוכלו גם להצליב מידע, לזהות דפוסים ולהסיק מסקנות, ואף לפעול באופן אקטיבי ואישי.
הנה למשל משימה שסוכן או קבוצת סוכנים יכולים לקבל מזוג משקיעים שבנו אותם בכלים הזמינים היום לכל. "אני בן 52 ורעייתי בת 50, אנו מתכוונים לפרוש בגיל הפרישה החוקי, ומעוניינים בהכנסה המתאימה לרמת חיים כזו וכזו, במקום מגורים זה וזה... נתח את תיק ההשקעות והנכסים שלנו, את חבויות המס, את הזכויות הפנסיוניות, את האינפלציה הצפויה, את עלויות המחיה הצפויות, והצע אסטרטגיית השקעות עד לפרישה".
ועתה, לאחר שהוצגו האלטרנטיבות, יורה הזוג: "על פי אופציה א' שהצעת, נהל באופן אקטיבי את תיק ההשקעות". מעתה המערכת תבנה את תיק השקעות, ללא הפסקה תעקוב אחר השווקים, תקרא דוחות כספיים והגשות לרשויות, תנתח התפתחויות עסקיות וכלכליות רלוונטיות, תאזן את התיק ותנהל סיכונים, תבצע אופטימיזציה של ניהול המסים, תעריך את ההשפעה הצפויה של התפתחויות מאקרו-כלכליות, תעקוב אחר מגמות רלוונטיות ברשתות החברתיות ותעריך את השפעתן הצפויה, ותציג באופן שוטף את ממצאיה והמלצותיה למשקיע. מה שבעבר דרש צוות של יועצים, אנליסטים ומומחי מס, יהפוך זמין בעתיד הקרוב כמעט לכל בעל חשבון השקעות.
רוב המשקיעים כבר משתמשים ב-AI
העתיד הזה קרוב מכפי שרבים חושבים. כבר היום מצא סקר עולמי שערכה השנה חברת ניתוח השווקים ברידג'-וויס כי כ-78% מהמשקיעים בעולם משתמשים בבינה מלאכותית לצורכי מחקר והשקעות, 45.7% מהם מוגדרים כ"משתמשים כבדים" המתייעצים עם כלי AI באופן תדיר.
סקר אחר של ארנסט אנד יאנג, שכלל 18 אלף נשאלים מ-23 מדינות, מצא כי 49% מהנשאלים השתמשו בבינה מלאכותית בקבלת החלטות חיסכון והשקעה בששת החודשים שקדמו לסקר. מספרים הללו מעידים בבירור: הבינה המלאכותית עברה משלב המשחק לשלב האימוץ. היטיב לתאר זאת אחד מבכירי אינווסטינג.קום: "ישנם מעט ענפים שבהם הבינה המלאכותית יצרה שינוי כה מהיר וכה עמוק כפי שקרה בעולם הפיננסים".
אם במשך עשרות שנים, גישה למחקר איכותי הייתה אחד היתרונות הגדולים ביותר של השחקנים המקצועיים, בקרוב הרבה מהמחקר הזה יהיה זמין בקלות לכמעט כל משתמש, ללא צורך במחלקות אנליזה ענקיות.
אך המהפכה אינה מסתיימת כאן. במשך רוב ההיסטוריה המודרנית של שוקי ההון, מסחר קוואנטי מורכב היה שמור למוסדות האליטה בלבד. קרנות הגידור המצליחות בעולם העסיקו צבאות של מתמטיקאים, פיזיקאים, סטטיסטיקאים ומדעני מחשב שבנו מודלים מתוחכמים, ניתחו כמויות עצומות של נתונים והפעילו משאבי מחשוב אדירים בחיפוש אחר יתרונות קטנים אך עקביים.
חברות כמו רנסנס, סיטאדייל וטו סיגמה שינו את עולם ההשקעות כאשר החליפו אינטואיציה ומסחר כיווני בקבלת החלטות המבוססת על מסה של נתונים וניתוחם לצורך מסחר שהוא דלתא-ניטרלי (כזה המצמצם או מבטל את החשיפה לכיוון תנועת המחיר של הנכס עצמו).
במהלך 40 השנים האחרונות הפכו ה"השקעות הכמותיות" (קוואנט טריידינג) לאחת הגישות המוצלחות ביותר בשווקים הפיננסיים. הקרנות הכמותיות המצליחות ביותר למדו שהשקעות אינן עוסקות בדרך כלל במציאת תובנה מבריקה אחת, אלא בזיהוי מאות ואף אלפי יתרונות קטנים, ושילובם בצורה חכמה, יחד עם ניהול סיכונים קפדני.
העולם הזה היה ברובו בלתי נגיש למשקיע הפרטי. הכלים היו יקרים, הידע היה נדיר, והתשתיות שנדרשו כדי להתחרות היו הרבה מעבר להישג ידם של יחידים. הבינה המלאכותית תשנה גם את המציאות הזו. אם בעבר, בניית מודלים כמותיים דרשה משאבים גדולים של נתונים, כוח מחשוב ומומחיות מקצועית. הבינה המלאכותית הופכת אלו נגישים וזולים הרבה יותר. ומשימות שבעבר דרשו צוות מחקר שלם יכולות כיום להתבצע על ידי משקיע יחיד או משרד קטנטן.
לפני עשור, משקיע שהתעניין בהשקעות מבוססות פקטורים (קרי במניות שנראות זולות ביחס לרווחים, להון העצמי או לתזרים המזומנים שלהן) היה עשוי לבלות שבועות בקריאת מאמרים על מומנטום, ערך, תנודתיות הסקטור, דוחו"ת. כיום, בינה מלאכותית יכולה לסכם שנים של נתונים בתוך דקות, להשוות בין מחקרים וחברות, לזהות מסקנות ומגמות משותפות ולהציע רעיונות השקעה.
סוחר המעוניין לבחון רעיון חדש כבר אינו חייב לשכור מתכנת שיבנה עבורו מערכת בדיקות. בינה מלאכותית יכולה לייצר חלק גדול מהקוד הנדרש באופן אוטומטי. משקיע המבקש להבין את הסיכונים בתיק ההשקעות שלו יכול להשתמש בה כדי לנתח קורלציות, חשיפות לפקטורים, לנטר דגלים אדומים, ולזהות תרחישי קיצון שבעבר דרשו תוכנות ייעודיות ומומחיות מקצועית.
פתאום, במקום רק לנסות ולבחור מניות ספציפיות, המשקיע הקטן יכול להידמות למנהל השקעות המפקח על צוות של אנליסטים דיגיטליים. לא קשה לדמיין עתיד שבו משקיעים מפעילים צוותים של סוכני AI המתמחים בתחומים שונים. סוכן אחד יסרוק באופן קבוע מחקרים אקדמיים חדשים; סוכן שני יחפש פקטורים כמותיים חדשים; סוכן שלישי ינטר את סיכוני התיק ואת השינויים בקורלציות; רביעי ינתח תנאים מאקרו-כלכליים ויזהה שינויים במשטרי השוק; וחמישי ינטר מגמות ושיח ברשתות החברתיות ויתרגם אותם להערכת טעמי המשקיעים.
חברת קרנות הגידור הכמותיות איי אר קיו מנג'מנט (AQR Capital Management), המנהלת מאות מיליארדי דולרים והנחשבת לאחת מחברות המחקר המתקדמות בעולם הפיננסים, בדקה האם מודלים של למידת מכונה יכולים לבנות אסטרטגיות בחירת מניות טובות יותר ממודלים מסורתיים. מסקנתם הייתה חד משמעית. מודלי "לימוד מכונה" (Machine Learning) הצליחו לזהות קשרים מורכבים ולא־ליניאריים בין נתונים פיננסיים לבין תשואות עתידיות של מניות, קשרים שקשה מאוד לאדם או למודלים מסורתיים לגלות. הם מצאו כי מודלים מורכבים המבוססים על למידת מכונה הניבו שיפור של 20%-60% בביצועים ביחס למודלים ליניאריים פשוטים בבניית תיקי מניות מורכב.
אך אליה וקוץ בה. אם כלי וסוכני הבינה המלאכותית הזמינים לכל מסוגלים לנתח אלפי משתנים במקביל ולגלות דפוסים שמשקיעים אנושיים אינם מסוגלים, אזי היתרון שהיה בעבר לשחקני מניות מסורתיים הולך ונשחק. ככל שכלים אלו יהפכו זמינים לציבור הרחב, יותר ויותר מידע יגולם במהירות לתוך מחירי המניות.
ירידה גדולה בערך המידע כתוצאה מזמינותו
במשך עשרות שנים, משקיעים מקצועיים הצליחו להשיג באמצעות מידע "אלפא" קרי תשואת יתר, על פני השוק. אולם כאשר אותם כלים אנליטיים הופכים זמינים לכל משקיע, יתרון המידע והידע מידלדל. אם לכולם יהיה אותו מידע, ולא רק על חברות ספציפיות, וכולם יבחרו בעקבותיו לעשות פעולות דומות - התוצאה תהיה אחידה. או כפי שאמר הווארד מרקס מאוק טרי קפיטל, "אתה לא יכול לעשות אותן פעולות כמו כל אחד אחר ולצפות לתשואות טובות יותר". בסופו של התהליך, הבינה המלאכותית תיצור ירידה גדולה בערך המידע כתוצאה מזמינותו.
אין באמת דרך לדעת כיצד יתנהגו השווקים והמשקיעים במציאות שבה לכולם יש בזמן אמת, או מאד קרוב לו, את כל המידע והכלים - לא רק על המניות, אלא גם על כל ההקשרים, המגמות המאקרו-כלכליות, והמסקנות המתחייבות מהנתונים הללו.
כ-65% מהמניות בארה"ב הן בבעלות משקיעים מקצועיים, ועל פי סקר של קבוצת סיטי, כ-150 טריליון דולר של נכסים פיננסיים ברחבי עולם מנוהלים על ידי משקיעים כאלה. זו תעשייה שמעסיקה ברחבי העולם 3-4 מיליון עובדים באופן ישיר, ומייצרת הכנסות שנתיות של מעל חצי טריליון דולר. לא קשה לנחש מה יעלה בגורלה זו כאשר ה-AI תמיט עליה מהפכה אף גדולה מזו שהביא האינטרנט לפני שלושה עשורים.
