Sijoitustutkimusyhtiö Morningstarin mukaan yhdysvaltalaisen Floridan yliopiston rahoituksen professori Alejandro Lopez-Lira on viime vuosina testannut ChatGPT:n, DeepSeekin ja Grokin kaltaisia suuria kielimalleja osakevalinnoissa.
Tulokset ovat olleet yllättävän vakuuttavia.
Lopez-Lira kertoo, ettei hän ole nähnyt mallien tekevän merkittäviä virheitä, ja uskoo, että suurin osa analyytikoiden nykyisistä tehtävistä voidaan jo nyt automatisoida tekoälyn avulla. Aloita kaupankäynti kryptovaluutoilla Coinmotionin palvelussa. Käyttämällä alennuskoodia SRFI17X, saat 1%:n treidauskulut ensimmäiselle kuukaudelle (50% alennus).Coinmotion / SalkunRakentaja
yhteistyötarjous
Hänen tutkimuksensa osoitti muun muassa, että ChatGPT pystyi tulkitsemaan uutisotsikoiden vaikutuksia osakkeisiin niin tehokkaasti, että GPT-4-mallilla saavutettiin keskimäärin 0,38 prosentin päivätuotto ja yli 650 prosentin kumulatiivinen tuotto lokakuusta 2021 joulukuuhun 2023 olevalla ajanjaksolla. Tosin tutkimusympäristön rajoitteet, kuten transaktiokulut ja verotus, eivät olleet mukana laskelmissa, joten todelliset tuotot olisivat maltillisempia.
Lopez-Lira on vienyt kokeilunsa myös käytännön sijoittamiseen: hän on rakentanut tekoälypohjaisia salkkuja sijoitussovelluksessa, jossa ChatGPT, Grok ja DeepSeek valitsevat ja painottavat osakkeita sekä ETF:iä ajantasaisen makrodatasyötteen perusteella.
Lopez-Lira myöntää, että tekoäly on altis tekemään virheitä, mutta hän ei ole nähnyt kolmen käyttämänsä version tekevän mitään ”typerää”.
”En tiedä, mitä sellaisia tehtäviä analyytikot tekevät tiedon kanssa, joita suuret kielimallit eivät voisi hoitaa”, Lopez-Lira kertoo.
”Ainoat poikkeukset ovat tehtävät, jotka vaativat vuorovaikutusta fyysisessä maailmassa tai kasvokkain tapahtuvia keskusteluja. Mutta muuten kuvittelisin, että kaikki tai lähes kaikki tehtävät voidaan jo nyt automatisoida.”
Tekoälyalustoja piensijoittajille
Vaikka tekoäly ei vielä kykene täysin itsenäiseen sijoituspäätöksentekoon, reaaliaikaisen tiedon puute ja mallien taipumus virhepäätelmiin vaativat ihmisen ohjausta ja oikeanlaista syötettä, on kehitys ollut nopeaa. Tekoälyn kyky tulkita markkinadataa ja reagoida talousuutisiin on jo nyt vaikuttava.
Tekoälyalustat, kuten Danelfin ja AltIndex, ovat tuoneet nämä työkalut myös piensijoittajien ulottuville. Danelfinin tekoälypohjainen osakevalintastrategia on tuottanut +263 prosenttia vuosina 2017–2024, kun S&P 500:n tuotto samalla ajanjaksolla oli +189 prosenttia.
Danelfinin AI Score -järjestelmä on osoittanut, että korkeimman pistemäärän (10/10) saaneet osakkeet ovat ylittäneet markkinan keskimäärin +14,7 prosenttia (annualisoitu alfa) kolmen kuukauden aikana, kun taas matalimman pistemäärän (1/10) osakkeet ovat jääneet markkinasta jälkeen jopa -37,4 prosenttia.
AltIndex puolestaan raportoi 70 prosentin osumatarkkuutta ja keskimäärin 22 prosentin tuottoja kuuden kuukauden sijoitusjaksolla.
Käytännön kokeet ovat antaneet lupaavia, mutta vaihtelevia tuloksia: yhdessä testissä tekoälyn valitsemat kaksi osaketta tuottivat keskimäärin 10,7 prosenttia 30 kaupankäyntipäivän aikana, ja yksi osake ylitti S&P 500:n lähes viisinkertaisesti.
Mihin tekoälypohjaisen sijoittamisen hyöty perustuu?
AI-pohjaisten sijoitusstrategioiden menestys perustuu ennen kaikkea niiden kykyyn analysoida valtavia tietomääriä nopeasti ja tehokkaasti.
Tekoälyalgoritmit tunnistavat markkinatrendejä, arvioivat riskejä ja optimoivat sijoitussalkkuja huomattavasti perinteisiä menetelmiä tehokkaammin. Ne kykenevät käsittelemään sekä rakenteellista että rakenteetonta dataa – esimerkiksi uutisotsikoita, tilinpäätöstietoja ja sosiaalisen median signaaleja – ja löytämään niistä piileviä yhteyksiä, joita ihminen ei välttämättä huomaa.
Tekoäly voi hyödyntää monimutkaisia tilastollisia ja matemaattisia malleja, joiden avulla se tunnistaa markkinoiden tehottomuuksia ja anomalioita, eli tilanteita joissa osakkeiden hinnat eivät täysin heijasta kaikkea saatavilla olevaa informaatiota. Näiden poikkeamien hyödyntäminen mahdollistaa ylituottojen saavuttamisen, erityisesti kun tekoäly pystyy sopeutumaan nopeasti markkinoiden muutoksiin ja oppimaan jatkuvasti uutta datasta.
Lisäksi AI-strategiat eivät kärsi samoista psykologisista vinoumista kuin ihmissijoittajat, kuten liiallisesta itsevarmuudesta tai laumakäyttäytymisestä, mikä parantaa päätöksenteon rationaalisuutta ja johdonmukaisuutta.
Kun tekoäly yhdistetään tehokkaaseen hajautukseen ja riskienhallintaan, voidaan rakentaa salkkuja, jotka tuottavat kilpailukykyisiä tai jopa markkinoita ylittäviä tuottoja pitkällä aikavälillä.
Tekoälylläkin on rajansa
Markkinoiden tehokkuuden teoria asettaa kuitenkin rajoituksia ylituottojen pysyvyydelle: kun toimivat strategiat tulevat laajemmin tunnetuiksi, niiden tuottopotentiaali usein heikkenee. Siksi tekoälypohjaisten strategioiden menestys perustuu myös jatkuvaan innovointiin ja kehittyvien mallien hyödyntämiseen
Vaikka tekoälyn tuottamat signaalit ja salkut ovat historiallisesti tuottaneet ylituottoa, kaikki tekoälyalustat korostavat, ettei mennyt kehitys takaa tulevaa. Markkinoiden arvaamattomuus ja ulkoiset tekijät voivat muuttaa tilannetta nopeasti.
Tekoäly ei siis vielä korvaa täysin sijoitusanalyytikkoa, mutta se tarjoaa tehokkaan työkalun datan seulontaan, markkinasignaalien tunnistamiseen ja todennäköisyyksien laskentaan.
Tekoälypohjaiset sijoitusstrategiat perustuvat valtavan tietomäärän analysointiin ja kykyyn tunnistaa markkinatrendejä sekä riskejä tehokkaasti, mutta ne eivät ole erehtymättömiä.
Virheet voivat johtua esimerkiksi huonolaatuisesta tai vinoutuneesta datasta, mallin rakenteellisista puutteista, liiallisesta luottamuksesta algoritmien tuottamiin tuloksiin ilman ihmisen valvontaa tai teknisistä ongelmista, kuten kyberturvallisuusriskit ja mallin ylisovittaminen historialliseen dataan.
Luotettavuus syntyy siitä, että tekoälyä käytetään sijoituspäätösten tukena, ei ainoana päätöksentekijänä.
Parhaat tulokset saavutetaan yhdistämällä tekoälyn analyysit ihmisen asiantuntemukseen ja kriittiseen arviointiin. Säännöllinen mallien valvonta, tulosten tarkistaminen ja riskienhallinta ovat olennaisia. Esimerkiksi Morningstarin analyysissa havaittiin, että tekoälyohjatut rahastot menestyivät parhaiten, kun niiden vaihtuvuus oli alhaisempi ja ne välttivät yleisiä käyttäytymisharhoja, mutta niiden tuotto ei silti poikennut merkittävästi markkinoista suurimmassa osassa otantajaksoja.
Sijoittajan kannalta tekoälyn hyödyntäminen on ennen kaikkea kilpailuetu – mutta vaatii ymmärrystä mallien rajoituksista ja jatkuvaa kriittistä arviointia.
