مقاله فرصت ها و چالش های هوش مصنوعی در بازارهای مالی

توضیحات

مقاله فرصت ها و چالش های هوش مصنوعی در بازارهای مالیصداقت، اعتبار ماست اين مقاله صرفا تبديل به Word و مرتب شده تا دانشجويان بتوانند به عنوان منابع از آن به راحتي استفاده كنند و PDF آن در سايت ها موجود مي باشد: كليك كنيد چکيده با پيشرفت تکنولوژي در همه عرصه‌ها و فناوري‌هاي نوظهور مانند هوش مصنوعي، تکنيک‌هاي هوش مصنوعي به طور فزايند‌هاي در بازار‌هاي مالي، مانند مديريت دارايي، تجارت الگوريتمي، پذيره نويسي اعتبار‌ي يا تامين مالي مبتني بربلاک چين به کار گرفته مي‌شوند. در حاليکه هوش مصنوعي باعث بهبود کارايي شرکتها و افزايش کيفيت خدمات مالي در بازار‌هاي مالي، مي‌شود؛ اما منجر به خطرات مالي و غير مالي نيز مي‌شود. اين مقاله با رويکرد مروري به مطالعه کاربردها و خطرات ناشي از استفاده از هوش مصنوعي و مدل‌‌هاي مبتني بر يادگيري ماشين در بازار‌هاي مالي که يکي از مهمترين عرصه‌‌هاي اقتصادي است، مي‌پردازد. کلمات کليدي: هوش مصنوعي، بازار‌هاي مالي، فرصت ها، چالشها مقدمه يکي از فناوري‌‌هاي نوظهور که تآثير عميقي بر همه عرصه‌‌هاي مختلف زندگي بشري داشته است، هوش مصنوعي است. در سال‌هاي اخير اين فناوري به حوزه‌‌هاي مالي نيز راه يافته است. مدل‌‌هاي مختلف هوش مصنوعي به توسعه سريع فناوري مالي کمک بسيار بزرگي کرده است. هوش مصنوعي به عنوان يک ابزار مهم فناوري مالي، تجارت کمي درآمد تخصيص دارايي را تا حد زيادي بهبود بخشيده و خطرات را کاهش داده است. اين فناوري به تدريج در حال تبديل شدن به بخش مهم بازار داخلي مالي است و توجه گسترده صنعت مالي و دانشگاه را به خود جلب کرده است. . هوش مصنوعي يکي از مؤلفه‌‌هاي کليدي بخش فناور‌ي مدرن ويکي از حوزه‌‌هاي حياتي علوم رايانه، هوش مصنوعي است. هوش مصنوعي ظرفيت دستگاه‌‌هاي ديجيتال و رايانه‌ها برا‌ي انجام عمليا ت‌هايي است که توسط انسان انجام مي‌شود، مانند تفکر و برداشت دانش از طريق تجربه. هدف هوش مصنوعي توسعه سيستم‌هايي است که با هوش هستند و با يادگيري و درک به ارائه خدمات دقيق و سريع به مشتريان، شبيه به انسان‌ها عمل مي‌کنند ( ,Al-Ratami، ٢٠١٢)[٣] واژه هوش مصنوعي، اولين بار در سال ١٩٥٥ توسط جان مک کارتي,(Sahu, H ,Gupta, V. ,Yadav, A. ,.٢٠١٧) [٢٥] ابداع شد. هدف هوش مصنوعي ساخت ماشين‌‌هاي هوشمندي است که مانند مغز انسان توانايي کسب دانش، قضاوت، تفکر اصيل و توانايي تشخيص ارتباطات را دارنند و مي‌توانندبه شرايط مختلف پاسخ دهند (O’Leary, D & ,Carol, E., ٢٠١٣)[٨] ٢.اهميت هوش مصنوعي در امور مالي بحران کوويد١٩ روند ديجيتالي سازي از جمله استفاده از هوش مصنوعي را که قبلاً پيش از همه‌گير‌ي مشا هده شده بود، از تسريع وتشديد کرده است. پيش‌بيني مي‌شود که هزينه‌‌هاي جهاني برا‌ي هوش مصنوعي در دوره ٢٠٢٤-٢٠٢٠دوبرابرشود و از ٥٠ميليارد دلار درسال ٢٠٢٠به بيش از ١١٠ميليارد دلار درسال ٢٠٢٤افزايش يابد. (IDC، ٢٠٢٠)[١٤] با زياد شدن حجم داده‌ها و پيچيده شدن محاسبات و احتمال خطا‌هاي کم و کيفي در بازار‌هاي مالي استفاده از فناوري هوش مصنوعي افزايش يافته است. .تاثير هوش مصنوعي بر بازار‌هاي مالي امروزه تمام فعاليت‌‌هاي معاملاتي در بازار‌هاي مالي، بر روي پلتفرم هوش مصنوعي انجام مي‌شود. تفاوت اصلي بين رويکرد هوش مصنوعي و يادگيري ماشين و رويکرد مرسوم در اين است که رويکرد يادگيري ماشين پيش‌بيني محور است در حالي که رويکرد مرسوم توضيح محور است. به عبارت ديگر رويکرد يادگيري ماشين عمدتاً بر پيش‌بيني خارج از نمونه متغير وابسته به جاي توضيح متغير وابسته درون نمونه تمرکز مي‌کند (Zhang &Bao, Ke, Li, Yu, ,٢٠٢٠)[٢٦].يکي ديگر از نقاط قوت هوش مصنوعي تداوم جمع آوري داده هاست. هرچه پايگاه داده گسترده تر باشد، سيستم موثر تر است. .هوش مصنوعي در حوزه واسطه گري اعتباري توسعه مدل‌ها و الگوريتم‌‌هاي جديد در يکي از شاخه‌‌هاي هوش مصنوعي به نام يادگيري ماشين، حوزه مالي و ريسک اعتباري را متحول مي‌کند. يادگيري ماشين در اين زمينه کمک زيادي مي‌کند زيرا ريسک اعتباري شامل مجموعه داده‌هايي است که بايد به طور دقيق تجزيه و تحليل، آزمايش و پردازش شوند. (. Gui, Liyu، ٢٠١٩) [١٢] استفاده از هوش مصنوعي در حوزه واسطه گري اعتباري، تصميمات اعتباري و شناسايي تهديدات براي موسسات را بهبود بخشيده است. در اين زمينه مدل‌‌هاي يادگيري ماشين، هم به بانک‌ها در پايين آوردن ريسک کمک مي‌کند و هم به مشتريان اين امکان را مي‌دهد که بتوانند رفتارهايي که ممکن است به امتيازات اعتباري آنها آسيب بزند را شناسايي کنند.(. Gui, Liyu، ٢٠١٩) [١٢] ٤,١.چالش‌هاي هوش مصنوعي در حوزه واسطه گري اعتباري با وجود فرصت‌هاي بالقوه، اما به علت وجود داده‌‌هاي ناکافي و تبعيض آميز (مثل جنسيت و نژاد)، استفاده از هوش مصنوعي مي‌تواند خطر رفتار‌هاي مقرضانه و تبعيض آميز را تشديد کند. چنين چالش‌هايي در اعتبار اعطايي شده توسط شرکت‌هاي فناوري بزرگ تشديد هوش مصنوعي مبتني بر بلاک چين بلاک چين يک سيستم توزيع از دفتر کل است که با استفاده از يک الگوريتم و فناوري‌‌هاي امنيتي و رمزنگاري در پي دستيابي به يکپارچگي و حفظ آن است. (دنيل درشر، ٢٠١٧)[٢]در مجموع انجمن حسابداران انگلستان و ولز به بلاک چين به عنوان يک فناوري حسابداري استفاده ازتکنيک‌‌هاي هوش مصنوعي در امور مالي مبتني بربلاک چين مي‌تواند دستاورد‌‌هاي بالقوه کارايي درسيستم‌هاي مبتني بر دفتر کل توزيع شده را افزايش دهد و قابليت‌‌هاي قرارداد‌‌هاي هوشمند را افزايش دهد. هوش مصنوعي مي‌تواند استقلال قرارداد‌‌هاي ١.چالش‌هاي هوش مصنوعي در معاملات مبتني بلاک چين در سيستم‌‌هاي مبتني بر هوش مصنوعي مانند تمام سيستم‌‌هاي کامپيوتري، اطلاعات بي کيفيت و ناکافي، نتيجه بي کيفيت توليد ميکند.اين مشکل در بازار‌هاي مال .هوش مصنوعي در مديريت دارايي استفاده از هوش مصنوعي در مديريت دارايي منجر به افزايش کارايي، افزايش دقت گردش کار عملياتي، افزايش عملکرد، تقويت مديريت ريسک و بهبود تجربه مشتري مي‌شود(Blackrock، ٢٠١٩) [١٥]با توجه به اين که مدل‌‌هاي يادگيري ماشين مي‌تواند با استفاده از کلان داده، هزاران عوامل ريسک را به صورت روزانه بررسي کند، مديريت ريسک را براي مديران دارايي و ساير سرمايه گذاران بزرگ افزايش دهد.. (OECD، ٢٠٢١)[٢١] .چالش‌هاي هوش مصنوعي در مديريت دارايي استفاده از هوش مصنوعي، يادگيري ماشين و کلان داده، ممکن است بيشتر در دسترس مديران دارايي‌‌هاي بزرگتر که داراي منابع بيشتري هستند، قرار بگيرد که ٧.هوش مصنوعي در تجارت الگوريتمي شرکت‌هاي معاملاتي سهام در جهان در تلاش هستند تا از معاملات اختياري به معاملات الگوريتمي رو آورند. معاملات الگوريتمي به تاکتيک‌‌هاي معاملاتي اطلا ق مي‌شود که هم از نظر اجرا و هم از نظر شناسايي معاملات به صورت خود کار هستند.تجارت الگوريتمي يکي از پر تقاضاترين فناوري‌ها در عصر حاضر است. اين معاملات با حذف خطا‌هاي انساني و تغيير کامل نحوه ارتباط بازار‌هاي سهام يکي از استراتژي‌‌هاي معاملات الگوريتمي، تجارت آربيتراژ است که به دنبال سود ناشي از ناکارآمدي‌‌هاي کوتاه مدت بازار است و در شرايط قيمت گذاري نادرست يک دارايي در بازار‌هاي مختلف يا دارايي‌‌هاي مرتبط در يک بازار مالي به وجود مي‌آيد. (. Gui, Liyu، ٢٠١٩) [١٢]آربيتراژ جريان نقد‌ي ثابت و مقدار قابل توجهي ازسود را براي معامله گران تضمين کرده است. سيستم‌‌هاي هوش مصنوعي با اطمينان هر گونه تفاوت قيمت و شرايط آبيتراژ را شناسايي مي‌کنند و در دوره کوتاه براي کسب سود بهره مي‌برند بنابراين هيچ ريسکي براي از دست دادن ول وجود ندارد. (. Gui, Liyu، ٢٠١٩) [١٢] .چالش‌‌هاي هوش مصنوعي در تجارت الگوريتمي استفاده از الگوريتم‌‌هاي هوش مصنوعي توسط معامله گران، منجر به تقويت استرس در بازارها مي‌شود. پيدايش مدل‌‌هاي پر کاربرد هوش مصنوعي، فرصت‌‌هاي آربيتراژ و حاشيه‌ها را کاهش خواهد داد که نتيجه آن کاهش اسپرد(تفاوت قيمت ) پيشنهادات خريد به نفع مصرف کنندگان خواهد بود.همچنين ايجاد همگرايي، رفتار گل‌هاي و بازار‌هاي يک طرفه و حلقه‌‌هاي ٨.نتيجه گيري مدل‌‌هاي هوش مصنوعي و يادگيري ماشين در بازار‌هاي مالي فرصت‌‌هاي بسياري از جمله : پايين آوردن ريسک مديريتي، بالا بردن سود و بهره وري، انجام معاملات سريع و افزايش نقدينگي بازار، بالا بردن شمول مالي در جامعه و جلوگيري از دستکاري و جعل در بازار ايجاد مي‌کند. در عين حال چالشهايي مثل سو گيري و تباني، هزينه‌‌هاي اوليه بالا و خطر سقوط ناگهاني را به وجود مي‌آورد. پيشنهادات پيشنهاد مي‌شود جهت استفاده بهينه از فناوري هوش مصنوعي و مقابله با چالش‌هاي آن، متخصصين هوش مصنوعي با بالا بردن ميزان تخصص در زمينه هوش مصنوعي و مطالعات بيشتر در اين زمينه شناخت بيشتري نسبت به اين فناوري پيدا کنند. همچنين حسابداران و فعالان حوزه مالي نسبت به بالا بردن دانش ديجيتال تلاش کنند.در اين رابطه به وجود آمدن رشته دانشگاهي امور