Искусственный интеллект и инвестиции:
оракул или противник?

Сегодня инвестиционный комитет может обработать больше информации, чем когда-либо. Через несколько лет ИИ сможет ещё до начала заседания прочитать каждый договор аренды в портфеле недвижимости, выявить все права на расторжение, проверить платёжеспособность арендаторов, проанализировать сопоставимые сделки и просчитать десять тысяч сценариев по ставкам, инфляции, вакантности и exit yield.

Но решает ли более качественная информация главную проблему инвестирования? История последних лет говорит о более сложном ответе.

1 августа 2012 года Knight Capital установила новое программное обеспечение в свою торговую систему. Затем машина начала торговать.

Всего за 45 минут система отправила на рынок миллионы ошибочных заявок. Knight Capital потеряла более 460 миллионов долларов США.

Особенно примечательно: внутренние системы уже выдавали предупреждения. Люди получали сигналы, но не распознали их значение вовремя.

Knight Capital не был современным искусственным интеллектом. Однако этот случай показывает проблему, которая становится ещё важнее с более мощными системами:

Машины автоматизируют не только правильные решения. Они автоматизируют и ошибки. И делают и то, и другое со скоростью, недоступной человеку.

В 2017 году был запущен AI Powered Equity ETF AIEQ. Идея была заманчивой: машина может обрабатывать данные о компаниях, новости и рыночную информацию в объёме, недоступном ни одному управляющему.

Однако больше информации не означало автоматически большей доходности. За период с конца 2017 года до середины 2023 года для AIEQ сообщалось о среднегодовой доходности около 6,7 процента против примерно 11,2 процента у широкого индекса американского рынка акций.

Другие ранние попытки инвестиционных стратегий на основе ИИ также не оправдали ожиданий. Sentient Technologies, например, делала ставку на эволюционные алгоритмы для инвестиционных решений. Компания привлекла значительное венчурное финансирование. По опубликованным данным, её фонд заработал около четырёх процентов в 2017 году и практически ничего в 2018 году; затем он был ликвидирован.

Новые исследования, впрочем, рисуют более нюансированную картину. Актуальное исследование инвестиционных стратегий на основе ИИ показывает, что ранние пользователи отчасти действительно получали сверхдоходность по сравнению с аналогичными стратегиями без ИИ. Но по мере распространения технологии это преимущество уменьшалось.

Это была бы очень старая инвестиционная история: информационное преимущество может приносить альфу. Но как только оно есть у всех, это уже не преимущество.

Особенно интересно становится в сфере недвижимости. Zillow располагала огромными массивами данных и одной из самых известных в мире систем автоматической оценки недвижимости.

С Zillow Offers компания сделала решающий шаг вперёд. Она использовала свои модели уже не только для оценки недвижимости. Zillow начала сама покупать дома.

В ноябре 2021 года программа была закрыта. Только за третий квартал Zillow пришлось списать около 304 миллионов долларов США по своему портфелю недвижимости. Генеральный директор Rich Barton объяснил, что непредсказуемость будущих цен на жильё оказалась значительно выше ожидаемой.

Проблема была сложнее, чем «плохой алгоритм». Давление роста, цены покупки, расходы на ремонт, проблемы с рабочей силой и цепочками поставок, а также меняющийся рынок недвижимости столкнулись с моделями, обученными на прошлом.

В этом кроется важнейший урок: модель может быть превосходной в среднем и всё же ошибаться именно там, куда вложен капитал.

Капитал не интересует средняя ошибка модели. Капитал интересует, где эта ошибка возникает.

Есть и другая сторона. Немецкая управляющая компания LAIQON уже несколько лет использует искусственный интеллект в инвестиционном процессе.

По данным компании, LAIQON AI Dynamic Multi Asset с мая 2020 по май 2026 года показал совокупную доходность 66,41 процента, что на 28,20 процентного пункта выше указанной группы сравнения. По данным компании, и более консервативный ИИ-фонд опередил свою группу.

Эти цифры взяты из корпоративной коммуникации и должны оцениваться соответственно. Они не доказывают, что ИИ в принципе принимает лучшие инвестиционные решения. Но они показывают другое: инвестиционные процессы с поддержкой ИИ могут работать.

Европейское управление по ценным бумагам и рынкам ESMA также теперь активно изучает использование искусственного интеллекта в управлении активами. Число европейских фондов, действительно использующих ИИ как существенную часть инвестиционной стратегии, пока относительно невелико. Эксперимент только начинается.

Blackstone придерживается иного подхода. Управляющий описывает использование искусственного интеллекта, в частности, для отбора инвестиционных возможностей и анализа больших объёмов документов. ИИ помогает быстрее задавать вопросы:

• Какие сделки заслуживают внимания?
• Какие документы содержат аномалии?
• Какие риски могли быть упущены?
• Какие закономерности человек может не заметить?

Но машина не заменяет инвестиционный комитет. Это фундаментальное различие. ИИ расширяет человеческое суждение, а не делает вид, что оно больше не нужно. И, возможно, именно в этом его главная сила.

Поведенческие финансы уже десятилетиями документируют неприятие потерь, чрезмерную самоуверенность, эффект якоря, стадное поведение, предвзятость подтверждения и так называемый disposition effect.

Особенно примечательно одно исследование профессиональных институциональных инвесторов. Изучаемые управляющие руководили портфелями в среднем на 573 миллиона долларов США. Их решения о покупке демонстрировали мастерство. С решениями о продаже всё было иначе: они оказались даже хуже случайных стратегий продажи.

Исследователи нашли признаки того, что внимание и эвристики объясняют значительную часть этого расхождения. Значит, проблема была не в нехватке информации. Проблема была в человеческом поведении.

Обычный вопрос звучит так: «Может ли ИИ принимать лучшие инвестиционные решения, чем люди?» Возможно, интереснее другой вопрос: «Может ли ИИ помочь людям распознать их собственные плохие инвестиционные решения?»

Тогда роль машины меняется. Из оракула она превращается в противника.

Инвестиционная команда, убеждённая в активе, должна спрашивать ИИ не только: «Это хорошая инвестиция?» А: «Построй самый сильный инвестиционный аргумент против неё».

• Какие допущения необычно оптимистичны?
• Какая информация противоречит нашей гипотезе?
• Какие риски мы преуменьшили?
• Что будет при арендной плате на 20 процентов ниже?
• Что будет при exit yield семь процентов вместо пяти?
• Какие допущения мы оценили бы иначе, если бы уже не работали над этой сделкой шесть месяцев?

И, возможно, самый важный вопрос: какая информация заставила бы нас отказаться от этой сделки?

Если ответ: «Вообще-то никакая», – возможно, у нас больше нет инвестиционной модели. Мы влюбились.

Ведь люди начинают судить поразительно быстро. В известном исследовании Janine Willis и Alexander Todorov 2006 года участникам хватало 100 миллисекунд, чтобы по незнакомому лицу составить суждение, в том числе о симпатии, надёжности и компетентности.

Больше времени меняло некоторые из этих первых суждений удивительно мало. Зато оно могло повысить уверенность, с которой люди их отстаивали.

Инвестиция, конечно, не лицо. Но психологический механизм, стоящий за этим, должен нас интересовать. Ещё до начала due diligence, возможно, уже существует история:

• Это исключительный актив.
• Этот предприниматель знает, что делает.
• Этот район будет развиваться.
• Эта технология всё изменит.

Или наоборот: мне это не нравится. Затем начинается анализ. И здесь возникает новая опасность.

Искусственный интеллект может анализировать миллионы данных. Но и ему сначала нужно задать вопрос. А этот вопрос формулирует человек.

Человек, который, возможно, давно симпатизирует инвестиции. Который уже месяцами над ней работает. Которому нравится продавец. Который осмотрел актив. Который представил сделку своему инвестиционному комитету. Который знает, что конкурент тоже делает предложение. Который не хочет потерять шесть месяцев работы. И который, возможно, давно надеется, что анализ придёт к определённому результату.

Теперь этот человек получает инструмент огромной аналитической мощности. Это может сделать его рациональнее. Но может произойти и другое: инструмент даст ему гораздо лучшие аргументы в пользу того, во что он и так хотел верить.

Предвзятость подтверждения с искусственным интеллектом остаётся предвзятостью подтверждения. Она просто получает более мощный компьютер.

Пока мы спорим, сделает ли искусственный интеллект инвесторов рациональнее, компании и инвесторы вкладывают огромные суммы в сам искусственный интеллект: дата-центры. Чипы. Энергию. Модели. Стартапы. Инфраструктуру.

Банк международных расчётов уже исследует динамику возможной инвестиционной гонки в сфере ИИ. Если компании ожидают, что немногие победители будут контролировать большую часть будущих рынков, индивидуально понятное поведение может привести к тому, что в совокупности будет инвестировано чрезвычайно много капитала.

И вот посреди самой современной технологии в мире вновь всплывает один из древнейших инвестиционных вопросов человечества: что будет, если я в этом не участвую?

Новая технология. Старая эмоция.

ИИ изменит инвестиционный бизнес. Он будет быстрее анализировать дата-румы, выявлять риски, сравнивать сделки и просчитывать сценарии. Возможно, он увидит то, что люди упускают.

Но именно поэтому, возможно, нам стоит быть осторожными и не превращать его в оракула. Его более интересная роль – роль противника.

Не: Подтверди мою инвестиционную гипотезу. А: Разрушь её.
Не: Почему мне стоит купить? А: Что я упускаю, потому что хочу купить?

Ведь даже лучший искусственный интеллект мало поможет, если мы ещё до первого вопроса симпатизируем инвестиции, а затем занимаем машину в основном поиском причин для того, во что наш мозг давно хочет верить.

Возможно, искусственный интеллект в инвестициях нужен нам не прежде всего для того, чтобы получать больше ответов. Возможно, он нужен нам, чтобы задавать лучшие встречные вопросы к нашим уже наполовину принятым решениям.

— 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): Опубликованные данные о шестилетней истории доходности мультиактивных стратегий на основе ИИ (данные компании).
• Blackstone: Публикации об использовании искусственного интеллекта в инвестиционном процессе, в частности при отборе сделок, анализе документов и работе с портфелем.
• Bank for International Settlements, BIS (2026): Исследования экономических последствий инвестиционной гонки в сфере ИИ и возможной динамики избыточных инвестиций.