Yeni çalışma: AI hisse senedi piyasası zamanlaması uzun vadede başarısız oluyor

Büyük dil modelleri, hisse senedi piyasası zamanlamasında övülmelerine rağmen uzun vadeli dönemlerde avantajlarını kaybediyor ve piyasa koşulları değiştiğinde uyum sağlayamıyor. 25 Haziran'da yayımlanan ve AI destekli ticaret stratejilerinin temelini sorgulayan bir araştırmaya göre bu durum söz konusu.

Araştırmanın başyazarı, "LLM'ler piyasa zamanlama görevlerinde güçlü bir başlangıç performansı gösteriyor, ancak değerlendirme penceresi uzadıkça ve piyasa rejimleri değiştikçe bu avantaj ortadan kalkıyor" dedi. Araştırma, birden fazla öncü modeli farklı zaman dilimlerinde al-ve-tut kıyaslama ölçütlerine karşı test etti. Makale henüz hakem değerlendirmesinden geçmedi.

Araştırma, OpenAI'in GPT-4 ve Anthropic'in Claude gibi modellerini S&P 500'de yönlü hareketleri ve sektör rotasyon sinyallerini tahmin etme gibi görevlerde test etti. Modeller, simüle edilmiş ticaretin ilk üç ayında yüzde 55'in üzerinde doğruluk oranları elde ederken - bu oran rastgele şansı ve basit momentum stratejilerini geride bırakıyor - 12 aylık dönemlerde performans temel seviyelere yakın bir noktaya düştü. Bu düşüş, modellerin sinyal üretimlerini ayarlayamadığı volatilite ani yükselişleri ve trend dönüşlerinde en belirgin hale geldi.

Bu bulgular, AI destekli yatırım araçları pazarının genişlediği bir dönemde geliyor. Preqin verilerine göre, AI odaklı kantitatif fonlardaki yönetilen varlıklar küresel olarak tahmini 450 milyar dolara ulaştı ve Two Sigma, Renaissance Technologies ile Bridgewater Associates gibi firmalar LLM tabanlı ticaret sistemlerine yoğun yatırım yapıyor. Araştırma, geçmiş verilerle eğitilen modellerin, piyasa mikro yapısı değiştiğinde bozulan kalıpları kodlayabileceğini öne sürüyor - kantitatif stratejilere uzun zamandır musallat olan dağıtım kayması olarak bilinen bir sorun.

Genelci Modeller Piyasalarda Neden Zorlanıyor?

Temel sınırlama, LLM'lerin nasıl inşa edildiğinden kaynaklanıyor. Bu modeller, milyonlarca eğitim örneği üzerinde geniş dil anlayışı için optimize edilirken, finansal piyasaları yönlendiren dar, rejime bağlı kalıplar için optimize edilmiyor. 2020'den 2024'e kadar metinlerle eğitilen bir model, Fed'in 2022'de sıkılaştırma döngüsüne başlamasıyla makro ortam değiştiğinde tersine dönen - düşen Hazine getirilerinin teknoloji hisselerini yükseltmesi gibi - korelasyonları öğrenebilir.

Bu durum, yakın zamanda dar sınıflandırma işlerinde öncü LLM'lerden yüzde 8 daha iyi performans gösterirken 161 kat daha ucuz çalışan göreve özel küçük dil modellerini tespit eden bir kıyaslama firması olan ScaleDown AI tarafından belirlenen daha geniş bir trendi yansıtıyor. Aynı prensip piyasa zamanlaması için de geçerli: hisse senedi yönünü tahmin etmesi istenen bir genelci model, ilgisiz görevler için eğitilmiş milyarlarca parametrenin yükünü taşırken, amaca özel olarak inşa edilmiş bir model teorik olarak kapasitesini piyasaya özgü sinyallere odaklayabilir.

Bu, AI Ticaret Stratejileri İçin Ne Anlama Geliyor?

Yatırımcılar için araştırma, AI destekli alfanın dayanıklılığı hakkında sorular ortaya çıkarıyor. LLM tabanlı zamanlama stratejileri zamanla bozulursa, AI destekli fonlara akan 450 milyar dolar, piyasa koşulları kaçınılmaz olarak değiştikçe bir performans hesaplaşmasıyla karşı karşıya kalabilir. Araştırma, hazır öncü modellere güvenen firmaların, sürekli rejim tespiti ve model yeniden eğitimi olmadan - ki bu yetenekler ölçekte uygulanması pahalı ve zor olmaya devam ediyor - avantajlarını kaybedebileceğini öne sürüyor.

Kendi tescilli, piyasaya özgü modellerini inşa eden kantitatif hedge fonları, genel amaçlı LLM'leri kullananlardan daha iyi performans gösterebilir, ancak araştırmanın bulguları, açık rejim değişikliği yönetimi olmadan geçmiş fiyat kalıpları üzerinde eğitilmiş herhangi bir sistem için geniş ölçüde geçerlidir. Makale, AI ticaret sistemlerinin, rejim değişimleri sırasında model etkisini azaltan volatilite tabanlı geçit mekanizmaları içermesini önermektedir - bu özellik mevcut uygulamaların çoğunda bulunmamaktadır.

Bu makale yalnızca bilgilendirme amaçlıdır ve yatırım tavsiyesi niteliği taşımaz.