多くの分野で大きな進歩が見られるものの、AIは金融市場で利益を生み出す分野では依然として活用されていない。
機械学習アルゴリズムと株式市場予測に関する学術研究の分析によると、AIは現在、金融業界の現実の世界では実用性がないことが分かった。
投資判断を人間に委ねる限り、AIと人間の組み合わせは強力な成果を生み出すことができる、と3人の専門家は述べている。
人工知能（AI）は、かつては到達不可能と考えられていた分野において、人間に近い水準に達するか、あるいは人間を上回るまでになった。これには、 チェス、アーケードゲーム、囲碁、自動運転車、タンパク質の折り畳みなどが含まれ、その他にも多岐にわたる。この急速な技術の進歩は、金融サービス業界にも大きな影響を与えている。同業界のCEOの数は増えており、（明示的であれ暗黙的であれ）自社を「銀行免許を持つテクノロジー企業」であると表明している。「銀行免許を持つテクノロジー企業」。
また、金融テクノロジー産業（フィンテック）も急速に台頭・成長しており、テクノロジー系スタートアップが 既存の金融機関に対する挑戦を強めている。個人向け銀行業務、年金、個人投資などの分野で、既存の金融機関に挑んでいる。そのため、AIはサイバーセキュリティ、マネーロンダリング対策、顧客確認（KYC）、チャットボットなど、表に出ないプロセスで用いられることが多い。
多くの成功事例がある中で、ひとつ目立って欠けているものがある。それは、AIが金融市場で利益を生み出すことである。トレーダーの間では単純なアルゴリズムが一般的に使われているものの、投資判断において機械学習やAIのアルゴリズムが使われることははるかに少ない。しかし、機械学習は膨大なデータセットを分析し、そのなかからパターンを見つけ出すことに基づいており、金融市場は膨大な量のデータを生み出しているため、両者は当然の組み合わせに思えるだろう。新たな研究として、『International Journal of Data Science and Analytics』に掲載された本研究では、AIが利益を生み出す点で人間より優れているかどうかについて、ある程度の示唆を得た。International Journal of Data Science and Analyticsに掲載された本研究では、AIが利益を生み出す点で人間より優れているかどうかについて、ある程度の示唆を得た。
「クオンツ（quantative＝定量的な）ヘッジファンド」と呼ばれる一部の専門投資会社は、「クオンツ（quantative）ヘッジファンド」は投資判断のプロセスにAIを採用していると表明している。しかし、公式なパフォーマンス情報は公開していない。また、数十億ドルを運用しているファンドもあるものの、より大規模な投資業界全体と比べれば依然としてニッチで小規模である。
一方で、学術研究では、機械学習アルゴリズムに基づく非常に正確な財務予測が繰り返し報告されている。理論上、これらは金融業界の主流の投資戦略で非常に大きな成功につながりうる。それにもかかわらず、実際にはそうなっていないようだ。
この食い違いの理由は何だろうか。運用者の文化に根差した慣習によるものなのか、それとも現実の投資実務に関わる問題なのだろうか。
AIによる財務予測
2000年から2018年の間に学術研究者によって発表された、査読付きの研究27件を分析した。これらは、機械学習アルゴリズムを用いた さまざまな種類の株式市場予測実験について記述している。私たちは、これらの予測手法が現実の世界でも再現可能かどうかを明らかにしたいと考えた。
まず気づいたのは、ほとんどの実験で、投資モデルの複数のバージョン（極端な場合には数百に及ぶ）を並行して実行していたことである。ほぼすべての事例において、著者らは最も高いパフォーマンスを示したモデルを実験の主要な成果として提示していた。つまり、最良の結果だけが恣意的に選ばれ、それ以外の最適でない結果はすべて無視されていた。この手法は、現実の投資運用では機能しない。現実の投資運用では、どの戦略も一度しか実行できず、その結果は明確な利益か損失のいずれかであり、結果を取り消すことはできないからだ。
複数の変種を実行し、そのなかで最も成功したものを代表例として提示することは、金融分野では誤解を招くものであり、違法とみなされる可能性もある。たとえば、同じ戦略の変種を3つ実行し、そのうち1つは-40%の損失、別の1つは-20%の損失、3つ目は20%の利益を出したとする。その際に20%の利益だけを示せば、この単一の結果がファンドのパフォーマンスを誤って伝えていることは明らかである。現実の投資の仕組みを代表するものとして、アルゴリズムのバージョンは1つだけをテストすべきであり、それがより現実的な検証となる。
私たちが検討した論文のモデルは、約95%という非常に高い精度を達成していた。これは、人生の多くの分野において大きな成功を示す指標である。しかし市場予測において、アルゴリズムが5%の確率で誤るとすれば、それは依然として深刻な問題になりうる。わずかに外れるのではなく、壊滅的に外れる可能性もある。利益が消えるだけでなく、投資元本全体が失われることもありうる。
また、ほとんどのAIアルゴリズムは「ブラックボックス」であり、その仕組みについて透明性がないように見えることも確認された。現実の世界では、これは投資家の信頼を得にくいだろう。また、規制の観点からも問題になりやすいと考えられる。さらに、ほとんどの実験では取引コストが考慮されていなかった。取引コストは何年も低下し続けてきたものの、ゼロではなく、利益と損失を分ける要因になりうる。
私たちが検討した実験のいずれも、EUの法令指令である MiFID IIなどの現行の金融規制や、企業倫理を考慮していなかった。実験自体は非倫理的な行為には関与しておらず、市場操作を意図したものでもなかったが、倫理的であることを明示的に保証する設計上の特徴を欠いていた。私たちの見解では、投資判断における機械学習やAIアルゴリズムは、2つの倫理基準に従うべきである。すなわち、AIそのものを倫理的にすることと、環境・社会・ガバナンスの要素を考慮して投資判断を倫理的なものにすることである。これにより、たとえば社会に害を与えうる企業へのAIによる投資を防ぐことができるだろう。
これらすべてが意味するのは、学術実験で描かれたAIは、金融業界の現実の世界では実用性がないということである。
人間のほうが優れているのか
私たちはまた、AIの成果を金融投資の専門家の成果と比較したいと考えた。AIが人間と同等か、それ以上に投資できるのであれば、大規模な雇用削減の前触れとなるかもしれない。
公開されている市場データソースで運用実績が開示されていた、AIを活用した少数のファンドは、概して市場を下回るパフォーマンスであったことが分かった。そのため、現時点では人間のアナリストやファンドマネージャーを支持する非常に強い根拠があると結論づけた。欠点があるにもかかわらず、実証的な証拠は、現時点では人間がAIを上回っていることを強く示唆している。これは、不確実性の下で迅速な判断を迫られたときに、人間が効率的な心理的近道を用いることが一因となっている可能性がある。
将来的には状況が変わるかもしれないが、AIへの切り替えの前には依然として証拠が必要である。そして当面は、人間とAIを対立させるのではなく、両者を組み合わせるべきだと考える。これは、AIを意思決定支援や分析ツールに組み込みつつ、最終的な投資判断は人間のチームに委ねることを意味する。
