Πιο αποτελεσματικές ή πιο ευμετάβλητες; Η υιοθέτηση της τεχνητής νοημοσύνης από τις χρηματοπιστωτικές αγορές μπορεί να βελτιώσει τη διαχείριση κινδύνου και να εμβαθύνει τη ρευστότητα. Αλλά θα μπορούσε επίσης να κάνει τις αγορές αδιαφανείς, δυσκολότερες στην παρακολούθηση και πιο ευάλωτες σε κυβερνοεπιθέσεις και κινδύνους χειραγώγησης.
Η νέα Εκθεση Παγκόσμιας Χρηματοπιστωτικής Σταθερότητας εξετάζει νέα δεδομένα της αγοράς για να κατανοήσει πού μπορεί να μας οδηγήσει αυτή η τεχνολογία.
Τα hedge funds, οι επενδυτικές τράπεζες και άλλοι χρησιμοποιούν ποσοτικές στρατηγικές συναλλαγών εδώ και δεκαετίες. Οι αυτοματοποιημένοι αλγόριθμοι συναλλαγών έχουν βοηθήσει τις αγορές να κινούνται πιο γρήγορα και να αφομοιώνουν τις μεγάλες συναλλαγές πιο αποτελεσματικά σε μεγάλες κατηγορίες περιουσιακών στοιχείων, όπως οι μετοχές των ΗΠΑ. Αλλά έχουν επίσης συνεισφέρει σε γεγονότα «αστραπιαίας συντριβής» («flash crash»). Η τεχνητή νοημοσύνη, μέσω της ικανότητάς της να επεξεργάζεται σχεδόν αμέσως μεγάλες ποσότητες δεδομένων, ακόμη και κειμένου για χρήση από traders, είναι έτοιμη να μεταφέρει αυτού του είδους τις αλλαγές σε άλλο επίπεδο.
Οι τιμές μπορεί να αντιδρούν πολύ πιο γρήγορα σε μια αγορά που βασίζεται στην τεχνητή νοημοσύνη. Οι επενδυτές ανέφεραν την ανακοίνωση των περίπλοκων και μακροσκελών πρακτικών των συνεδριάσεων της Federal Reserve ως παράδειγμα όπου η τεχνητή νοημοσύνη θα μπορούσε να δώσει σήμα αγοράς και πώλησης ταχύτερα από ό,τι οποιοδήποτε στέλεχος της αγοράς. Πώς πρέπει οι ρυθμιστικές Αρχές και οι εποπτικές Αρχές να προετοιμαστούν για αυτόν τον νέο κόσμο; Σε μια αγορά ταχύτερης αντίδρασης όπου οι μη τράπεζες ενδέχεται να συνεχίσουν να αυξάνουν την ισχύ τους, θα πρέπει να ενισχυθούν διάφορες πτυχές της ρύθμισης και της εποπτείας σε τομείς που σχετίζονται με την τεχνητή νοημοσύνη.
Οι Αρχές του χρηματοπιστωτικού τομέα και τα χρηματιστήρια θα πρέπει να προσδιορίσουν εάν χρειάζεται να σχεδιάσουν νέους μηχανισμούς απόκρισης αστάθειας – ή να τροποποιήσουν κατάλληλα τους υπάρχοντες – για να ανταποκριθούν σε γεγονότα «flash crash» που πιθανώς προέρχονται από συναλλαγές με γνώμονα την τεχνητή νοημοσύνη.
Ομοίως, οι Αρχές του χρηματοπιστωτικού τομέα θα πρέπει να συνεχίσουν να ενισχύουν την εποπτεία και τη ρύθμιση των μη τραπεζικών χρηματοπιστωτικών διαμεσολαβητών απαιτώντας τους να ταυτοποιούνται και να αποκαλύπτουν πληροφορίες σχετικές με την τεχνητή νοημοσύνη, καθώς και να απαιτούν από τα χρηματοπιστωτικά ιδρύματα να χαρτογραφούν τακτικά τις αλληλεξαρτήσεις μεταξύ δεδομένων, μοντέλων και τεχνολογικών υποδομών που υποστηρίζουν μοντέλα τεχνητής νοημοσύνης.
Η στενή παρακολούθηση και εποπτεία αυτής της ταχέως μεταβαλλόμενης αγοράς θέτει τα θεμέλια για μια κατάλληλη και ισορροπημένη εποπτική απόκριση που μπορεί να επιτρέψει στους συμμετέχοντες στον χρηματοοικονομικό τομέα να επωφεληθούν από την τεχνητή νοημοσύνη μετριάζοντας τους κινδύνους της.
Η Nassira Abbas είναι στέλεχος στο τμήμα Monetary and Capital Markets Department του ΔΝΤ. Το άρθρο αποτελεί σύνοψη εκτενέστερης ανάλυσης, την οποία συνυπογράφουν τα επίσης στελέχη του ίδιου τμήματος, Charles Cohen, Dirk Jan Grolleman και Benjamin Mosk, και δημοσιεύεται στο Blog του ΔΝΤ
Premium Έκδοση τα ΝΕΑ
Διαβάστε επίσης: Κύπρος: Σχεδόν το 20% των επιχειρήσεων δέχθηκε κυβερνοεπιθέση