ה-AI משנה את ההשקעות: כל אחד יכול לבנות לעצמו מנהל השקעות אוטומטי
עד לפני כמה שנים מערכת שסורקת אלפי מניות, קוראת דוחות ובודקת אסטרטגיות על שנים של נתונים היתה כלי של קרנות גדולות בוול סטריט. ה-AI מוריד את החסם הזה במהירות, וברובין הוד כבר נפתחו מעל 100 אלף חשבונות שמאפשרים לסוכני AI לסחור. היתרון מגיע מהעבודה השיטתית - אבל יש גם סיכונים
אחד השינויים הגדולים שמביא ה-AI לשוק ההון מתרחש דווקא אצל המשקיע הפרטי. במשך שנים וול סטריט שפכה סכומי עתק על מתכנתים, אנליסטים, מאגרי מידע ומערכות שמנסות להפוך מידע להחלטות השקעה. זה היה מועדון סגור, והכניסה אליו עלתה מיליונים. עכשיו חלק מהיכולות האלה מגיעות לכל מחשב.
משקיע יכול למשל לבקש ממערכת AI למצוא חברות שההכנסות שלהן צומחות ביותר מ-15% בשנה, הרווחיות שלהן משתפרת, החוב נמוך יחסית והמחיר שלהן עדיין סביר. המערכת יכולה לסרוק מאות או אלפי מניות, לבנות רשימה, להשוות בין החברות ולבצע בדיקה היסטורית: מה היה קורה לכסף אילו אותה שיטה הייתה מופעלת בחמש או בעשר השנים האחרונות.
מכאן מגיע החיבור לעולם הקרנות הכמותיות, מה שמכונה בוול סטריט קרנות קוואנט. במילים פשוטות, מדובר במנהל השקעות שעובד לפי כללים ומספרים. במקום שמנהל קרן יעבור על חברה ויחליט באופן ידני אם לקנות אותה, המערכת מקבלת נוסחה: אילו מניות מתאימות, איזה משקל לתת לכל אחת, מתי להקטין חשיפה ומתי להחליף מניה אחת באחרת.
זה מזכיר במידה מסוימת קרן סל חכמה שמשנה את ההרכב שלה באופן שוטף, אבל ההבדל משמעותי. קרן סל שעוקבת אחרי S&P 500 מחזיקה את החברות שנמצאות במדד לפי הכללים שלו. מערכת כמותית יכולה לבנות בעצמה את התיק מתוך אלפי חברות ולשנות אותו בכל פעם שהנתונים משתנים. היא יכולה להתחשב במחיר, בקצב צמיחת הרווח, במכפיל, במומנטום של המניה, בתנודתיות, בריבית, בתוצאות הכספיות ובעוד עשרות משתנים.
החידוש של ה-AI הוא שהמשקיע כבר זקוק להרבה פחות ידע בתכנות כדי לבנות מערכת כזאת. הוא יכול להסביר מה הוא רוצה בשפה רגילה, והמודל כותב את הקוד, בונה את הבדיקה ומציג את התוצאות.
וזה כבר לא עתידני - זה קיים
השלב הבא, חיבור בין סוכן AI לבין חשבון ההשקעות עצמו, כבר הגיע לברוקרים. רובין הוד השיקה ב-27 במאי השנה שירות בשם Agentic Trading, שמאפשר לכלי AI חיצוניים - ובהם קלוד ו-ChatGPT - לבצע עסקאות בשם המשתמש, בחשבון נפרד ומגודר. מאז ההשקה נפתחו יותר מ-100 אלף חשבונות כאלה שהופקד בהם כסף.
במקביל מפעילה החברה את Cortex, עוזר שיחה שחוקר שווקים, מפרק את התיק של המשתמש ומבצע פקודות שהוא מבקש בשפה חופשית. לפי רובין הוד, יותר ממיליון משקיעים פרטיים כבר השתמשו בו. הגדרת הגבול שם ברורה: זה טייס משנה ולא טייס אוטומטי - המערכת מציעה, מסבירה ומבצעת את מה שמבקשים ממנה, אבל אינה סוחרת מיוזמתה.
והכיוון מתרחב מעבר למשקיע הפרטי: רובין הוד כבר מרחיבה את Cortex גם ליועצי השקעות, עם ניתוח תיקים, תובנות מס והכנת חומרים לפגישות עם לקוחות.
המטרה של כל אלה ברורה. במקום אפליקציה שמציגה למשקיע מחיר, גרף וכמה חדשות, המערכת אמורה להבין מה הוא מחזיק, מה השתנה בחברות, איפה הסיכון בתיק ואילו אירועים עשויים להשפיע עליו.
הכלים משתפרים, אבל היתרון עובר למקום אחר
כאן נמצא הצד המעניין יותר של הסיפור. ככל שכל אחד מקבל מערכת שמסוגלת לסרוק אלפי מניות ולכתוב קוד, עצם השימוש ב-AI מפסיק להיות יתרון גדול. אם מיליוני משקיעים מבקשים מאותם מודלים למצוא חברות עם צמיחה חזקה, מכפיל נמוך ומומנטום חיובי, חלק גדול מהם עשוי להגיע לאותן מניות.
ואצל הגדולות באמת, כמו סיטאדל של קן גריפין, היתרונות עדיין משמעותיים מאוד. הן קונות מאגרי מידע יקרים, בונות מערכות מסחר מהירות, מעסיקות חוקרים ומתכנתים ומחזיקות מערכי ניהול סיכונים. לעיתים הן משתמשות גם במידע אלטרנטיבי: תנועת אוניות, מחירי מוצרים באינטרנט, תצלומי לוויין, נתוני כרטיסי אשראי ומידע על שרשראות אספקה. המשקיע הפרטי מקבל עכשיו חלק מכלי העבודה, בעוד איכות הנתונים ואיכות השיטה נשארות גורם מרכזי.
גם בדיקות היסטוריות דורשות זהירות. AI מאפשר לבנות מאות אסטרטגיות בתוך זמן קצר, ובסופו של דבר כמעט תמיד אפשר למצוא נוסחה שנראית מצוין על נתוני העבר. למשל, מערכת יכולה לגלות שקבוצה מסוימת של מניות הניבה תשואה גבוהה במשך עשור. ייתכן שהסיבה היא כלל השקעה טוב, וייתכן שהמערכת פשוט מצאה שילוב מקרי שמתאים בדיוק לתקופה שנבדקה. ככל שמנסים יותר נוסחאות, כך גדל הסיכוי למצוא אסטרטגיה שנראית מצוין בדיעבד.
גם התנהגות דומה של הרבה מערכות יכולה להפוך לבעיה. אם אלפי אלגוריתמים מקבלים מידע דומה ומגיעים באותו רגע למסקנה שכדאי למכור מניה או ענף מסוים, התנועה יכולה להתחזק במהירות. שוק ההון כבר חווה בעבר אירועים שבהם קרנות כמותיות החזיקו פוזיציות דומות, וכשהחלו לצמצם אותן במקביל נוצר גל שהזין את עצמו.
- S&P מעלה את טבע לרמת השקעה
- מנכ"ל סטארק פאוור: "ב-2028 נגיע ליותר מ-30 מיליון דולר EBITDA" - ומה עומד מאחורי עסקת הענק
ועדיין, עבור רוב המשקיעים השימוש המעניין ביותר ב-AI עשוי להיות דווקא בדברים הפשוטים יותר: מעבר מהיר על דוחות כספיים, השוואת חברות, בדיקת שינוי בשולי הרווח, מעקב אחרי חוב, איתור ריכוזיות גבוהה מדי בתיק והצמדת כללים ברורים לקנייה ולמכירה. במקום לקבל החלטה בכל פעם מחדש לפי תחושת בטן, המשקיע יכול לבנות תהליך קבוע ולבדוק אם הוא עומד בו.
וזה באמת שינוי גדול. לפני עשור, משקיע שרצה מערכת כזאת היה צריך לדעת לכתוב קוד או לשכור מישהו שיעשה זאת בשבילו. היום מתחילים ממשפט אחד. מכאן האתגר כבר עובר למקום אחר: לבחור את השאלות הנכונות, לעבוד עם נתונים טובים, להבין את הסיכונים ולבנות שיטה שמחזיקה מעמד גם כשהשוק משנה כיוון.
