USAs største bank, JPMorgan, lanserte tidligere i år en kunstig intelligens-basert (AI) tjeneste som hjelper kunder med å finne aksjer, obligasjoner og fond. Løsningen er imidlertid fortsatt under utvikling, og få investorer har tilgang til den. Det samme er tilfellet for et AI-system utviklet av Bloomberg.
– Dette kan tyde på at slike tjenester fremdeles ikke fungerer særlig bra, kommenterer investeringsdirektør Robert Næss i Nordea.
Kan imitere finansguruer
Næss påpeker at man uansett kan gjøre egne eksperimenter med AI-roboter man finner på nettet.
– For eksempel kan du bruke dem som om du hadde Peter Hermanrud, Thore Johnsen eller Warren Buffett sittende ved siden av deg for å gi gode råd, sier han.
– Et mulig spørsmål er: «Warren Buffett er en kjent investor. Han investerer i selskap som er lønnsomme og veldrevne. Jeg ønsker å finne selskap som ligner på dem Warren Buffett investerer i. Har du noen tips til noen norske aksjer som kan være investeringer som Warren Buffett ville ha likt?».
Næss foretrekker AI-roboten Perplexity fremfor ChatGPT, ettersom førstnevnte gir referanser på alle sine svar.
Da den ble spurt om norske «Buffett-aksjer», svarte appen Equinor, Aker BP, Telenor, DNB og Orkla. Den forklarte dessuten hvorfor nettopp disse selskapene ble valgt.
Kunstig finansprofessor
Deretter ba Næss Perplexity om å glemme alle tidligere instruksjoner og late som om den var en finansprofessor.
– Spørsmålene jeg stilte var: «Hvilke typer aksjer vil du anbefale en småsparer å kjøpe? Han ønsker selskap med lavere risiko enn det generelle markedet, og han ønsker også at verdsettelsen skal være fornuftig. Det hadde vært fint om du kunne komme opp med en portefølje på ti navn», sier han.
– Resultatet var en liste med disse aksjene: Johnson & Johnson, Procter & Gamble, PepsiCo, Visa, Mastercard, Microsoft, Apple, Intel, Verizon og NextEra Energy.
Det forbløffende var at alle disse aksjene går igjen i fondet Næss forvalter, Nordea Stabile Aksjer Global.
Den «kunstige» aksjeplukkeren tenkte med andre ord i samme baner som den menneskelige.
Kan AI slå markedet?
Det er dessuten tegn på at AI kan gi meravkastning, i det minste på kort sikt og inntil dette blir et allment brukt verktøy. Nordeas investeringsdirektør viser til undersøkelser gjort ved University of Florida og publisert i forrige måned. De to forskerne ba ChatGPT om å klassifisere selskapsspesifikke nyheter som enten gode, dårlige eller irrelevante for aksjekursen.
Det viste seg å være en positiv sammenheng mellom AI-modellens skåring og de følgende daglige kursbevegelsene, og roboten gjorde det dessuten bedre enn tradisjonell analyse av optimismen i markedet.
Videre konstaterte forskerne at AI-modellene tilsynelatende blir flinkere til å plukke aksjer over tid, etter hvert som de utvikles. Konklusjonen var at bruk av avanserte AI-modeller kan bidra til meravkastning i kvantitative forvaltningsstrategier. Dette gjaldt særlig SMB-aksjer og når nyhetene var dårlige.
Nyttig for forskning
Ifølge Næss kan AI-modeller også være nyttige for investorer som simpelt hen ønsker å gjøre forskning som de tidligere ikke var i stand til å gjøre.
– For eksempel har jeg fått roboten til å lage et Python-program med maskinlæring, for å forstå hvordan kraftprisen på Vestlandet utvikler seg, sier han.
– Jeg fant underliggende data andre steder, men det var roboten som kom med programmeringskoden, og det at jeg kunne stille oppfølgningsspørsmål gjorde at programmet ble helt tilpasset mine behov.
For eksempel har jeg fått roboten til å lage et Python-program ... for å forstå hvordan kraftprisen på Vestlandet utvikler segRobert Næss, Nordea Investment Management
Trekker ut informasjon
I DNB Asset Management benytter forvalter Ole Jakob Wold kunstig intelligens på en annen måte.
- Vi bruker språkmodeller til å kommentere, trekke ut informasjon, lage forslag til rapportering, samt skrive automatiserte markedskommentarer og porteføljekommentarer på vårt interne analysenettsted, forteller han.
– På denne intranettløsningen har vi samlet all bærekraft- og kvantitativ analyse på selskaps-, portefølje- og markedsnivå, og fått på plass et grensesnitt mot openAI som gjør at openAIs ulike modeller kan integreres der det kan effektivisere- og bedre analyser.
Overraskende gode resultater
Nylig samarbeidet DNB Asset Management med tre BI-studenter som skrev hovedoppgave om bruk av kunstig intelligens i kapitalforvaltning. Med veiledning fra bankens kvanteteam ga de flere ulike AI-modeller tilgang til DNBs enorme, egenutviklede database med selskapsinformasjon.
- Prosjektet ga oss mye læring rundt hvordan slike modeller settes opp og «trenes», og enkelte strategier gjorde det på høyde med våre systematiske analyser, forteller Wold.
- Det kan være på grunn av modellene, men det er heller ikke mange AI-analyser som har vært gjort på så gode input-tall som disse studentene fikk.
Et problem var imidlertid at det ikke var mulig å få svar fra modellene på hvorfor enkelte kjøp og salg ble gjort. En slik strategi er vanskelig å dokumentere og enda vanskeligere å forklare til forvaltningskundene.
