ИИ-инструменты для инвестиций: сравнение западных и китайских решений

Искусственный интеллект все больше становится ключевым инструментом в инвестировании, трансформируя подходы к управлению капиталом. По оценке Bloomberg Intelligence, доходы рынка генеративного искусственного интеллекта могут увеличиться к 2032 году до $1,3 трлн. Это в 32 раза больше, чем в 2022 году.

Какие есть популярные ИИ-инструменты для инвестирования, как их можно использовать и стоит ли полностью полагаться на них в будущем, в своем обзоре рассказал руководитель EA Global Capital Адильгерей Намазбаев. 

Обзор ИИ-моделей для инвестирования

Последние несколько месяцев я активно тестирую системы искусственного интеллекта, которые можно применять для анализа данных в инвестировании. Моя цель — кастомизировать ИИ под свою инвестиционную стратегию, чтобы упростить принятие решений. 

На рынке представлены как западные, так и китайские модели, каждая из которых имеет свои особенности. Спойлер: лучшим ИИ-инструментом для меня стал DeepSeek. Почему?

• ChatGPT – удобен для генерации текстов и анализа контента, но ограничен в кастомизации и работе с данными в режиме реального времени.
• Microsoft Copilot – отлично интегрируется с Excel, Word и PowerPoint, хорошо справляется с задачами по подготовке документов и презентаций, но не предназначен для инвестиционных задач.
• Google Bard – ограничен в настройке под специфические задачи.
• Claude (Anthropic) – слаб, не интегрируется с другими системами. 
• Perplexity AI – хороший поисковик (лучше Google), не искажает данные (как ChatGPT), но требует верификации информации.
• Hugging Face – идеален для кастомизации под конкретные задачи и по широкому выбору моделей (BERT, GPT-J), но требует глубоких технических знаний для правильной настройки.
• Jasper AI и YouChat – не подходят для инвестиционных задач.
• Llama (Meta) – отличный инструмент: есть открытая модель для кастомизации, обеспечивается полный контроль над данными и конфиденциальность. Однако модель очень ресурсоемкая, поэтому все расчеты в облаке.
• Aladdin (BlackRock) – не было доступа к этой системе, но коллеги отзываются не очень хорошо. 

Почему выбор за DeepSeek?

На мой взгляд, китайские ИИ-решения уже значительно опередили американские, особенно в выполнении специализированных инвестиционных задач. DeepSeek отличается гибкостью, скоростью и эффективностью:

• Кастомизация – легкая настройка алгоритмов под узконаправленные задачи.
• Интеграция с другими системами, например, с биржевыми базами данных от различных вендоров. 
• Локальное развертывание – возможность работы без облачного хранения, что снижает риски утечки данных и повышает безопасность.
• Низкое энергопотребление – более экономичный расход ресурсов по сравнению с Llama и другими моделями.
• Автоматическое документирование инвестиционных решений для целей compliance.

Как применять ИИ для инвестирования

На примере DeepSeek покажу, где можно использовать ИИ:

• Глубокий анализ финансовой отчетности – выявление паттернов и предсказание финансовых трендов.
• Прогнозирование временных рядов – моделирование поведения рынка.
• Стресс-тесты и сценарный анализ – оценка устойчивости портфеля к различным экономическим сценариям.
• Использование альтернативных источников информации: анализ спутниковых снимков или мониторинг соцсетей.
• Поиск инвестиционных идей. К примеру, с помощью DeepSeek можно проводить автоматизированный подбор пар для Long/Short стратегий: Long – компания с низкой стоимостью добычи нефти и стабильным денежным потоком. Short – переоцененный ВИЭ с высоким уровнем долга и задержками в проектах.

ИИ-инструменты, как DeepSeek, упрощают процесс оценки рисков благодаря встроенным моделям VaR (value at risk) и подключению к внешним источникам данных. Они помогают быстро принимать инвестиционные решения и минимизировать неожиданные потери. 

Какие риски в ИИ все-таки есть?

Вопрос объективности, который зависит от качества и разнообразия данных, на которых обучена модель.

Исследования Harvard Business Review показывают, что алгоритмы могут наследовать предвзятость исходных данных, включая эффект «недавних событий» (recency bias). Это искажает прогнозы доходности.

Кроме того, модель может содержать фундаментальные ошибки (например, ошибки программного кода), что приведет к некорректным расчетам и неточным прогнозам в инвестировании.

Робоэдвайзеры также могут продвигать собственные инвестиционные продукты. Это создает риск навязанной ребалансировки портфеля, увеличивая затраты инвестора.

1. Влияние задержек в обработке данных.

Различные исследования Bloomberg показывают, что задержки в обработке информации могут существенно снижать точность прогнозов, особенно в высокочастотной торговле, где миллисекунды играют решающую роль.

2. Регуляторные вызовы. 

The Economist отмечает обеспокоенность регуляторов в обеспечении справедливости на рынках. Большинство компаний согласны с тем, что регулировать следует не сами модели, а их применение.

Будущее ИИ в инвестициях

Может ли ИИ полностью заменить инвесторов? В своем исследовании Bloomberg заявил, что банки Citigroup, JPMorgan Chase & Co. и Goldman Sachs, могут сократить до 200 000 сотрудников в течение нескольких лет, потому что их задачи возьмет на себя искусственный интеллект. Исследования McKinsey, однако, говорят, что все же важная роль при принятии решения в инвестировании отводится человеку. 

Я думаю, что ИИ-приложения могут помочь в анализе финансовых отчетов и больших массивов информации, мониторинге рыночных тенденций и управлении портфелем. Но все же главная роль в принятии решений остается за человеком.  Я думаю в будущем будет преобладать гибридная модель человека и ИИ.

Что касается перспектив развития китайских и западных ИИ-решений: китайские компании (как DeepSeek) уже разрабатывают модели искусственного интеллекта, требующие меньших вычислительных ресурсов. The Economist отметил, что DeepSeek разрушил миф о том, что для ИИ необходимы огромные вычислительные ресурсы..

В то же время западные компании, такие как OpenAI и Google, все еще фокусируются на инновационности и масштабе языковой модели, что требует больших вычислительных мощностей и затрат. Поэтому вопрос, кто победит в этой интеллектуальной и экономической гонке за ИИ, остается пока открытым.

Говоря о трендах в развитии специализированных инвестиционных алгоритмов, отмечу активное развитие ИИ для управления инвестиционными и кредитными рисками. Например, ИИ-алгоритмы могут заранее выявлять признаки возможного дефолта, создав систему раннего предупреждения.