بورس و بازارهای مالی در عصر هوش مصنوعی و بحران های جهانی: از فرضیه بازار کارا و مالی رفتاری تا معاملات الگوریتمی و رمزارزها

بورس اوراق بهادار به عنوان یکی از نهادهای مالی اساسی در اقتصاد مدرن، در آستانه ی تحولی بنیادین قرار دارد؛ تحولی که با پنج نیروی محرک هوش مصنوعی و یادگیری ماشین (دقت پیش بینی جهت حرکت سهام ۵۸ درصد در افق یک روزه و کاهش ۳۴ درصدی خطای پیش بینی نسبت به ARIMA، اما عدم موفقیت در کسب بازده غیرعادی پس از کسر هزینه ها)، معاملات با فرکانس بالا (HFT) (کاهش اسپرد قیمت bid-ask به ۰.۱ درصد، اما افزایش نوسانات کوتاه مدت ۲۵ درصدی و ریسک سقوط ناگهانی)، همه گیری کووید-۱۹ (سقوط ۳۴ درصدی شاخص S&P ۵۰۰ و افزایش شاخص نوسانات VIX به ۸۲.۶۹، اما بهبود سریع با حمایت بانک های مرکزی)، رمزارزها و امور مالی غیرمتمرکز (بازده متوسط روزانه بیت کوین ۰.۳۸ درصد با انحراف معیار ۴.۸ درصد و مصرف انرژی ۷۰ تراوات-ساعت در سال)، و مالی رفتاری (ناهنجاری هایی مانند اثر ژانویه، اثر اندازه، و واکنش بیش از حد که فرضیه بازار کارا را نقض می کنند) شکل می گیرد. این مقاله با هدف ارائه ی تصویری جامع از چالش ها و فرصت های پیش روی بورس، ابتدا به مرور پیشینه ی پژوهش از نظریه مدرن پورتفوی (مارکوویتز، ۱۹۵۲) و مدل قیمت گذاری دارایی سرمایه ای (CAPM) تا فرضیه بازار کارا (فاما، ۱۹۷۰) و مالی رفتاری (کانمن و تیلر، ۱۹۷۹) می پردازد. در بخش داده ها و آنالیزها، یافته های تجربی معتبر نشان می دهند که ۹۰ درصد صندوق های سرمایه گذاری فعال در بازه ۲۰ ساله عملکرد ضعیف تری نسبت به شاخص دارند و تنها ۳ درصد آلفای مثبت (غیرمعنادار) کسب می کنند. مدل سه عاملی فاما-فرنچ ۹۰ درصد واریانس بازده پرتفوی را توضیح می دهد (در مقابل ۶۵-۷۰ درصد برای CAPM). اسپرد bid-ask از ۱.۵ درصد در ۱۹۹۳ به ۰.۱ درصد در ۲۰۱۱ کاهش یافته است (کاهش ۹۳ درصدی) به لطف معاملات الکترونیک. سقوط ناگهانی ۲۰۱۰ (سقوط ۱۰۰۰ واحدی داو جونز در ۳۶ دقیقه) ناشی از تعامل پیچیده الگوریتم های HFT بود. با این حال، هوش مصنوعی در پیش بینی قیمت سهام عملکرد محدودی دارد (دقت ۵۸ درصد در افق یک روزه و ۵۲ درصد در افق ۱۰ روزه). نتیجه گیری مقاله بر ضرورت اتخاذ استراتژی سرمایه گذاری غیرفعال (passive investing) با هزینه پایین برای سرمایه گذاران حقیقی، بهره گیری از مدل های چندعاملی و مالی رفتاری برای سرمایه گذاران نهادی، استفاده هوشمندانه و محتاطانه از هوش مصنوعی (مدل های ترکیبی human-in-the-loop)، طراحی الگوریتم های معاملاتی با مکانیزم های توقف ضرر و محدودیت نرخ ارسال سفارش برای جلوگیری از سقوط ناگهانی، اجرای قوانین سختگیرانه تر برای HFT و دستکاری بازار (جلوگیری از لایه گذاری سفارشات و فیشینگ)، افزایش شفافیت و افشای اطلاعات در صندوق های سرمایه گذاری، تنظیم گری هوشمند و هماهنگ رمزارزها و دارایی های دیجیتال (شامل طبقه بندی بر اساس کارکرد، توسعه زیرساخت های امن، و مالیات کربن بر استخراج)، و طراحی نظام های هشدار سریع برای بحران های مالی با استفاده از هوش مصنوعی و داده های بزرگ تاکید دارد. پیشنهادها در شش سطح سرمایه گذاری و مدیریت پرتفوی (استراتژی غیرفعال، مدل های چندعاملی، تنوع بخشی بین المللی)، هوش مصنوعی و معاملات الگوریتمی (مدل های ترکیبی، مکانیزم های کنترل ریسک، هوش مصنوعی قابل تفسیر)، تنظیم گری بازار و شفافیت (قوانین سختگیرانه HFT، شفافیت صندوق ها، تنظیم گری رمزارزها)، مدیریت ریسک و تاب آوری (نظام های هشدار سریع، آزمون های تنش منظم، تنوع بخشی به منابع تامین مالی)، رمزارزها و دارایی های دیجیتال (طبقه بندی کارکردی، توسعه زیرساخت امن، بلاک چین های کارآمد انرژی)، و پژوهشی-آینده پژوه (مطالعات طولی صندوق های فعال، شبیه سازی عامل بنیان HFT، مالی رفتاری در عصر هوش مصنوعی، مدل سازی ریسک اقلیمی، تحقیقات تطبیقی بین المللی) دسته بندی می شوند. آینده ی بورس، هوشمند، شفاف و تاب آور است، اما در قلب آن، نظارت انسانی، تنظیم گری هوشمند و مدیریت ریسک قرار دارد. سرمایه گذاری در دانش بازار سرمایه، سرمایه گذاری در ثبات اقتصادی، رشد و رفاه جامعه است.

کلیدواژه ها:

بورس ، فرضیه بازار کارا ، مالی رفتاری ، معاملات الگوریتمی ، هوش مصنوعی ، رمزارز ، مدیریت ریسک ، سرمایه گذاری غیرفعال