ณ วันที่ 25/05/2566
ภาพกราฟฟิก ที่มา www.cnbc.com
หลังจากที่เราได้แนะนำที่มาและความหมายของเอไอไปในบทความที่แล้ว คราวนี้เรามาสรุปประเด็นสำคัญที่ผู้เชี่ยวชาญด้านเทคโนโลยีและด้านการลงทุนได้เคยพูดไว้ เกี่ยวกับเอไอและผลกระทบในอนาคตของตลาดการลงทุนโดยรวม
วิวัฒนาการของเอไอนั้นเป็นผลต่อเนื่องมาจากยุคคอมพิวเตอร์ตั้งโต๊ะมาสู่โลกของอินเตอร์เน็ตเข้าสู่ยุคของโทรศัพท์มือถือ จนเปลี่ยนผ่านมาสู่โลกของเอไอนั้นใช้เวลานานกว่าสามสิบปี และขณะนี้ก็นับว่าเป็นช่วงเวลาของการปรับเปลี่ยนกระบวนทัศน์ (paradigm shift) จากการเขียนโปรแกรมแบบชัดเจนให้ได้คำตอบตามวัตถุประสงค์ (explicit programming) ไปสู่การเขียนโปรแกรมให้เครื่องเรียนรู้เอง เพื่อการตัดสินใจโดยอัตโนมัติ (implicit programming)
อย่างไรก็ตาม ยังคงต้องพึ่งพามนุษย์ให้เป็นผู้กำหนดเงื่อนไขต่างๆ ขึ้น เอไอที่นำมาประยุกต์ใช้กับตลาดทุน/ตลาดโภคภัณฑ์ในปัจจุบันยังถือว่าอยู่ในช่วงเริ่มต้น เพราะยังต้องใช้ข้อมูลแบบ Big Data ที่มีประสิทธิภาพอีกมากเพื่อมาพัฒนางานวิจัยด้านนี้ต่อไป
แนวคิดของการใช้คอมพิวเตอร์เพื่อซื้อขายหลักทรัพย์ต่างๆนั้นมีมานานแล้ว ซึ่งเรียกกันว่า algorithmic trading หรือการซื้อขายตามกระบวนการขั้นตอนที่กำหนด เป็นการลดจุดอ่อนของมนุษย์ ที่มีความลังเลในการตัดสินใจออกไปจากสมการในโปรแกรม แต่ยังไม่แพร่หลายนักในกลุ่มนักลงทุนทั่วไป เพราะนักลงทุนส่วนใหญ่นั้นยังเชื่อและมั่นใจโปรแกรมคอมพิวเตอร์ที่ใช้การวิเคราะห์เชิงเทคนิคที่พัฒนากันมาตั้งแต่ยุคกลางศตวรรษที่ 20
ปัจจุบันมีการใช้ ML (Machine Learning) และ AI (Aritificial Intelligence) ในองค์กรใหญ่ๆ เกี่ยวกับกลยุทธการลงทุนเพื่อพัฒนากระบวนการขั้นตอน ค้นหาสภาพคล่อง ที่เรียกว่า Liquidity searching algorithm ทำให้บุคลากรในสายงานเหล่านี้ถูกลดจำนวนลงและเพิ่มบทบาทของ เอไอ ในองค์กรตัวเอง มีความเป็นไปได้สูงที่อนาคตอันใกล้คงจะมีการใช้ข้อมูลแบบ real-time เพื่อมาประมวลผล ทำให้เกิดการพัฒนาและปรับแก้ตัวแบบจำลองให้เกิดการเรียนรู้ใหม่ โดยการใช้ ML/AI อย่างมีประสิทธิภาพ องค์กรที่ว่านี้ก็รวมไปถึงกองทุนบริหารความเสี่ยง (hedge funds) ด้วย
ผลกระทบต่อตลาดหุ้นเบื้องต้นสามารถเห็นได้จากข้อมูลเชิงสถิติในอดีตระหว่างปี ค.ศ. 1960 ว่านักลงทุนส่วนใหญ่จะถือหุ้นโดยเฉลี่ยประมาณ 4 ปี พอมาในช่วงปี 2000 ระยะเวลาเฉลี่ยในการถือหุ้นนั้นลดลงเหลือประมาณ 8 เดือน พอมาถึงปี 2008 เวลาในการถือครองหุ้นนี้ก็ลดลงเหลือเพียงประมาณ 2 เดือนเท่านั้น ในปี 2020 คาดการณ์ว่าค่าเฉลี่ยของระยะเวลาในการถือครองหุ้นจะลดลงเหลือเพียง 20 วินาที นักวิชาการได้ประเมินว่า ต่อไปอีกไม่นานตัวเลขนี้อาจจะลดลงเหลือเพียง 10 วินาที (Yadav, 2019)
Machine Learning หรือ ML คือชุดของกระบวนการขั้นตอน (algorithms) ที่ใช้ในการดึงข่าวสาร สารสนเทศ (information) จากข้อมูลดิบ (raw data) แล้วนำไปใช้ในแบบจำลองทางคณิตศาสตร์ที่กำหนดขึ้น รูปแบบหนึ่งของ ML techniques ที่ใช้กันค่อนข้างแพร่หลายคือกระบวนการขั้นตอนที่เรียกว่า โครงข่ายประดิษฐ์ (Neural Networks หรือ NN) ซึ่งใช้กันมาตั้งแต่ปี 1960 แล้ว
ภาพกราฟฟิก ที่มา www.mgronline.com
ที่น่าสนใจคือการเรียนรู้ของ NN ในปัจจุบันพบว่ามีประสิทธิภาพสูงขึ้น ทั้งๆ ที่นักวิชาการก็ยังไม่ค่อยเข้าใจถึงสาเหตุที่ทำให้ NN ให้ผลลัพธ์ที่ดีกว่าวิธีการอื่น จึงยังมีการศึกษาวิจัยเฉพาะทาง เพื่อทำความเข้าใจกับโครงสร้างของโครงข่ายประดิษฐ์ให้มากขึ้นตัวอย่างเช่น โครงการ Google DeepDream เป็นต้น อย่างไรก็ตาม ML ไม่ใช่ยาครอบจักรวาล ที่จะใช้หาคำตอบได้ทุกเรื่อง เพราะยังมีข้อจำกัดอยู่หลาย อย่างเช่น
1. ML ใช้ได้ดีกับข้อมูลที่มีรูปแบบซ้ำๆ (repeatable patterns) แต่จะมีข้อผิดพลาดสูง เมื่อรูปแบบของข้อมูลนั้นเปลี่ยนไปซึ่งเกิดขึ้นได้เสมอในชีวิตจริง ทำให้การตัดสินใจของ ML ยังสู้มนุษย์ไม่ได้
2. กระแสหลักของการใช้ ML นั้นต้องพึ่งพาชุดข้อมูล (data set) มหาศาล และต้องมีกระบวนการฝึกฝนให้เกิดการเรียนรู้ ซึ่งจะมีค่าใช้จ่ายสูงและใช้เวลานาน ตลอดจนการพัฒนาทางวิชาการจึงต้องลงทุนอย่างต่อเนื่อง
งานวิจัยของ Mohini Yadav (2019) ระบุถึงข้อมูลจากบริษัท Preqin ที่รวบรวมไว้ในปี 2014 ว่า มีกองทุนที่เน้นการป้องกันความเสี่ยง (hedge funds) กว่า 40% ที่ใช้แบบจำลองทางคอมพิวเตอร์ สำหรับการซื้อขายสินทรัพย์ของกองทุน โดยใช้ algorithm ที่ออกแบบให้มีการซื้อขายสั่งการได้อย่างรวดเร็ว เพื่อตอบสนองการเปลี่ยนแปลงที่เกิดขึ้นในตลาดทุน เป็นเหตุให้ตลาดหุ้นที่สหรัฐอเมริกาต้องมีการ ออกกฎระเบียบโดย Securities and Exchange Commission เพื่อมาควบคุมการซื้อขายโดยการใช้เอไอ สาเหตุเพราะอาจทำให้ตลาดล่มได้ หากมีคำสั่งซื้อขายจำนวนมหาศาลเข้ามาในคราวเดียว จนมีการเตือน จากนักวิชาการสุดโต่งว่าการซื้อขายในตลาดหุ้นของโลกอนาคตอาจเข้าสู่สภาวะ financial singularity ที่ไม่จำเป็นต้องมีมนุษย์มาควบคุมอีกต่อไป
เมื่อปี 2018 Gordon Cheung รองผู้บริหารระดับสูงของ SBMA (Singapore Bullion Market Association) ได้ย้ำถึงเรื่องการใช้เอไอในตลาดทุน โดยชี้ให้เห็นว่าการลงทุนของหลายบริษัทที่ดูแลการซื้อขายหลักทรัพย์ (trading houses) กำลังเทไปในทิศทางที่เน้นการพัฒนาเทคโนโลยีเอไอ เช่น กองทุน Vision Fund ก่อตั้งโดย Masayoshi Son ในปี 2017 จากกลุ่มบริษัท SoftBank ที่ลงทุนไปแล้วกว่าแสนล้านเหรียญ ในการศึกษาวิจัย AI, Robotics และ IoT ส่วนบริษัท Bridgewater Associates, Renaissance Technologies, Cidatel and D.E. Shaw และอีกหลายบริษัทก็เริ่มใช้เอไอในกลยุทธ์การควบคุมการซื้อขายก็เพื่อเน้นแสวงหาผลตอบแทนที่มากขึ้น
นอกจากนี้ ยังมีบริษัท JP Morgan Chase’s Contract Intelligence (COiN) ที่ใช้กระบวนการ deep learning algorithms เพื่อวิเคราะห์และทบทวนการให้เครดิตกับลูกค้ากว่า 10,000 ราย ในส่วนของสถาบันการเงินเองก็มีการก่อตั้ง Machine Learning Department เพื่อพัฒนาเทคโนโลยีเอไอ สำหรับงานในระบบธนาคาร เป็นต้น
ภาพกราฟฟิก ที่มา www.posttoday.com
จุดเริ่มต้นของการใช้ AI และ ML อย่างจริงจังนั้น เกิดขึ้นในยุคปี 1990s จากในกลุ่มอุตสาหกรรมทางการเงิน และได้พัฒนาขึ้นอย่างรวดเร็วในช่วงต้นปี 2016 ซึ่งไม่เพียงจะทำให้ระบบการซื้อ-ขายหลักทรัพย์เปลี่ยนแปลงไป แต่ยังส่งผลกระทบไปยังระบบการเงินทั้งระบบด้วย
มีการประเมินโดย สถาบัน Thomson Reuters ว่า สถิติการใช้ algorithmic trading (รวมถึงการใช้ AI/ML) ในตลาดซื้อ-ขายหลักทรัพย์มีการใช้งานแล้วกว่า 75% ของการซื้อ-ขายทั่วโลก และบริษัทที่ให้ความสำคัญอย่างมากกับเรื่องนี้เป็นพวก Quantitative Trading Firms ที่เรียกกันสั้นๆ ว่า Quants คือ กลุ่มบริษัทที่มีความเชี่ยวชาญด้านคณิตศาสตร์ การเขียนโปรแกรม การวิเคราะห์ทางสถิติสำหรับการลงทุนที่เน้นศึกษาหารูปแบบการเคลื่อนไหวของตลาดที่ซ่อนอยู่ในข้อมูล เพื่อมากำหนดกลยุทธ์การลงทุน
InsightBrief ซึ่งเป็นสถาบันวิจัยอิสระในประเทศอังกฤษได้สรุปเกี่ยวกับผลกระทบ เนื่องจากการใช้เอไอในตลาดการเงิน ที่รวมถึงตลาดทุน ตลาดหุ้น ตลาดพันธบัตร ตลาดอนุพันธ์ตลาดซื้อ-ขายสินค้าโภคภัณฑ์ล่วงหน้าไว้เช่นเดียวกับ Cheung ว่า ธนาคารและสถาบันการเงินเป็นกลุ่มแรกๆ ที่ลงทุนด้วยเงินมหาศาลที่พยายามนำเอาเอไอมาใช้ในทุกส่วนของการให้บริการลูกค้า เช่น Trading and portfolio management, Capital optimization, Risk manangement, Market analysis & forecasting, BigData analysis of indicators (index prices, market sentiment etc), Regulatory compliance, Client-facing chatbots, Robo-advisor เป็นต้น
ทั้งนี้ จะเน้นการใช้ Machine Learning (ML) เพื่อการวิเคราะห์ข้อมูลเหตุการณ์ช่วยเหลือแก้ไข และใช้ตัดสินใจได้อย่างทันท่วงที ทำให้นักการเงินการธนาคารส่วนใหญ่กว่า 84% ของกลุ่มธนาคารและสถาบันการเงิน มองว่าความสำเร็จของหน่วยงานจะขึ้นอยู่กับประสิทธิภาพของเอไอที่นำมาใช้ จึงไม่น่าแปลกเลยที่มีการลงทุนอีกกว่า 5.6 พันล้านเหรียญ เพื่อวิจัยพัฒนาเอไอในปี 2019 และคาดว่าการลงทุนแบบนี้จะเพิ่มขึ้นไปถึงหนึ่งหมื่นเก้าพันล้านเหรียญในปี 2025 ผลกระทบที่เห็นชัดเจนก่อนอื่นคือ เรื่องของการตกงานที่มีกว่า 400,000 ตำแหน่ง จากประมาณ หนึ่งล้านเจ็ดแสน ตำแหน่งในตลาดทุนตลาดการเงิน และจะหายไปหมดเมื่อถึงปี 2030
ข้อดีของการใช้เอไอก็มีมากเช่น จะทำให้การรวบรวมและวิเคราะห์ข้อมูลสามารถทำได้มากขึ้น และเกิดขึ้นอย่างมีประสิทธิภาพ สามารถเชื่อมตลาดกับดัชนีชี้วัดตัวอื่นได้มากขึ้น สามารถติดตามการเคลื่อนไหวเปลี่ยนแปลงที่ผิดปกติจากพวกมิจฉาชีพได้อย่างรวดเร็ว เป็นต้น
ภาพกราฟฟิก ที่มา www.thairath.co.th
ความท้าทายที่เกิดขึ้นเมื่อมีการใช้เอไอในตลาดการเงินตลาดทุนก็คือ ประเด็นความน่าเชื่อถือของเครื่องมือทางดิจิตัลนี้ InsightBrief ระบุว่ามีผู้ใช้งานเพียง 33% ที่รายงานว่าได้ผลตามเป้าหมาย อีก 18.7% ได้ทดลองใช้แล้วแต่ไม่ได้ผลคุ้มค่ากับเงินที่ลงทุนไป ส่วนที่เหลือนั้นยังไม่มีผลการรายงาน
นอกจากนี้ ยังมีรายงานจากผลการสำรวจของ SAS และ The Global Association of Risk Professionals เกี่ยวกับการใช้เอไอในตลาดการเงินสรุปว่า มีผู้ใช้งานตอบรับการให้ข้อมูล และคุณภาพของเอไอประมาณ 59% แต่ที่ยังขาดความเข้าใจในเรื่องของเอไอยังมีอยู่ถึง 54% ส่วนที่ยังขาดทักษะ ความชำนาญอีกประมาณ 52% เป็นต้น
เรื่องของความเสี่ยงที่ผู้ใช้งานเอไอพึงระวังก็มีบ้าง เช่น ระบบ ที่ใช้เอไอนั้น ต้องพึ่งพาข้อมูลจากภายนอกที่เรียกว่า third-party data sources หากข้อมูลเหล่านั้น ถูกต้องแม่นยำดีก็ดีไปแต่หากเป็นข้อมูลลวงหรือข้อมูลเท็จ ก็จะทำให้ผลการวิเคราะห์ของเอไอผิดพลาด และก่อให้เกิดความเสียหายได้ และสุดท้ายหากนักลงทุนใช้กลยุทธ์การซื้อขายโดยใช้เอไอตัวเดียวกัน ก็อาจส่งผลให้ตลาดขาดเสถียรภาพ ถึงขนาดตลาดล่มได้เลย
ปัจจุบันมีบริษัทชั้นนำของโลกหลายแห่งได้นำเอาเอไอมาใช้เพื่อเพิ่มประสิทธิภาพขององค์กร ไปจนถึงเรื่องของการซื้อ-ขายหลักทรัพย์ในตลาดทุน ตลาดโภคภัณฑ์ รวมถึงทองคำด้วย มีการใช้เงินมากมายเพื่อพัฒนาเอไอ และเครื่องจักรกล อัจฉริยะ เพื่อทดแทนมนุษย์ในขั้นตอนของการตัดสินใจ
อย่างไรก็ตาม เทคโนโลยีที่ก้าวหน้ามากขึ้นและวิวัฒนาการด้านการคำนวณชั้นสูง (รวมถึง cloud computing) อาจทำให้เราไม่ต้องพึ่งพาเครื่องจักรกลอัจฉริยะอีกต่อไป แต่อาจจะหันมาเน้นพัฒนามนุษย์เหมือนกับที่ Ray Kurweil นักประดิษฐ์และผู้มีวิสัยทัศน์ เคยกล่าวไว้ว่าภายในปี 2030 เราอาจจะเพิ่มความสามารถของสมองเราซึ่งปกติมีเซลประสาทโดยธรรมชาติอยู่แล้ว 300 ล้านเซล ให้เพิ่มเป็น 3 แสนล้านเซล โดยการฝังอุปกรณ์ขนาดเล็กเข้าไปในสมองเพื่อเพิ่มประสิทธิภาพในการคิดและการตัดสินใจ สิ่งเหล่านี้จะเกิดขึ้นหรือไม่คงต้องรอ ติดตามกันต่อไป
ที่มา : วารสารทองคำ ฉบับที่ 62 เดือน กรกฎาคม-กันยายน 2563
เอกสารอ้างอิง
InsightBrief. (2019). Impact Brief: The Transformative Impact of AI in Financial Markets. Retrieved from https://www.insightbrief.net/wp-content/uploads/The-Transformative-Impact-of-AI-in-Financial-Markets-InsightBrief.pdf?tagged=true
Gordon Cheung. (2018). The Impact of Artificial Intelligence on Trading and Finance. Retrieved from https://www.sbma.org.sg/media-centre/publication/crucible-issue-7/the-impact-of-artificialintelligence-on-trading-and-finance/
FXIGOR: FOREX EDUCATION. (2020, September 3). Future Impact of Artificial Intelligence and Machine Learning in Finance. Retrieved from https://www.forex.in.rs/future-impact-of-artificial-intelligence/
Mohini Yadav. (July 2019). Impact of Artificial Intelligence on Trading in Financial Markets. International Journal of Advanced Scientific Research and Management, Vol 4 Issue 7. Retrieved from http://ijasrm.com/wp-content/uploads/2019/07/IJASRRM_V4S6_1533_32_36.pdf