Изкуственият интелект и инвестициите:
оракул или противник?

Днес един инвестиционен комитет може да обработи повече информация от всякога. След няколко години ИИ би могъл да е прочел всеки договор за наем в един портфейл от недвижими имоти, да е открил всички права на прекратяване, да е проверил платежоспособността на наемателите, да е анализирал сравними сделки и да е изчислил десет хиляди сценария за лихви, инфлация, незаетост и exit yield – още преди да е започнало самото заседание.

Но дали по-добрата информация решава и истинския проблем на инвестирането? Историята от последните години подсказва по-сложен отговор.

На 1 август 2012 г. Knight Capital инсталира нов софтуер в своята система за търговия. След това машината започна да търгува.

Само за 45 минути системата изпрати милиони погрешни поръчки на пазара. Knight Capital загуби над 460 милиона щатски долара.

Особено показателно: вътрешните системи вече бяха генерирали предупреждения. Хората получиха сигнали, но не разпознаха навреме значението им.

Knight Capital не беше модерен изкуствен интелект. Случаят обаче показва проблем, който става още по-важен при по-мощните системи:

Машините автоматизират не само правилните решения. Те автоматизират и грешките. И правят и двете със скорост, която никой човек не може да постигне.

През 2017 г. стартира AI Powered Equity ETF AIEQ. Идеята беше впечатляваща: една машина може да обработва данни за компании, новини и пазарна информация в обем, с който никой фонд мениджър не би се справил.

Повече информация обаче не означаваше автоматично по-висока доходност. За периода от края на 2017 г. до средата на 2023 г. за AIEQ беше отчетена годишна доходност от около 6,7 процента при около 11,2 процента за широк сравнителен индекс на американския акционерен пазар.

И други ранни опити с инвестиционни стратегии, управлявани от ИИ, не оправдаха очакванията. Sentient Technologies например залагаше на еволюционни алгоритми за инвестиционни решения. Компанията беше получила значително рисково финансиране. Според публикувани анализи фондът ѝ постигна около четири процента през 2017 г. и практически нулева доходност през 2018 г.; след това беше ликвидиран.

По-новите изследвания обаче рисуват по-нюансирана картина. Актуално проучване на инвестиционни стратегии, базирани на ИИ, показва, че ранните потребители отчасти действително са постигали свръхдоходност спрямо сравними стратегии без ИИ. С разпространението на технологията обаче това предимство намалява.

Това би била една много стара инвестиционна история: информационното предимство може да генерира алфа. Но щом всички го притежават, то вече не е предимство.

Особено интересно става при недвижимите имоти. Zillow разполагаше с огромни масиви от данни и с една от най-известните автоматизирани системи за оценка на имоти в света.

Със Zillow Offers компанията направи решаваща крачка напред. Тя вече не използваше моделите си само за оценка на имоти. Zillow започна сама да купува къщи.

През ноември 2021 г. програмата беше прекратена. Само за третото тримесечие Zillow трябваше да отпише около 304 милиона щатски долара от имотния си портфейл. Главният изпълнителен директор Rich Barton обясни, че непредвидимостта на бъдещите цени на имотите е била значително по-голяма от очакваното.

Проблемът беше по-сложен от един „лош алгоритъм“. Натиск за растеж, покупни цени, разходи за ремонт, проблеми с работната сила и веригите на доставки, както и променящ се пазар на имоти се сблъскаха с модели, обучени върху миналото.

В това се крие решаващ урок: един модел може да е отличен средно и въпреки това да греши точно там, където е вложен капиталът.

Капиталът не се интересува от средната грешка на модела. Капиталът се интересува от това къде възниква грешката.

Има и другата страна. Германският управител на активи LAIQON от няколко години използва изкуствен интелект в инвестиционния си процес.

Според данни на компанията LAIQON AI Dynamic Multi Asset е постигнал кумулативна доходност от 66,41 процента от май 2020 г. до май 2026 г., с 28,20 процентни пункта над посочената сравнителна група. По данни на компанията и един по-дефанзивен ИИ фонд се е представил по-добре от групата си.

Тези цифри произхождат от корпоративната комуникация и трябва да се преценяват съответно. Те не доказват, че ИИ по принцип взема по-добри инвестиционни решения. Но показват нещо друго: инвестиционните процеси с подкрепата на ИИ могат да работят.

Европейският орган за ценни книжа и пазари ESMA също вече се занимава интензивно с използването на изкуствен интелект в управлението на активи. Броят на европейските фондове, които действително използват ИИ като съществена част от инвестиционната си стратегия, все още е сравнително малък. Експериментът едва започва.

Blackstone следва друг подход. Инвестиционният мениджър описва използването на изкуствен интелект, наред с другото, при скрининга на инвестиционни възможности и анализа на големи обеми документи. ИИ помага да се пита по-бързо:

• Кои сделки заслужават внимание?
• Кои документи съдържат отклонения?
• Кои рискове може да са пропуснати?
• Какви модели човек може би не вижда?

Но машината не замества инвестиционния комитет. Това е фундаментална разлика. ИИ разширява човешката преценка, вместо да твърди, че я прави излишна. И може би точно там е най-голямата му сила.

Поведенческите финанси от десетилетия документират избягването на загуби, свръхувереността, ефекта на котвата, стадното поведение, склонността към потвърждение и т.нар. disposition effect.

Особено показателно е едно изследване на професионални институционални инвеститори. Изследваните фонд мениджъри управляваха портфейли средно от 573 милиона щатски долара. Решенията им за покупка показваха умение. При решенията за продажба картината беше друга: те се представяха дори по-зле от случайни стратегии за продажба.

Изследователите откриха признаци, че вниманието и евристиките обясняват значителна част от това несъответствие. Значи проблемът не беше липсата на информация. Беше човешкото поведение.

Обичайният въпрос е: „Може ли ИИ да взема по-добри инвестиционни решения от хората?“ Може би друг въпрос е по-интересен: „Може ли ИИ да помогне на хората да разпознаят собствените си лоши инвестиционни решения?“

Тогава ролята на машината се променя. От оракул тя се превръща в противник.

Един инвестиционен екип, убеден в даден актив, не бива да пита ИИ само: „Добра инвестиция ли е това?“ А: „Изгради най-силния възможен аргумент срещу нея.“

• Кои допускания са необичайно оптимистични?
• Каква информация противоречи на нашата теза?
• Кои рискове сме омаловажили?
• Какво става при 20 процента по-нисък наем?
• Какво става при exit yield от седем вместо пет процента?
• Кои допускания бихме преценили различно, ако вече не бяхме работили шест месеца по тази сделка?

И може би най-важният въпрос: каква информация би ни накарала да не искаме вече тази сделка?

Ако отговорът е: „Всъщност никаква.“ – може би вече нямаме инвестиционен модел. Влюбили сме се.

Защото хората започват да съдят удивително бързо. В известно изследване на Janine Willis и Alexander Todorov от 2006 г. само 100 милисекунди бяха достатъчни, за да си съставят участниците преценка за непознато лице – наред с другото за симпатия, надеждност и компетентност.

Повече време промени някои от тези първи преценки изненадващо малко. То обаче можеше да увеличи увереността, с която хората отстояваха преценката си.

Една инвестиция, разбира се, не е лице. Но психологическият механизъм зад това би трябвало да ни интересува. Още преди да започне due diligence, може вече да съществува история:

• Това е изключителен актив.
• Този предприемач знае какво прави.
• Този район ще се развие.
• Тази технология ще промени всичко.

Или обратното: Това не ми харесва. След това започва анализът. И тук възниква нова опасност.

Изкуственият интелект може да анализира милиони данни. Но и на него първо трябва да му бъде зададен въпрос. А този въпрос го формулира човек.

Човек, който може би отдавна симпатизира на инвестицията. Който вече е работил по нея месеци наред. Който харесва продавача. Който е разгледал актива. Който е представил сделката пред инвестиционния си комитет. Който знае, че и конкурент наддава. Който не иска да загуби шест месеца работа. И който може би отдавна се надява анализът да стигне до определен резултат.

Сега този човек получава инструмент с огромна аналитична мощ. Това може да го направи по-рационален. Но може да направи и нещо друго: да му даде много по-добри аргументи за това, в което и без това искаше да вярва.

Склонността към потвърждение с изкуствен интелект си остава склонност към потвърждение. Тя просто получава по-мощен компютър.

Докато спорим дали изкуственият интелект ще направи инвеститорите по-рационални, компании и инвеститори влагат огромни суми в самия изкуствен интелект: центрове за данни. Чипове. Енергия. Модели. Стартъпи. Инфраструктура.

Банката за международни разплащания вече дори изследва динамиката на възможна инвестиционна надпревара в ИИ. Ако компаниите очакват малко победители да контролират голяма част от бъдещите пазари, индивидуално разбираемо поведение може да доведе до това общо да се инвестира изключително много капитал.

И така, насред най-модерната технология в света, отново изплува един от най-старите човешки инвестиционни въпроси: какво ще стане, ако не участвам?

Нова технология. Стара емоция.

ИИ ще промени инвестиционния бизнес. Той ще анализира по-бързо виртуалните стаи за данни, ще открива рискове, ще сравнява сделки и ще изчислява сценарии. Може би ще вижда неща, които хората пропускат.

Но точно затова може би трябва да внимаваме да не го превърнем в оракул. По-интересната му роля може да е тази на противника.

Не: Потвърди инвестиционната ми теза. А: Разруши я.
Не: Защо да купя? А: Какво пропускам, защото искам да купя?

Защото и най-добрият изкуствен интелект помага малко, ако още преди първия въпрос симпатизираме на една инвестиция и после занимаваме машината главно с търсене на причини за нещо, в което мозъкът ни отдавна иска да вярва.

Може би в инвестициите не се нуждаем от изкуствен интелект предимно за да получим повече отговори. Може би се нуждаем от него, за да задаваме по-добри контравъпроси към вече наполовина взетите си решения.

— Mag. Nevena Shotekova-Zöchling

• Willis, J. / Todorov, A. (2006): First Impressions: Making Up Your Mind After a 100-ms Exposure to a Face, Psychological Science, 17(7), 592–598.
• Akepanidtaworn, K. / Di Mascio, R. / Imas, A. / Schmidt, L. (2021): Selling Fast and Buying Slow: Heuristics and Trading Performance of Institutional Investors, NBER Working Paper 29076.
• Chen, S. / Sialm, C. / Xu, D. (2026): The Growth and Performance of Artificial Intelligence in Asset Management, NBER Working Paper 35273.
• U.S. Securities and Exchange Commission (2013): Knight Capital Americas LLC.
• Zillow Group (2021): Third Quarter 2021 Financial Results and Plan to Wind Down Zillow Offers Operations.
• ESMA (2025): Artificial Intelligence in EU Investment Funds: Adoption, Strategies and Portfolio Exposures.
• ESMA (2024): Public Statement on the Use of Artificial Intelligence in the Provision of Retail Investment Services.
• LAIQON AG / LAIC (2026): Публикувани данни за шестгодишния track record на мулти-асет стратегиите, базирани на ИИ (данни на компанията).
• Blackstone: Публикации за използването на изкуствен интелект в инвестиционния процес, по-специално скрининг на сделки, анализ на документи и работа с портфейли.
• Bank for International Settlements, BIS (2026): Изследвания на икономическите ефекти от инвестиционна надпревара в ИИ и възможна динамика на свръхинвестиране.