آکادمیسالهاست که هوش مصنوعی به معامله‌گران کمک می‌کند بازار را درک کنند. اکنون، این فناوری در حال آغاز تصمیم‌گیری درون بازار است. از تفسیر سیگنال‌های بازار گرفته تا آماده‌سازی و اجرای سفارش‌ها، سامانه‌های مجهز به هوش مصنوعی از تحلیل فراتر رفته و وارد فعالیت‌هایی می‌شوند که مستقیماً بر نحوه عملکرد بازارهای مالی تأثیر می‌گذارند.
نهادهای ناظر توجه خود را معطوف کرده‌اند. در ۲۸ اکتبر، کمیسیون معاملات آتی کالاهای ایالات متحده (CFTC) نخستین نشست از مجموعه «انجمن‌های مرزی» خود را برگزار خواهد کرد و هوش مصنوعی و امور مالی عامل‌محور را در بحثی عمومی با حضور توسعه‌دهندگان فناوری، پژوهشگران، فعالان بازار و دیگر ذی‌نفعان مطرح خواهد کرد.
این زمان‌بندی بازتاب‌دهنده تغییری گسترده‌تر در فناوری مالی است. با توانمندتر شدن سامانه‌های خودکار برای اقدام مستقل، پرسش‌هایی درباره پاسخ‌گویی، سلامت بازار و حمایت از سرمایه‌گذاران، بیش از پیش جدایی‌ناپذیر از خود فناوری می‌شوند. برای معامله‌گران رمزارز، انجمن هوش مصنوعی و امور مالی عامل‌محور CFTC نگاهی اولیه به رویکرد نهادهای ناظر نسبت به تحولی ارائه می‌دهد که می‌تواند زیرساخت معاملات را بسیار فراتر از هر بازار منفردی تحت تأثیر قرار دهد.
چرا CFTC توجه خود را به امور مالی عامل‌محور معطوف کرده است
CFTC مجموعه «انجمن‌های مرزی» خود را راهی برای بررسی فناوری‌های مالی نوظهور و هم‌زمان ارزیابی سازوکارهای حفاظتی لازم برای پشتیبانی از بازارهای منظم معرفی کرده است. آغاز این مجموعه با موضوع هوش مصنوعی نشان می‌دهد که خودکارسازی چگونه از یک کارکرد پشتیبان به نقشی فعال‌تر در تصمیم‌گیری مالی گسترش می‌یابد.
سامانه‌های معاملاتی سنتی هم‌اکنون نیز استراتژی‌ها را بر اساس قوانین ازپیش‌تعیین‌شده اجرا می‌کنند. امور مالی عامل‌محور انعطاف‌پذیری بیشتری ایجاد می‌کند و به نرم‌افزار اجازه می‌دهد اطلاعات را تفسیر کند، از میان اقدامات موجود انتخاب کند و برای دستیابی به هدفی گسترده‌تر، چندین گام را اجرا کند.
این تفاوت اهمیت دارد، زیرا تصمیم‌های خودکار به‌ندرت در انزوا رخ می‌دهند. سامانه‌های مختلف ممکن است سیگنال‌های یکسانی را مشاهده کنند، به نتایج مشابهی برسند و تقریباً هم‌زمان موقعیت‌های خود را تعدیل کنند.
وخامت ناگهانی نقدشوندگی بازار را در نظر بگیرید. یک عامل معاملاتی ممکن است میزان مواجهه خود را کاهش دهد، عامل دیگری سفارش‌های در حال انتظار را پس بگیرد و عامل سوم برای جلوگیری از زیان‌های بیشتر، اجرای سفارش‌ها را تسریع کند. هر یک از این واکنش‌ها ممکن است به‌تنهایی منطقی به نظر برسد، اما اثر ترکیبی آن‌ها می‌تواند اختلالی را که در تلاش برای مدیریت آن هستند، تشدید کند.
نگرانی واقعی فقط سرعت نیست. پرسش بزرگ‌تر این است که وقتی تعداد زیادی تصمیم خودکار شروع به تأثیرگذاری بر یکدیگر می‌کنند، چه اتفاقی می‌افتد؛ به‌ویژه در بازارهایی که نقدشوندگی می‌تواند به همان سرعتی که وارد می‌شود، ناپدید شود.
برای نهادهای ناظر، این موضوع پرسش‌هایی درباره تأثیر احتمالی سیستم‌های هرچه خودمختارتر بر ثبات بازار ایجاد می‌کند. برای معامله‌گران، اهمیت نگاه کردن فراتر از عملکرد یک ابزار منفرد و توجه به شرایطی را برجسته می‌کند که آن ابزار در آن فعالیت دارد.
امور مالی عامل‌محور، قابلیت‌های اتوماسیون معاملات را تغییر می‌دهد
یک ربات هشداردهنده و یک عامل معاملاتی هوش مصنوعی ممکن است هر دو شرایط بازار را پایش کنند، اما مسئولیت‌هایشان می‌تواند بسیار متفاوت باشد.
یک سیستم هشدار متعارف ممکن است زمانی به معامله‌گر اطلاع دهد که بیت‌کوین از قیمت مشخصی عبور کند یا نرخ‌های تأمین مالی به سطحی غیرمعمول برسند. سپس معامله‌گر تصمیم می‌گیرد که آیا اقدامی انجام دهد یا نه. یک سیستم عامل‌محور ممکن است با ارزیابی نقدشوندگی، مقایسه گزینه‌های اجرا و آماده‌سازی یا آغاز معاملات بر اساس هدف تعیین‌شده، فراتر عمل کند.
فرض کنید به عاملی دستور دهید زمانی که نوسان از آستانه‌ای مشخص فراتر رفت، میزان اکسپوژر را کاهش دهد. سیستم به‌جای صرفاً ایجاد یک هشدار، ممکن است موقعیت‌های موجود را ارزیابی کند، انواع سفارش‌های در دسترس را شناسایی کند و نحوه انجام این تعدیل را تعیین کند.
این کارایی، به‌ویژه در بازارهایی که به‌طور پیوسته فعالیت می‌کنند، جذاب است. اما نتیجه به نحوه تفسیر هدف و میزان اختیاری که به سیستم داده شده است بستگی دارد.
جزئیات اجرا می‌توانند تفاوت چشمگیری ایجاد کنند. سفارش‌های بازار و سفارش‌های محدود اهداف متفاوتی دارند: اولی اجرا را در اولویت قرار می‌دهد، اما هنگام کمبود نقدشوندگی ممکن است با قیمت‌های نامطلوب تکمیل شود؛ دومی کنترل بیشتری بر قیمت فراهم می‌کند، اما ممکن است بدون اجرا باقی بماند. این تفاوت‌ها زمانی اهمیت ویژه‌ای پیدا می‌کنند که نرم‌افزار تعیین کند یک معامله چگونه وارد بازار شود.
یک استراتژی می‌تواند جهت درست بازار را شناسایی کند و همچنان به‌دلیل اجرای نامطلوب، نتیجه ضعیفی به بار آورد. خودمختاری بیشتر، کیفیت دستورها و منطق اجرای یک سیستم را مهم‌تر می‌کند، نه کم‌اهمیت‌تر.
وقتی تصمیم‌های سریع‌تر، ریسک‌های جدیدی برای بازار ایجاد می‌کنند
بازارهای مالی همواره به مشارکت‌کنندگانی پاداش داده‌اند که می‌توانند اطلاعات را پردازش کرده و به‌طور کارآمد واکنش نشان دهند. هوش مصنوعی ممکن است با ارزیابی چندین منبع داده با سرعتی که تطبیق دادن آن برای یک معامله‌گر انسانی دشوار است، این مزیت را افزایش دهد.
بااین‌حال، واکنش سریع با تفسیر درست رویدادها یکسان نیست.
یک حرکت ناگهانی قیمت ممکن است نشان‌دهنده تقاضای واقعی، عدم‌تعادل موقتی نقدینگی، یا اطلاعاتی باشد که بعدها گمراه‌کننده بودن آن مشخص شود. یک سیستم خودکار می‌تواند این حرکت را بلافاصله شناسایی کند، بدون اینکه لزوماً بتواند تشخیص دهد کدام توضیح معتبرتر است.
بازارهای رمزارز محیطی چالش‌برانگیز برای این تصمیم‌ها هستند. معاملات به‌صورت شبانه‌روزی ادامه دارند، نقدینگی میان دارایی‌ها و بسترهای معاملاتی تفاوت قابل‌توجهی دارد و حرکات شدید می‌توانند تغییرات سریعی در موقعیت‌گیری ایجاد کنند.
فرض کنید یک عامل هوش مصنوعی یک شکست قیمتی را شناسایی کرده و بر اساس افزایش مومنتوم، میزان مواجهه خود را افزایش دهد. اگر این حرکت در دفتر سفارش کم‌عمق رخ دهد، تقاضای اضافی ممکن است قیمت‌های اجرای معامله را بیش از حد انتظار بالا ببرد. بازگشت قیمت اندکی بعد می‌تواند موقعیت را در معرض زیان‌هایی قرار دهد که از سیگنال اولیه قابل مشاهده نبودند.
وقتی چندین راهبرد فرصت‌های مشابهی را دنبال می‌کنند، فعالیت جمعی آن‌ها ممکن است حرکات کوتاه‌مدت را تشدید کند. تلاش‌های هم‌زمان برای خروج نیز می‌تواند فشار بیشتری بر نقدینگی موجود وارد کند.
این ریسک‌ها مدت‌ها پیش از ظهور هوش مصنوعی عامل‌محور وجود داشتند. لغزش قیمت، موقعیت‌گیری پرتراکم و کمبودهای ناگهانی نقدینگی از ویژگی‌های آشنای بازارهای مالی هستند. آنچه تغییر می‌کند، سرعت و مقیاسی است که سیستم‌های خودکار می‌توانند با این مشکلات مواجه شوند؛ گاهی پیش از آنکه گردانندگانشان فرصت مداخله پیدا کنند.
بنابراین توانایی اجرای کارآمد یک راهبرد باید در کنار نحوه عملکرد آن راهبرد، زمانی که شرایط بازار دیگر با فرضیاتش مطابقت ندارد، بررسی شود.
آنچه نشست CFTC می‌تواند درباره اولویت‌های نظارتی آشکار کند
نشست ۲۸ اکتبر به‌تنهایی قوانین جدیدی وضع نخواهد کرد و فوراً نحوه فعالیت بازارهای رمزارز را تغییر نخواهد داد. اهمیت آن در این است که پرسش‌های نوظهور درباره امور مالی خودکار را در یک چارچوب نظارتی عمومی مطرح می‌کند.
قابلیت حسابرسی یکی از زمینه‌هایی است که باید زیر نظر داشت. هرچه سیستم‌های هوش مصنوعی مسئولیت بیشتری در قبال اقدامات مالی بر عهده می‌گیرند، بازسازی چگونگی رسیدن به یک تصمیم اهمیت بیشتری پیدا می‌کند. سابقه یک تراکنش ممکن است نشان دهد چه اتفاقی افتاده است، بدون اینکه مشخص کند چه اطلاعاتی بر سیستم تأثیر گذاشته یا چرا اقدام خاصی انتخاب شده است.
کیفیت داده چالش دیگری ایجاد می‌کند. راهبردهای خودکار به اطلاعات حاصل از فیدهای بازار، منابع خبری و دیگر ورودی‌های خارجی وابسته‌اند. داده‌های نادرست یا دستکاری‌شده می‌توانند تصمیم‌هایی ایجاد کنند که با دستورالعمل‌های سیستم سازگار به نظر می‌رسند، اما با شرایط واقعی بازار تناسب چندانی ندارند.
این بحث ممکن است به نظارت بر مدل و تاب‌آوری عملیاتی نیز بپردازد. سامانه‌ای که در شرایط آشنا عملکرد خوبی دارد، ممکن است با افزایش نوسان یا کاهش نقدشوندگی، واکنش متفاوتی نشان دهد. پایش این تغییرات زمانی اهمیت ویژه‌ای پیدا می‌کند که نرم‌افزار اجازه اجرای معاملات را داشته باشد.
تعارض منافع بُعد دیگری به موضوع می‌افزاید. خدمات خودکاری که معاملات را پیشنهاد می‌کنند، مسیریابی می‌کنند یا به اجرا درمی‌آورند، ممکن است در چارچوب ترتیبات تجاری‌ای فعالیت کنند که بر تصمیم‌هایشان اثر می‌گذارد. هم‌راستایی این مشوق‌ها با اهداف معامله‌گر می‌تواند با توسعه چنین خدماتی، به ملاحظه‌ای مهم تبدیل شود.
این پرسش‌ها فراتر از ارزهای دیجیتال هستند و بازارهای مشتقه، اجرای نهادی معاملات و حوزه‌های دیگری را نیز دربرمی‌گیرند که سامانه‌های خودکار بر تراکنش‌های مالی اثر می‌گذارند.
اگرچه بحث‌های این انجمن ممکن است سرنخ‌هایی درباره اولویت‌های نظارتی ارائه دهند، هرگونه تغییر رسمی در سیاست‌ها به فرایندهای جداگانه‌ای نیاز خواهد داشت. تحول فوری‌تر، پذیرش فزاینده این موضوع است که هوش مصنوعی مالی باید نه‌تنها از منظر قابلیت‌های فنی، بلکه از نظر آثارش بر بازار نیز ارزیابی شود.
حفظ کنترل با خودکارتر شدن سامانه‌های معاملاتی
برای معامله‌گرانی که ابزارهای مبتنی بر هوش مصنوعی را بررسی می‌کنند، نقطه شروع، مسئولیتی است که قرار است واگذار شود.
سامانه‌ای که تحولات بازار را خلاصه می‌کند، در مقایسه با سامانه‌ای که مجاز به ثبت سفارش، تغییر اهرم یا مدیریت موقعیت‌های باز است، نمایه ریسک متفاوتی دارد. سامانه دوم می‌تواند بدون انتظار برای تصمیم‌گیری جداگانه انسان، یک تفسیر را به مواجهه مالی تبدیل کند.
این اختیار به مرزهای روشنی نیاز دارد. حداکثر اندازه موقعیت، انواع سفارش‌های مجاز و شرایطی که به تأیید دستی نیاز دارند، می‌توانند دامنه اقدامات مجاز یک راهبرد خودکار را محدود کنند. وجود سازوکاری برای تعلیق فعالیت نیز زمانی که سامانه رفتاری غیرمنتظره دارد یا با شرایطی خارج از پارامترهای موردنظرش مواجه می‌شود، به همان اندازه مهم است.
سوابق اجرا، لایه دیگری از پاسخ‌گویی را فراهم می‌کنند. این سوابق به تمایز میان نتیجه نامطلوب بازار، فرض نادرست راهبرد و خطا در نحوه اجرای دستورها کمک می‌کنند.
امنیت نیز زمانی اهمیت دارد که ابزارهای خودکار به حساب‌های معاملاتی متصل می‌شوند. اعتبارنامه‌های API و سایر مجوزهای حساب باید به عملکردهای موردنیاز محدود شوند تا پیامدهای یکپارچه‌سازی به خطر افتاده یا خطای پیکربندی کاهش یابد.
وقتی خودکارسازی در مشتقات رمزارزی، جایی که اهرم، الزامات مارجین و سازوکارهای لیکوئیدیشن می‌توانند به‌طور چشمگیری بر نتایج معاملات تأثیر بگذارند. یک استراتژی خودکار ممکن است به‌سرعت به شرایط در حال تغییر واکنش نشان دهد، اما نمی‌تواند این مواجهه‌های زیربنایی را حذف کند.
هدف این است که اجرای معاملات با یک فرایند معاملاتی تعریف‌شده سازگارتر شود، نه اینکه اجازه دهیم پیچیدگی ظاهری یک سیستم جایگزین آن فرایند شود.
فایننس عامل‌محور در حال تبدیل شدن به موضوعی درباره ساختار بازار است
نخستین نشست «فرانتیر فورومز» کمیسیون معاملات آتی کالا (CFTC) در زمانی برگزار می‌شود که هوش مصنوعی از کمک به فعالان بازار برای تفسیر بازارهای مالی، به سمت سیستم‌هایی حرکت می‌کند که می‌توانند مستقیماً در این بازارها مشارکت داشته باشند.
این تحول می‌تواند کارایی اجرای معاملات را بهبود دهد، دسترسی به ابزارهای تحلیلی پیشرفته را گسترش دهد و برخی فرایندهای مدیریت ریسک را پاسخ‌گوتر کند. همچنین پرسش‌هایی درباره نحوه تعامل تصمیم‌های خودکار، چگونگی تعیین مسئولیت و اینکه آیا سازوکارهای حفاظتی موجود می‌توانند همگام با نرم‌افزارهای increasingly مستقل پیش بروند، ایجاد می‌کند.
بعید است بحث ۲۸ اکتبر به این پرسش‌ها پاسخ نهایی دهد. بااین‌حال، نشان می‌دهد که فایننس عامل‌محور در کنار توسعه فناوری، به موضوعی برای بررسی‌های نظارتی تبدیل می‌شود.
برای معامله‌گران رمزارز، اهمیت این موضوع کمتر در پیش‌بینی یک تغییر فوری در سیاست‌گذاری و بیشتر در تشخیص مسیری است که زیرساخت معاملات ممکن است در پیش بگیرد. نسل بعدی سیستم‌های خودکار احتمالاً به همان اندازه که بر اساس سرعت یا قابلیت‌های تحلیلی‌شان ارزیابی می‌شوند، بر پایه شفافیت، قابلیت اطمینان و عملکردشان در شرایط بحرانی نیز سنجیده خواهند شد.
با ایفای نقش فعال‌تر هوش مصنوعی در بازارهای مالی، مزیت تعیین‌کننده شاید متعلق به سیستم‌هایی نباشد که سریع‌تر تصمیم می‌گیرند، بلکه به سیستم‌هایی تعلق داشته باشد که تصمیم‌هایشان هنگام دشوار شدن شرایط بازار همچنان قابل‌درک، کنترل‌شده و تاب‌آور باقی می‌ماند.
این مقاله صرفاً برای اهداف آموزشی است و به‌منزله مشاوره مالی نیست. همیشه خودتان تحقیق کنید (DYOR).
