J4 Capital ادعا میکند با هوش مصنوعی خود قادر به پیشبینی بازار سرمایه است
موفقیت هوش مصنوعی در بازارهای مالی
تومان نیوز:بحران مالی در دوره ی شیوع کرونا یکی از بزرگترین و سریعترین سقوطهای بازارهای مالی را از سال 1987 بوجود آورد . شرکتهای مالی بسیاری دچار ضررهای هنگفتی شدند اما در این بین شرکتهایی نیز بودند که توانستند از این بحران برای سود دهی بیشتر استفاده کنند و در کمال تعجب سرمایه گذاران سنتی ، موفق به کسب سودهای فوقالعاده ای شده اند .
به گزارش پایگاه خبری تومان نیوز،یکی از این شرکتهای پیشرو جنرال ترید هولدینگ ( general trade holding ) است که مقر اصلی دفتر آن در شهر لندن واقع شده است . بر اساس مدارک ثبتی این شرکت در ژانویه سال 2019 ثبت شده است و در اکتبر همین سال و بر اساس گزارش کمیسیون معاملات انگلیس ، معاملات واقعی خود را با سرمایه اولیه یکصد میلیون پوند شروع کرده است . در کمال تعجب این شرکت توانسته است که در بازه ی 9 ماهه مبلغ سرمایه خود را به حدود یک میلیارد پوند برساند و همین باعث شده تا توجهات بسیار زیادی را به خود جلب کند . زیرا عمده ی زمان فعالیت شرکت در دوران بحران کرونا و سقوطهای سهمگین در بازارهای مالی سپری شده است .
از دیگر ویژگیهای مهم این شرکت به نسبت سایر شرکتهای مدیریت سرمایه فعال در بازارهای مالی استفاده تقریبا کامل از معاملات الگوریتمی و هوش مصنوعی است . این شرکت ادعا میکند که تقریبا 98% سود کسب شده در این مدت توسط هوش مصنوعی منحصر بفرد این شرکت کسب شده است و انسان دخالتی در این موضوع نداشته است . همین موضوع باعث بحثهای زیادی در میان معامله گران سنتی در بازارهای مالی شده است که معتقدند حضور هوش مصنوعی در بازارهای مالی نمی تواند دائمی باشد . از طرفی نیز زیادند تحلیلگرانی که به نتیجه ی کار این شرکت خوشبین هستند و معتقدند که زمان استفاده از هوش مصنوعی با قدرت ادراک و یادگیری بالا در بازارهای مالی فرا رسیده است .
هرچند این شرکت در این راه تنها نیست و شرکتهای بسیاری در بازارهای مختلف در تلاش برای استفاده از هوش مصنوعی و الگوریتمهای معاملاتی هستند ولی نتایج حیرت انگیز این شرکت باعث شده است که توجهات بسیاری به سمتش جلب شود .
الکس آمارتیفیو مدیر عامل و یکی از بنیانگذاران شرکت جنرال تریدینگ در مصاحبه با بلومبرگ معتقد است که موفقیت این شرکت نه تنها اتفاقی نیست بلکه حاصل چندین سال تجربیات بنیانگذاران و مدیران شرکت است . الکس معتقد است که موارد زیادی دست به دست هم داده اند که این شرکت در این بازه ی کم به چنین موفقیت خیره کننده ای دست پیدا کند . " به عنوان مثال هوش مصنوعی مورد استفاده ما محصول شرکت j4cap است که بنیانگذار این شرکت آقای جف گلیکمن علاوه بر تامین هوش مصنوعی مورد نیاز ما به عنوان مشاور در پروژه ی ما نیز حضور دارد ، هوش مصنوعی که ایشان طراحی و گسترش داده اند بسیار عالی است و حاصل دهها سال تلاش ایشان برای ساخت هوش مصنوعی است . ایشان فردی است که هوش مصنوعی مورد استفاده پنتاگون را طراحی کرده است . مدیران شرکت و دیگر مشاور ما آقای بری بنیستر مدت زمان طولانی در حوزه ی مالی فعال بوده اند و خوشبختانه ترکیب تجربیات آنها با هوش مصنوعی بی نظیر بوده است . " در بخش دیگری از مصاحبه خود ایشان اضافه میکند " شما به عنوان یک معامله گر در بازارهای مالی میدانید که در هر لحظه دهها و گاهی صدها پارامتر در تصمیم گیری شما دخیل هستند تا قبل از هوش مصنوعی آقای گلیکمن استفاده از سیستمی که بتواند تمام این داده ها را تحلیل کند و به جمع بندی مناسبی نیز برسد بسیار دور از دسترس می نمود ولی وقتی ما در جون 2019 اولین تستهای ترکیبی استراتژی های خود را با هوش مصنوعی انجام دادیم از نتیجه ی مورد نظر بسیار متعجب شدیم و همه کاملا مطمئن شدیم که در مسیر درستی قرار داریم . هوش مصنوعی مورد استفاده ما علاوه بر آموزشهایی که از طرف ما میبیند موارد بسیاری را نیز به ما آموزش میدهد که گاهی واقعا ما را به تعجب می اندازد ( با خنده ) "
بری بنیستر به عنوان مشاور استراتژی های مالی این شرکت نیز در همین مصاحبه اضافه میکند " علاوه بر پارامترهای بسیار زیاد در یک معامله تعداد نمادهای معاملاتی موجود در بازارهای مالی نیز بسیار زیاد است . شما به عنوان یک شرکت مدیریت سرمایه موظفید که همواره بهترین پیشنهادها را به مشتریانتان ارائه دهید ، مشتریان شما برایشان مهم نیست که شما در این لحظه یک شرکت معروف استخراج نفتی را به آنها پیشنهاد میدهید و یا یک تولید کننده گمنام همبرگر ، واقعیت آن است که آنها دنبال سود بیشتر و سریعتر هستند . جنرال تریدینگ به همین منظور تشکیل شده است . هوش مصنوعی ما در هر لحظه بیش از 8000 نماد معاملاتی مختلف را در بازارهای مالی بسیار متفاوت مورد بررسی قرار میدهد و سعی میکند با بررسی بسیاری از پارامترهای درگیر ، در لحظه نمادی را که توانایی سود بیشتر و سریعتر را داشته باشد معرفی کند . "
جنرال تریدینگ به عنوان شرکتی پیشرو در معاملات بر پایه ی هوش مصنوعی اهداف بسیار بلند پروازانه ای برای خود تعریف کرده است که از میان آنها میتوان به هدف جذب سرمایه 100 میلیارد پوندی در سه سال آینده اشاره کرد . باید دید این شرکت میتواند در این راه و همچنین نوسانهای آینده نیز به همین خوبی عمل کند . ولی چیزی که مشخص است ، همین الان نیز زنگ خطر برای شرکتهای بزرگ مدیریت سرمایه در جهان به صدا در آمده است .
لینک کوتاه
کاربرد هوش مصنوعی در بورس
این مقاله قرار است به استفاده از هوش مصنوعی در بورس بپردازد. تا به امروز چندین بار گفتیم که هوش مصنوعی قرار است تمام جنبه‌های زندگی بشر را متحول کند. شاید بتوان گفت معاملات اقتصادی و بازار بورس یکی از حوزه‌های پیچیده می‌باشد که نیاز به تحلیل‌های دقیق و هوشمندانه و منطقی دارد. به همین منظور استفاده از هوش مصنوعی در بورس و اوراق بهادار میتواند درهای جدیدی را به روی دنیای اقتصاد باز کند. در ادامه با ما همراه باشید.
هوش مصنوعی چیست؟
هوش مصنوعی یا همان Artificial Intelligence (به اختصار AI)، شاخه‌ای از علوم رایانه است که به ساخت سیستم‌ها و ماشین‌های هوشمند می‌پردازد. در این حوزه تلاش می‌شود تا بک ماشین یاد داد که چگونه همانند انسان تفکر کند و حل مسئله داشته باشد. به نوعی میتوان گفت که هوش مصنوعی در حقیقت شبیه سازی هوش انسانی برای کامپیوتر می‌باشد که به کمک آن میتوان ماشین‌هایی را ساخت که همانند انسان عمل کنند.
هوش مصنوعی بر سه پایه استوار است: یادگیری، استدلال و درک. دانشمندان حوزه کامپیوتر و هوش مصنوعی از الگوریتمهای مختلفی برای آموزش هوش مصنوعی استفاده می‌کنند. هوش مصنوعی به دسته‌های مختلفی تقسیم‌بندی می‌شود که تفاوتشان از سه پایه‌ای که گفته شد نشٲت می‌گیرد. انواع مختلف هوش مصنوعی نیز به هوش مصنوعی محدود، عمومی و سوپر هوش مصنوعی تقسیم می‌شوند که هر کدام در سطح هشیاری و درک و هوش از دیگری بالاتر می‌شد و در حال حاضر در عصر هوش مصنوعی محدود قرار داریم.
برداشت غلطی که بسیاری از افراد پس از آشنایی با این حوزه دارند آن است که هوش مصنوعی قرار است جای انسان‌ها را بگیرد. در حالی که اینگونه نیست و هوش مشنوعی هنوز تا رسیدن به هوش انسانی فاصله بسیار زیادی دارد. در بسیاری از بخش‌ها هوش مصنوعی هنوز هم نسبت به هوش انسان عقب است. شاید بتوان گفت اصلی‌ترین مزیت آن با هوش انسان در تفاوت حافظه و تاثیر ناپذیری از خستگی و احساسات می‌باشد که باعث افزایش دقت و جلوگیری از تصمیماتی احساسی و خطا آفرین می‌شود.
هوش مصنوعی چه کاربردهایی دارد؟
هوش مصنوعی کاربرد وسیعی دارد و در حال حاضر در زمینه‌های متنوعی از آن استفاده می‌شود. در هر حوزه استفاده از هوش مصنوعی قادر است به افزایش سرعت در فرآیندها، انجام با دقت کارها و کاهش خطاها، آنالیز و تجزیه و تحلیل داده‌ها و کمک به تصمیم‌گیری، تشخیص رفتار و احساسات افراد و به طور کلی هوشمندانه کار کردن کمک میکند. برای نمونه میتوان به کاربرد هوش مصنوعی در حوزه‌های زیر اشاره کرد:
- سلامت و درمان
- کسب‌وکار و کارآفرینی
- آموزش و پرورش
- اقتصاد و معاملات
- قانون و قضا و حوزه‌های امنیتی
- صنعت و تولید
- و…
بازار بورس و خرید سهام چیست؟
بازار بورس و سهام جایی است که در آن به خرید و فروش سهام و اوراق بهادار می‌پردازند. این بازار از سهام شرکتهای متنوع و خریدارها و فروشنده‌هایی که به معامله این سهام‌ها می‌پردازند. بالا و پایین رفتن ارزش این سهام‌ها، سود و زیان این معاملات را تعیین میکند. پر واضح است که بالا رفتن ارزش سهام و یا کاهش آن از یکسری قوانین و مشخصه‌هایی پیروی میکند که برای داشته یک معامله‌ای پر سود، معامله‌گرها باید از استراتژی‌های پیچیده و تجزیه و تحلیل‌های زیادی استفاده کنند.
یک معامله‌گر در بازار بورس برای داشتن سود بیشتر باید با استراتژی‌های مختلف آشنا باشد و عوامل مختلف دخیل در ارزش سهام در بازار را بداند و بتواند آنها را به درستی تجزیه و تحلیل کند. دانش‌های موردنیاز شامل آشنایی با تحلیل‌های تکنیکال، روانشناسی بازار، کنترل ریسک، مدیریت سرمایه، بک تست و … می‌شود. یادگیری تمام این دانش‌ها زمان زیادی می‌طلبد و به کار بستن درست آنها در معاملات نیازمند تجربه می‌باشد.
تاثیر استفاده از هوش مصنوعی در بورس
در بالاتر به این موضوع اشاره شد که در هوش مصنوعی تلاش می‌شود تا به یک سیستم رایانه‌ای یاد داد تا چگونه همچون یک انسان فکر کند و راه حل تولید کند. در مورد بورس و معاملات سهام نیز میتوان تمام دانش‌هایی که گفته شد را موفقیت هوش مصنوعی در بازارهای مالی به هوش مصنوعی آموزش داد تا بتواند به کمک آنها به تجزیه و تحلیل برای خرید و یا فروش سهام بپردازد. به صورت کلی هوش مصنوعی میتواند در زمینه‌های زیر کاربرد داشته باشد:
- بدست آوردن استراتژی معاملاتی از طریق معاملات الگوریتمی
- نظارت بر بازار و تجزیه و تحلیل سریع آن
- پیشبینی روند پیش رو به کمک تجزیه و تحلیل داده‌ها گذشته
- افزایش الگو تریدینگ فرصت‌های معاملاتی برای داشتن خرید و فروش‌های کارآمد
- کمک به داشتن فرآیندی اتوماتیک و دقیق تر برای معاملات
- برخورداری از تغییرات زمان واقعی (real time) بازار
- و…
کاربردهای هوش مصنوعی در بورس
با توجه به تاثیراتی که گفته شد، استفاده از هوش مصنوعی میتواند منافع و کاربردهای زیادی برای معامله‌گران داشته باشد. تعدد سهم‌های موجود در بازار باعث می‌شود که معامله‌گران نتوانند آنها را تحلیل کنند و استفاده از مزیت‌های هوش مصنوعی سبب می‌شود که بتوان حجم وسیع‌تری از سهام را تحلیل کرد و خرید و فروش نمود و این امر سبب داشتن معامله‌ای بهتر و سود بیشتر می‌شود.
خرید و فروش سهام و معامله بدون وقفه
هوش مصنوعی هیچگاه خسته نمی‌شود و چنین مسائلی در روند کارکرد آن خللی ایجاد نمی‌کند. به همین دلیل میتواند بی‌وقفه به کار خود ادامه دهد و به تجزیه و تحلیل معاملات و خرید و فرو آنها در یک زمان طولانی بپردازد. این مسئله باعث می‌شود که معاملات پر سودتری داشته باشیم و بازدهی کار ما چندین برابر شود.
انجام معامله بدون تاثیر گرفتن از احساسات
یکی از نکات مهم برای داشتن معامله‌ای سودآور در بازار بورس، کنترل احساسات می‌باشد. بازار بورس از رفتار معامله‌گران بسیار تاثیر پذیر است و انتشار اخبار مختلف باعث ایجاد تاثیرات زیادی بر روی ارزش سهام و سود و زیان معاملات می‌شود. این مسئله همان روانشناسی بازار می‌باشد. هوش مصنوعی با استفاده از تحلیل و منطق قوی خود در این مواقع میتواند بسیار کاربردی ظاهر شود. سیستم هوش مصنوعی میتواند با جمع‌آوری داده‌ها در مورد نحوه خرید و فروش معامله‌گران واکنش‌های احساسی آنها را پیشبینی نماید. علاوه بر آن میتواند به نظارت بر سهام و استخراج الگوهای چارتی نیز کمک کند.
برای مطالعه مطالب بیشتر در زمینه هوش مصنوعی به بلاگ عامر اندیش مراجعه کنید.
نام محصولات تولیدی عامر‌اندیش هوشمند چیست؟
* فارس‌آوا (تبدیل گفتار به متن) و دو محصول جانبی به نام‌های تبدیل متن به گفتار (TTS) و استخراج کلمات کلیدی(KWS) * باتاوا (دستیار هوشند سازمانی) و دو محصول جانبی به نام‌های نابینایار و اردکک * بینایار (فهم و درک هوشمند تصویر و ویدئو) * هوشتل(اپراتور هوشمند مرکز تماس) * فوتمن (دستیار هوشمند فوتبالی)
فعالیت شرکت عامر‌اندیش هوشمند در چه زمینه‌ای است؟
تمرکز اصلی شرکت بر روی تولید محصولات مبتنی بر هوش مصنوعی است. محصولات اصلی شرکت شامل پردازش گفتار، تحلیل تصویر، ویدئو، چت‌بات هوشمند و تحلیل متن، و اپراتور هوشمند مرکز تماس است که تمامی این محصولات با آخرین فناوریهای روز دنیا و مبتنی بر یادگیری ماشین و یادگیری عمیق تولید شده‌اند.
شرکت عامر‌اندیش هوشمند موفق به کسب چه مجوزها و جوایزی شده است؟
* کسب مجوز دانش‌بنیان برای دو محصول تبدیل گفتار به متن (فارس‌آوا) و پردازش هوشمند تصویر و ویدئو (بینایار) از کارگروه ارزیابی و تشخیص صلاحیت شرکت‌ها و موسسات دانش‌بنیان * کسب تاییده از مرکز تحقیقات مخابرات ایران جهت پردازش گفتار در پروژه ملی جویشگر بومی برای محصول فارس‌آوا * کسب مجوز اعتبار سنجی ساماندهی * رتبه‌بندی و احراز صلاحیت توسط سازمان برنامه و بودجه کشور (رتبه ۶) * حضور دو محصول فارس‌آوا و باتاوا در بین ۳۰ استارت‌آپ برتر بیست و چهارمین نمایشگاه الکامپ (۱۳۹۷) * حضور بین ۲۰ شرکت خلاق پنجمین نمایشگاه صنعت بومی سایبری * عضو فعال سازمان نظام صنفی رایانه‌ای استان تهران
از چه طریقی میتوان با شرکت عامر‌اندیش در ارتباط بود؟
شماره تلفن ۰۲۱۲۲۸۴۷۶۹۳ شماره فکس: ۰۲۱۲۲۸۵۲۳۰۱ ایمیل پشتیبانی: [email protected] ایمیل واحد بازاریابی: [email protected] ایمیل واحد فروش: [email protected] ایمیل واحد فنی: [email protected] اینستاگرام: amerandish توئیتر: amerandishCo لینکدین: amerandish آپارات: amerandishhooshmand آدرس: تهران، پاسداران، خیابان بوستان دوم، پلاک ۱۰ واحد ۱۴
نبرد سوپرکامپیوتر و تحلیلگران بازار سهام؛ هوش مصنوعی در بورس به موفقیت می‌رسد؟
در ماه‌های اخیر بورس و بازار سهام مورد توجه بسیاری از افراد در سراسر جهان قرار گرفته، البته وضعیت بازار در تمام کشورها مناسب نیست و مانند همیشه نوسانات شدیدی دارد، نوساناتی که شاید هوش .
در دیجیاتو ثبت‌نام کنید
جهت بهره‌مندی و دسترسی به امکانات ویژه و بخش‌های مختلف در دیجیاتو عضو ویژه دیجیاتو شوید.
تازه‌های تکنولوژی
ویدئوی مرتبط
در ماه‌های اخیر بورس و بازار سهام مورد توجه بسیاری از افراد در سراسر جهان قرار گرفته، البته وضعیت بازار در تمام کشورها مناسب نیست و مانند همیشه نوسانات شدیدی دارد، نوساناتی که شاید هوش مصنوعی در پیشبینی آنها موفق باشد. به تازگی یک نرم افزار مبتنی بر هوش مصنوعی توسعه پیدا کرده که میتواند وضعیت بازار را پیشبینی کند، اما آیا میتوان با هوش مصنوعی در این بازار به برتری دست پیدا کرد؟ آیا هوش مصنوعی قادر به شکست بزرگترین تحلیلگران بازار خواهد بود؟
در سیاتل یک سوپرکامپیوتر در دفتری توسعه پیدا کرده که قصد دارد با تحلیلگران سرشناس وال استریت رقابت کند. در این دفتر ۸ ردیف سرور درون فریمی مشکی رنگ قرار گرفته‌اند و ۴۰۰ کامپیوتر در این فریم چشمک می‌زنند. این کامپیوترها داده‌های بازار را با سرعت بالایی تحلیل می‌کنند و پاسخگوی درخواست‌های معامله‌گران در شیکاگو هستند. برای تحلیل وضعیت از ۱۰ مانیتور استفاده می‌شود که خروجی را نشان میدهد.
به علت شیوع کرونا رکود در جهان حاکم است و اقتصاد وضع مناسبی ندارد، اما این موضوع باعث نشده که «جک گلیکمن» و شرکت مشاوره سرمایه‌گذاری آن، «J4 Capital» تصمیم به خروج از بازار بگیرند. وضعیت این صندوق پوشش ریسک خوب است، حتی اگر بازار وضعیت جالبی نداشته باشد. نزدیک به یک ماه پیش ارزش سرمایه‌گذاری‌های J4 Capital نزدیک به ۴ درصد افزایش پیدا کرد، در حالی که شاخص داو جونز در آن زمان کاهش ۲۷ درصدی را تجربه می‌کرد.
بسیاری از مهندسان اقتصادی باور دارند که شکست بازار سهام توسط یک ماشین تنها به بوسیله دستگاه‌های خود، غیرممکن است. اطلاعات بازار سهام بسیار بهم ریخته و تصادفی هستند که باعث می‌شود امکان پیشبینی آنها وجود ندارد. سوابق تجاری محدود به ۱۰۰ سال گذشته می‌شوند و قانون میانگین نیز بی‌رحم است. هرگونه سیگنال قابل پیشبینی که وجود داشته باشد، شرکتهای رقیب سریعا به آن دست می‌یابند و نابودش می‌کنند. در حالی که برخی صندوق‌ها موفقیت هوش مصنوعی در بازارهای مالی از الگوریتم‌ها برای معاملات با فرکانس بالا استفاده می‌کنند، اما اغلب آنها را مجددا برنامه‌ریزی می‌کنند و بهبود می‌دهند.
رقابت سنگین در این بخش از بازار باعث می‌شود که سود بسیار کمی برای شرکتهای جدید وجود داشته باشد. یک معامله‌گر بسیار توانمند با نرخ موفقیت ۵۱ درصد هیجان‌زده می‌شود، البته هنوز این کار ریسک بالایی دارد. «Renaissance Technologies» شاید سودآورترین صندوق پوشش ریسک در این بخش باشد که با پیش‌بینی‌های خود ثروت زیادی بدست آورده است. با وجود این موفقیت، J4 Capital ادعا میکند که نرخ موفقیت سرمایه‌گذاری‌های آن نزدیک به ۶۰ درصد است.
J4 Capital ادعا میکند با هوش مصنوعی خود قادر به پیشبینی بازار سرمایه است
گلیکمن اطلاعات کمی درباره مسائل مالی دارد. این مهندس کامپیوتر ۵۹ ساله تا به امروز در وال استریت یا بانک‌های بزرگ کار نکرده و به همین دلیل سوپرکامپیوتر آن در بخش‌های مختلف معامله نمی‌کند که درآمد محدود آن را در پی داشته. گلیکمن علاوه بر اینکه دانش مالی ندارد، الگوریتم سرمایه‌گذاری برای این سوپرکامپیوتر نیز توسعه نداده تا توسط آن ورودی‌ها را انتخاب کند. گلیکمن بجای این کار، یک کامپیوتر فوقالعاده هوشمند خلق کرده که خودش را برنامه‌ریزی مجدد میکند.
در دنیای صندوق‌های پوشش ریسک با ادعاهای زیادی روبه‌رو می‌شویم که تنها شمار کمی از آنها حقیقت دارند. در همین راستا دو فرد تحصیل کرده با تخصص در زمینه الگوریتمهای مالی درباره نوآوری انقلابی J4 Capital ابراز تردید کرد‌ه‌اند، البته هیچ کدام از آنها با شرکت آشنایی نداشتند. گلیکمن که صاحب چندین پتنت در زمینه پردازش تصویر، شناسایی الگوها و فناوری شبکه است، اصرار دارد که هوش مصنوعی آن واقعا کار میکند.
گلیکمن اعلام کرده نرم افزاری که او اجرا میکند، نوعی از اثبات قضیه است، یک الگوریتم غیرقطعی که مجموعه‌ای از داده‌ها را مورد بررسی قرار میدهد و فرضیه‌ای بر اساس آنچه میبیند، مطرح میکند. نحوه عملکرد این نرم افزار شبیه به مغز انسان در زمان تجزیه و تحلیل اطلاعات برای کشف موارد ناشناخته است. هوش مصنوعی گلیکمن این قضایا را با افزایش سطح انتزاعی ریاضی آزمایش میکند. به گفته این مهندس، نتیجه کار فوقالعاده قوی است.
ترفند اصلی این نرم افزار، تغییرات مداوم در بازار است. همانطور که شاید بدانید برخی مواقع سرمایه‌گذاران به سراغ طلا و گاهی به سراغ نفت می‌روند. گلیکمن در این زمینه گفته:
«بعضی مواقع بازار از اتفاقاتی که در جهان رخ می‌دهند، می‌ترسد که برای مثال میتوان به جنگ‌ها یا آزمایش موشک‌های هسته‌ای توسط کره شمالی اشاره کرد. این ترس‌ها باعث می‌شوند که بازار واکنش منفی از خود نشان دهد و سرمایه‌گذار ضرر کند.»
حرکات بازار تصادفی به نظر می‌رسند، اما در پایان روز سرمایه‌گذاران اطلاعات خود را از منابع یکسان مانند مصرف نفت و قیمت‌ها، میزان ابتلا به کرونا و وال استریت ژورنال تامین می‌کنند. اما آیا هوش مصنوعی میتواند تمام این اطلاعات را تحلیل کند؟ گلیکمن هوشمندانه از کلمه تصادفی استفاده میکند مانند اینکه هرج و مرج در جهان تنها یک توهم است تا یک نظم اساسی را مخفی کند. وی ادامه میدهد:
«زمانی که اطلاعات بسیار پیچیده می‌شوند، مغز انسان نمی‌تواند آنها را متوجه شود. در حالی که شاید ما فکر کنیم که این اطلاعات تصادفی هستند، اما چنین چیزی وجود ندارد. ما تنها با اطلاعات پیچیده‌ای روبه‌رو هستیم که از توانایی ذهنی انسان بالاتر است، اما سوپرکامپیوترها توانایی تحلیل آنها را دارند.»
گلیکمن در چندین پروژه موفقیت هوش مصنوعی در بازارهای مالی با ارتش آمریکا همکاری داشته است
گلیکمن از دانشگاه ایلینوی مدرک کارشناسی خود را دریافت کرد اما هیچ وقت به سراغ کارشناسی ارشد نرفت و سعی کرد ایده‌های خود را به کسب و کارهای قابل رشد و توسعه تبدیل کند. در اوایل دهه ۸۰ میلادی شرکت «Thumb Scan» را تاسیس کرد که از برخی از پتنت‌های اولیه در زمینه امنیت بیومتریک و اثر انگشت محافظت میکند. پس از این شرکت، گلیکمن کسب و کار مشاوره‌ای خود را راه‌اندازی کرد و با شرکتهایی مانند فورد و جنرال موتورز همکاری داشت اما پیچیدگی‌های صنایع نظامی توجه او را به خود جلب کرد. وزارت دفاع بدنبال هوش مصنوعی برای پیشبینی قدرت نظامی نیروهای خارجی بود و گلیکمن در این زمینه مشغول بکار شد.
پس از آن ارتش خواستار برنامه‌ای شد که بتواند از سیگنال‌های رادیویی برای شناسایی سیلوهای موشک در شبکه‌های رمزگذاری شده مرکز فرماندهی و کنترل استفاده کند. یکی دیگر از پروژه‌هایی که گلیکمن برای ارتش انجام داد، توسعه یادگیری ماشینی برای بهبود تحلیل هوایی زیرساخت‌های دشمن بود تا پنتاگون بتواند با بمب‌های سبک‌تر به میزان خسارت موردنیاز خود دست پیدا کند و هزینه‌ها را کاهش دهد.
در حالی این موارد مشکلات نظامی مهمی بودند و حقوق مناسبی به برطرف‌کننده‌ها پرداخت می‌شد، اما یکی از وظایفش که مهندسی معکوس برای پیشبینی دقیق عدد تصادفی بعدی بود، باعث شد گلیکمن به فکر هوش مصنوعی مخصوصی بیفتد. در این هنگام گلیکمن بدنبال پاسخ این سوال بود که چه ارتباطی میان حرکت تصادفی ذرات معلق در یک سیال و نوسان بازار سهام وجود دارد. پس از سال‌ها جستجو برای پیدا کردن جواب این سوال، در سال ۲۰۰۰ به یک کتاب دست پیدا کرد که عنوان «شکست بازار» را یدک می‌کشید. این کتاب باعث شد گلیکمن به سراغ استفاده از یادگیری ماشینی برای شکست بازار سهام برود.
در سال ۲۰۰۴ این مهندس کامپیوتر متوجه شد که به یک نرم افزار جدید مبتنی بر هوش مصنوعی نیاز دارد، یک اثبات‌کننده فرضیه که میتواند خود را مجددا برنامه‌ریزی کند تا مدل‌های جدید از اطلاعات مالی تولید کند. در میان سال‌های ۲۰۰۵ تا ۲۰۱۰، وی مشغول کار روی این پروژه بود و به پیش‌بینی‌های قابل اعتماد نزدیک و نزدیک‌تر می‌شد. با این وجود، همچنان نمی‌دانست که چگونه از نرم افزار خود استفاده کند، اما در نهایت شرکتی برای مدیریت مالی تاسیس کرد.
در حالی که شرکتهای مدیریت مالی به زیرساخت‌ها و تجهیزات زیادی نیاز ندارند، اما کار آنها بسیار سخت است. گلیکمن برای تاسیس شرکت خود توانست با یک نابغه که در ۱۹ سالگی مدرک MBA گرفته بود، همکاری کند. پس از مدت‌ها بالاخره در ژوئن ۲۰۱۵ گلیکمن از نرم افزار خود استفاده کرد و برای یک روز کامل با آن محاسبات انجام داد. او امیدوار بود که هوش مصنوعی آن بتواند وضعیت شاخص S&P 500 را برای روز بعدی پیشبینی کند، اما نمی‌دانست که چگونه این نرم افزار باید به نتیجه برسد.
مدل‌های یادگیری عمیق و شبکه‌های عصبی یک مشکل رایج دارند که با نام «جعبه سیاه» شناخته می‌شوند: میلیون‌ها یا حتی میلیاردها عملیات محاسباتی هوش مصنوعی میتواند درک این موضوع که آن چگونه به نتیجه مشخصی می‌رسد را تقریبا برای ما غیرممکن کند. این موضوع باعث شد که گلیکمن تصمیم بگیرد که یک «جعبه سفید» بسازد.
این مهندس و شریک آن برای اینکه بفهمند هوش مصنوعی در ۸ ساعت اول چه کارهایی انجام داده است، نزدیک به یکسال تحقیق کردند. این نرم افزار کار خود را با ساخت تئوری شروع میکند و پس از اینکه متوجه می‌شود که جبر وجود دارد و از آن میتوان برای تفسیر داده‌ها استفاده کرد، آن را نگه می‌دارد. سپس هندسه را کشف میکند و در مراحل بعدی به سراغ مثلثات و حسابان می‌رود. در مرحله بعدی معادلات دیفرانسیل جزئی را کشف میکند و در نهایت هوش مصنوعی به سطح بالایی از ریاضیات دست می‌یابد.
پس از اینکار، گلیکمن به هوش مصنوعی خود اجازه میدهد که به صورت آزمایشی شروع به معامله کند که اگرچه در ابتدا سرعت کمی داشت اما با گذر زمان سریع و سریعتر شد. با افزایش تعداد معاملات، نوسان خروجی‌ها کاهش پیدا کرد و شکست بازار سرمایه امکان‌پذیر شد. شاید برای درک نحوه کار سوپرکامپیوتر گلیکمن نیازی به داشتن دانش بالایی در زمینه ریاضی نداشته باشید، اما همچنان با یک فناوری اختصاصی روبه‌رو هستیم و نمی‌توانیم درباره خودکار بودن آن اظهارنظر خاصی بکنیم.
با شیوع کرونا گلیکمن در خانه قرنطینه شده اما سوپرکامپیوتر آن همچنان به فعالیت خود ادامه میدهد. زمانی که برای اولین بار ویروس کرونا در ژانویه به واشنگتن رسید، گلیکمن شروع به آزمایش این موضوع کرد که کامپیوتر اگر تنها بماند، میتواند کارهای خود را انجام دهد یا خیر. این کار برای دو هفته انجام شد که نتیجه آن، عملکرد مناسب سیستم بدون نیاز به انسان بود.
زیرساخت‌های معاملات مانند سوپرکامپیوتر خودکار هستند که این موضوع باعث شده ابررایانه J4 با مشتریان خود در ارتباط باشد، معاملات را انجام دهد و در مواقع ضروری خود را خاموش یا ریبوت کند. گلیکمن برای افزایش کارایی سیستم خود یک مهندس فعال در حوزه ابری را استخدام کرد و هم اکنون این ابررایانه میتواند در لندن و هنگ کنگ نیز معامله کند و پاسخگوی درخواست ۱۰۰۰ یا حتی ۱۰ هزار مشتری باشد.
در حال حاضر J4 Capital یک شرکت کوچک محسوب می‌شود که گلیکمن برای ایجاد آن از دوستان و اعضای خانواده خود ۱۰ میلیون دلار پول قرض و ۴۰۰ سرور برای سوپرکامپیوتر خود تهیه کرد. این صندوق برای مدیریت پول ۲ درصد کارمزد می‌گیرد و ۲۰ درصد نیز از سود دریافت میکند، نرخ‌هایی که در صندوق‌های پوشش ریسک یک استاندارد است.
این شرکت وظیفه مدیریت ۷.۲ میلیون دلار سرمایه را تا پایان ۲۰۱۹ برعهده داشت، با این حال گلیکمن امیدوار است که حجم سرمایه‌ها در آینده نزدیک به بیش از ۱۰۰ میلیون دلار برسد که این موضوع باعث می‌شود برای تشکیل پرونده به کمیسیون بورس و اوراق بهادر ایالات متحده آمریکا فراخوانده شود.
J4 Capital بدنبال مدیریت ۱۰۰ میلیون دلار سرمایه است
در حالی که این ابررایانه در حال چاپ اسکناس است، سازنده آن خانه‌نشین شده و روی بخش‌های دیگری از تجارت خود تمرکز کرده که شامل پیدا کردن سرمایه‌گذاران جدید برای خرید تجهیزات بیشتر برای افزایش قدرت سوپرکامپیوتر و در نتیجه جذب سرمایه بیشتری برای مدیریت می‌شود. در حالی که J4 Capital قصد ندارد تبدیل به Renaissance Technologies دوم شود، می‌خواهد فعالیت‌های خود را افزایش دهد.
گلیکمن تنها به انجام معامله در بازار بورس راضی نیست و می‌خواهد ماشینش در بازارهای بیشتری حضور داشته باشند. حالا که این ابررایانه در حال آمادگی برای حضور در بازار سهام کشورهای خارجی است، سازنده آن می‌خواهد اوراق قرضه و سایر محصولات اعتباری را معامله کند. این احتمال وجود دارد که این هوش مصنوعی عملکردی بالاتر از بازارهای مالی داشته باشد و به سراغ حل مشکلات در زمینه‌های لجستیک و مدیریت زنجیره تامین برود، حوزه‌های که مشتریان خواستار کمک در آنها هستند.
برای گلیکمن فرقی نمی‌کند که سوپرکامپیوتر آن چگونه کار میکند چرا که هدف نهایی آن مانند سایر کسب و کارهاست. این مهندس کامپیوتر در نهایت اعلام کرده:
«هدف ما ایجاد یک کسب و کار و درآمدزایی از آن است. ما یک شرکت در وال استریت نیستم و فقط می‌خواهیم در فضای آنها نقش داشته باشیم. ما در حقیقت یک شرکت فناوری هستیم و برای ایجاد یک تجارت سودآور تلاش می‌کنیم و از آن سود بدست می‌آوریم، مانند سایر شرکتهای فناوری که در بازار حضور دارند.»
هوش مصنوعی در طراحی استراتژی معاملاتی
هوش مصنوعی در طراحی استراتژی – رمز موفقیت در بازارهای مالی، داشتن استراتژی معاملاتی مستحکم و قابل اتکا است. در دهه‌های گذشته، روش‌های متعددی برای یافتن بهترین استراتژی‌های معاملاتی توسط معامله‌گران مورد استفاده قرار گرفته است. این روش‌ها را میتوان به طور کلی به دو دسته روش‌های دستی و روش‌های خودکار مبتنی بر هوش مصنوعی تقسیم‌بندی کرد.
در حالی که در روش طراحی دستی استراتژی، تولید و تست استراتژی‌ها تا رسیدن به یک ترکیب سودآور میتواند به راحتی تا چندین ماه طول بکشد، روش‌های هوش مصنوعی می‌توانند همین کار را به راحتی و تنها ظرف چند دقیقه انجام دهند.
با توجه به اینکه در سیستم هوش مصنوعی میلیاردها حالت مختلف چک می‌شود در نهایت استراتژی‌هایی به کاربر ارائه می‌شوند که شاید هرگز امکان سودده بودن آنها به ذهن کسی نرسد.
در این مقاله، به کاربرد هوش مصنوعی در طراحی خودکار استراتژی‌های معاملاتی و انواع آن خواهیم پرداخت. اساسا یکی از بهترین موارد استفاده از هوش مصنوعی در کارهایی است که مستقیماً با عناصر کمی و به تعبیری اعداد و ارقام سرکار دارند.
از طرف دیگر می‌دانیم که بازارهای مالی، چه به لحاظ ارقام قیمتی و چه به لحاظ خروجی اندیکاتورهای تکنیکال، یک بستر کاملا کمی است. از این رو، تکنیک‌های هوش مصنوعی به خوبی می‌توانند در این بازارها مورد استفاده قرار گیرد.
تاکنون دو الگوریتم عمده هوش مصنوعی در بازارهای مالی مورد استفاده قرار گرفته است:
- الگوریتم تصادفی
- الگوریتم ژنتیک
الگوریتم تصادفی در هوش مصنوعی در طراحی استراتژی
به زبان ساده، در روش الگوریتم تصادفی ابزارهای مختلف تکنیکال به صورت تصادفی با هم ترکیب می‌شوند تا یک استراتژی تولید شده و سپس مورد بک‌تست قرار بگیرد. در این روش کاربر ابتدا شرایط مطلوب خود را از استراتژی مورد نظر به سیستم ارائه میکند.
به عنوان مثال حداقل سود یا حداکثر ضرر قابل قبول استراتژی در طی دوره و یا هر شرطی که مورد نظر کاربر باشد به عنوان شرایط پذیرش استراتژی به سیستم اعلام می‌شود.
سپس برنامه با در نظر گرفتن تمام داده‌های بازه زمانی مورد نظر کاربر بر حسب مورد و به صورت انتخابی بازار را در میلیاردها حالت مختلف بر اساس ترکیب اندیکاتورهای تکنیکال و اسیلاتورها و اندیکاتورهای مبتنی بر قیمت و کندل استیک‌ها بررسی میکند.
در این مرحله، چنانچه نتیجه عملکردی استراتژی، شرایط تعیین شده توسط کاربر را دارا باشد، آن را ذخیره و به کاربر ارائه میدهد.
الگوریتم ژنتیک در هوش مصنوعی در طراحی استراتژی
در روش الگوریتم ژنتیک میتوان با سرعت بسیار بالاتری در قیاس با الگوریتم تصادفی به استراتژی‌های سودآور دست یافت. در این روش ابتدا با استفاده از الگوریتم تصادفی داده‌های استراتژی اولیه به عنوان جمعیت اولیه استراتژی‌ها طراحی می‌شوند.
سپس منطق استراتژی‌های به دست آمده به صورت پدر و فرزندی و دو به دو با هم ترکیب شده و از نتیجه آن استراتژی‌های جدیدی حاصل می‌شود. در این مرحله برنامه بررسی میکند که آیا استراتژی‌های والد شرایط خواسته شده کاربر را بهتر احراز می‌کنند یا استراتژی‌های تولید شده توسط آنها. اگر استراتژی‌های فرزند شرایط بهتری داشته باشند آنها را نگه می‌دارد و استراتژی‌های والد را حذف میکند.
برعکس اگر استراتژی‌های والد شرایط بهتری نسبت به فرزند داشته باشند، فرزند را دور می‌اندازد و استراتژی‌های والد را نگه می‌دارد. این کار به همین ترتیب و به هر تعداد دفعه که کاربر درخواست کرده باشد انجام می‌شود.
واضح است که استراتژی‌های به دست آمده در مرحله آخر، شرایط بسیار بهتری را در سودآوری و شرایط پذیرش تعیین شده توسط کاربر در قیاس با استراتژی‌های اولیه داشته‌اند. اما نقطه ضعف این روش، احتمال بالای تولید استراتژی‌های مشابه است.
جمع‌بندی هوش مصنوعی در طراحی استراتژی معاملاتی
با توجه به دسترس‌پذیر شدن هر چه بیشتر سخت‌افزارها و نرم‌افزارهای قدرت‌مند برای پردازش‌های سنگین در سالیان اخیر، استفاده از کامپیوتر در بازارهای مالی به شدت افزایش پیدا کرده است. سرعت و دقت این سیستم‌ها در قیاس با روش‌های دستی، لزوم حرکت در این مسیر را بیش از پیش نمایان میکند. هوش مصنوعی توضیح داده شده در این مقاله، تنها میتواند سرعت، دقت و تنوع استراتژی‌های تولید شده را به طرز خیره کننده‌ای افزایش دهد.
نباید از خاطر دور داشت که استفاده صرف از هوش مصنوعی در طراحی استراتژی و یافتن استراتژی‌های سودده به این روش، تضمین‌کننده سودآور ماندن آن استراتژی‌ها در آینده نیست. اهمیت انجام صحیح بک تست به خصوص استفاده از مدلینگ دقیق و بررسی استحکام استراتژی های تولید شده، همچنان به قوت خود باقی است و نبایستی مورد چشم‌پوشی واقع شود.
به بیان ساده بایستی همواره به خاطر داشت که هوش مصنوعی در طراحی استراتژی ابزاری نیست که به خودی خود بتواند استراتژی‌های مناسب برای استفاده در بازار را به ما ارائه دهد. این کاربر است که با استفاده از دانش و تجربه خود، از این ابزارها (همانند دیگر ابزارها) برای کسب بهترین نتیجه در سریعترین زمان بهره می‌برد.
اهمیت نقش هوش مصنوعی توضیح‌پذیر (XAI) در خدمات مالی
پیشرفت های بنیادی در حوزه هوش مصنوعی (AI) همواره در حال ایجاد تغییر در جهان ما هستند. سیستم‌های هوش مصنوعی برای تجارت میلیون‌ها ابزار مالی، ارزیابی مبلغ خسارت در بیمه، تخصیص امتیازات اعتباری و بهینه‌سازی پرتفوی سرمایه‌گذاری استفاده می‌شوند.
به گزارش فابانیوز، در حالی که ممکن است از این پیشرفت‌ها بهره مند شویم، اما همزمان به چارچوبی نیاز داریم که به ما کمک کند بفهمیم هوش مصنوعی چگونه به یافته‌ها و پیشنهادات خود می رسد. این فرایندی ضروری است تا بتوانیم اعتماد ایجاد کنیم و خروجی‌ها را با پتانسیل کامل به کار ببندیم.
فرآیندهای موجود در هوش مصنوعی همیشه پرواضح نیستند. بسیاری از الگوریتمهای پیشرفته یادگیری ماشین امروزی که سیستم‌های هوش مصنوعی را تقویت می‌کنند، از فرآیندهای مغز انسان الهام می‌گیرند، اما به دلیل عدم توانایی انسان در توضیح اعمال یا استدلال مربوط به آنها محدود شده‌اند.
به همین دلیل، یک حوزه تحقیقاتی کامل در حال حاضر در جستجوی این است تا توصیفی را برای منطقی که در پس تصمیم‌گیری‌های هوش مصنوعی وجود دارد، ارائه دهد. این رشته تحقیقاتی، هوش مصنوعی توضیح‌پذیر (XAI) نام دارد. در حالی که سیستم‌های هوش مصنوعی مدرن عملکرد و قابلیت‌های بسیار فراتر از فناوریهای پیشین را از خود نشان می‌دهند، اما عملیاتی شدن و انطباق قانونی آنها میتواند مانع اجرای موفقیت‌آمیزشان شود.
هوش مصنوعی توضیح‌پذیر (XAI) به دلیل توانایی‌اش در کمک به تقویت نوآوری، امکان انطباق با قوانین و مقررات، بهینه سازی عملکرد مدل مالی و افزایش مزیت رقابتی، برای سازمان هایی که قصد دارند به طور موثر از هوش مصنوعی استفاده کنند، یک عامل تصمیم‌گیری کلیدی خواهد بود.
- هوش مصنوعی توضیح‌پذیر و ارزش آن در خدمات مالی
به مرور، ارزش تکنیک‌های مربوط به توضیح‌پذیری فرایندهای هوش مصنوعی در خدمات مالی ارزش بیشتری پیدا می‌کنند. وقتی صحبت از داده‌های مالی می‌شود، بسیاری از ارائه‌دهندگان خدمات و مشاوران ممکن است با مبحث نسبت پایین سیگنال به نویز (SNR – Signal to Noise ratio) آشنا باشند که نمونه‌ای از همین داده‌ها است، البته که همان هم به نوبه خود نیازمند یک حلقه بازخورد قوی بین کاربر و ماشین است.
راه‌حل‌های هوش مصنوعی که بدون قابلیت بازخورد انسانی طراحی شده‌اند، به دلیل تداوم رویکردهای سنتی، که بر تخصص و تجربه سال‌های گذشته متکی هستند، این ریسک را دارند که هرگز مورد استفاده قرار نگیرند. محصولات مبتنی بر هوش مصنوعی که قابلیت حسابرسی ندارند برای ورود به بازار به سادگی با مشکلاتی مواجه خواهند شد.
- پیشبینی در بازاریابی و مدیریت سرمایه‌گذاری
روش‌های پیشبینی بر اساس مجموعه‌های زمانی به طور قابل توجهی در حوزه خدمات مالی رشد کرده اند. این روش‌ها برای پیشبینی بازده دارایی‌ها، داده‌های اقتصادسنجی، نوسانات بازار و پراکندگی قیمت‌های پیشنهادی مفید هستند. اما به دلیل وابستگی آنها به ارزش‌های تاریخی محدود می‌شوند. از آنجایی که ممکن است فاقد اطلاعات ناهمگون و معنادار روزانه باشند، استفاده از مجموعه‌های زمانی برای پیشبینی محتمل ترین ارزش سهام یا نوسانات بازار بسیار چالش‌برانگیز می‌شود.
از طریق تکمیل این مدل‌ها با روش‌های توضیح‌پذیر، کاربران می‌توانند سیگنال‌های کلیدی را که مدل هوش مصنوعی در پیشبینی خود استفاده میکند، درک کرده و خروجی را بر اساس دیدگاه مکمل خود از بازار تفسیر کنند. سپس، این رویکرد یک هم‌افزایی واقعی بین مهارت حوزه متخصصان امور مالی و توانایی‌های خرد داده‌های بزرگ در حوزه هوش مصنوعی مدرن ایجاد میکند.
تکنیک‌های توضیح‌پذیری همچنین راه‌حل‌هایی را ارائه می‌هد که تصمیمات و انتخابات انسان در چرخه راه‌حل‌های هوش مصنوعی برای انتخاب سهام فعال شود. ممکن است یک سرمایه‌گذار به این نتیجه برسد که سطح ریسک یک سهام نسبت به سود بالایی که دارد، خیلی بیشتر است؛ و همین مورد باعث شود دیگر آن سهام را انتخاب نکند. علاوه بر این، سیستمی که توضیح مفصلی درباره ریسک‌ها، و چگونگی بی‌ارتباط بودن آنها با بازار را ارائه دهد، افزودنی قدرتمندی برای ابزارهای برنامه‌ریزی سرمایه‌گذاری محسوب می‌شود.
تخصیص یا رد اعتبار یک متقاضی یک تصمیم استنباطی است و قوانین بسیاری برای اطمینان از رعایت انصاف نسبت به آن تنظیم شده است. موفقیت برنامه‌های کاربردی هوش مصنوعی در این زمینه نیز به توانایی ارائه توضیح دقیق برای توصیه‌های نهایی بستگی دارد.
اما ارزش هوش مصنوعی توضیح‌پذیر، فراتر از انطباق با قوانین، برای مشتریان و مؤسسات مالی به روش‌های گوناگونی قابل رویت است. مشتریان می‌توانند توضیحاتی حاوی اطلاعات مورد نیاز برای بهبود نمایه اعتباری خود دریافت کنند. ارائه‌دهندگان خدمات مالی نیز می وانند میزان خرید و فروش قابل پیشبینی مشتریان را بهتر درک کرده و خدمات خود را نسبت به آن تطبیق دهند.
امتیازدهی اعتباری با استفاده از هوش مصنوعی توضیح‌پذیر می تواند به کاهش ریسک نیز کمک کند. برای مثال، یک مدل هوش مصنوعی توضیح‌پذیر (XAI) میتواند توضیحاتی ارائه دهد که چرا مجموعه‌ای از دارایی‌ها بهترین توزیع را برای به حداقل رساندن ریسک اوراق قرضه پوشش‌دار دارد.
- هوش مصنوعی مسئول در بانکداری: متفکر، شفاف و توضیح‌پذیر
نقش فزاینده هوش مصنوعی در خدمات مالی، برخی از بانک‌ها و مشتریان آنها را نگران تصمیم گیری غیرشفاف “جعبه سیاه” کرده است. راه حل این چالش، مدل هوش مصنوعی شفاف است که از حریم خصوصی محافظت میکند.
هوش مصنوعی توضیح‌پذیر نه تنها امتیازات پیش‌بینی‌کننده را در اختیار کاربران قرار میدهد، بلکه به آنها کمک میکند تا دلایل پس این پیش‌بینی‌ها را درک کنند. این به مدیران ریسک اعتباری اجازه میدهد تا سبدهای سهام را در سطح یک به یک مدیریت کنند و استراتژی‌های شخصی‌تر را برای بهبود تجربیات وام‌گیرندگان خود توسعه دهند. بازرگانان می‌توانند روندهای مختلف را قبل از ایجاد مشکل، از جمله حملات کلاهبرداری و بی‌ثباتی وام‌گیرنده، درک کنند. مشتریان نیز تصمیماتی که بر رفاه مالی آنها تأثیر می‌گذارد را بهتر درک می‌کنند.
دیدگاه شما