فهم الگوریتم

بازارهای مالی یکی از جذاب‌ترین و درعین‌حال پیچیده‌ترین عرصه‌ها برای مطالعه بوده‌اند. از بورس نیویورک تا بازارهای نوظهور، میلیاردها دلار سرمایه هر روز براساس پیش‌بینی‌ها، تحلیل‌ها، و انتظارات فعالان بازار جابه‌جا می‌شود. اما پرسش بنیادین از ابتدا وجود داشته است: آیا تصمیمات و قیمت‌ها بازتاب دقیق و منطقی اطلاعات موجودند؟ یا اینکه رفتار انسان‌ها، احساسات، ترس‌ها، هیجانات و محدودیت‌های ذهنی آنها باعث می‌شود قیمت‌ها منطقی نباشند؟ اقتصاددانان سال‌هاست به این مسئله فکر می‌کنند. نظریه بازار کارا می‌گوید بازارها به شکلی کار می‌کنند که اطلاعات به‌سرعت در قیمت‌ها منعکس شود و فرصت سود اضافی پایدار وجود ندارد. تجربه‌های تاریخی همانند ترکیدن حباب دات‌کام در سال ۲۰۰۰ یا بحران مالی در سال ۲۰۰۸ نشان دادند بازارها گاهی می‌توانند راهی متفاوت و غیرمنطقی را طی کنند. برای مثال در سال‌های قبل از بحران ۲۰۰۸، تحلیلگران بر این باور بودند که شرایط عالی است، ریسک‌ها کنترل شده‌اند و قیمت مسکن همیشه بالا می‌رود، اما همه چیز ناگهان فرو ریخت.

اینجا پرسش مهمی شکل می‌گیرد: اگر اطلاعات یکسان در دسترس همه است، چرا بعضی‌ها اشتباه می‌کنند و بعضی‌ها بهتر پیش‌بینی می‌کنند؟ آیا واقعاً مشکل از نبود اطلاعات است؟ یا مشکل اینجاست که انسان‌ها اطلاعات را درست پردازش نمی‌کنند؟ پژوهش‌های رفتاری نشان داده‌اند انسان‌ها همیشه عقلانی نیستند. برای مثال، وقتی بازار رشد می‌کند، بسیاری فکر می‌کنند این روند ادامه دارد و بیش از حد خوش‌بین می‌شوند. وقتی بازار سقوط می‌کند، ترس و وحشت باعث می‌شود بیش از حد بدبین شوند. در اقتصاد به این سوگیری‌ها «تعصب رفتاری» می‌گویند. همین تعصب‌ها ممکن است موجب شود فردی با وجود دسترسی به اطلاعات خوب، تصمیم اشتباه بگیرد.

با این وصف، دنیای مالی تغییر کرده است. فناوری پیشرفت کرده، داده‌ها فراوان شده‌اند و ابزارهای تحلیلی مثل شبکه‌های عصبی و الگوریتم‌های هوش مصنوعی وارد بازار شده‌اند. بسیاری از شرکت‌های بزرگ سرمایه‌گذاری از مدل‌های پیشرفته برای تحلیل بازار استفاده می‌کنند. بنابراین اگر قرار باشد امروز بپرسیم آیا بازار عقلانی است یا نه؟، باید ببینیم آیا انسان‌ها همچنان برترند یا ماشین‌ها می‌توانند بهتر تصمیم بگیرند. اگر ماشینی که براساس داده‌ها و بدون احساس تصمیم می‌گیرد بهتر از انسان پیش‌بینی کند، یعنی هنوز هم رفتار انسانی، منبع خطا در بازار است.

برای فهم بهتر، تصور کنید دو راننده داریم. یکی راننده‌ای باتجربه و احساساتی و دیگری کامپیوتری که بدون احساس و تنها با داده‌های راه، آب‌وهوا و نقشه مسیر حرکت می‌کند. راننده انسانی ممکن است به خاطر ترس از رانندگی زیر باران بیش از حد احتیاط کند یا وقتی روز قبل خوب رانندگی کرده، بیش از حد اعتمادبه‌نفس داشته باشد. کامپیوتر فقط داده‌ها را می‌بیند و تصمیم‌هایش براساس واقعیت است. حال اگر همین تشبیه را به بازار سهام ببریم، آیا انسان‌ها مثل آن راننده احساسی رفتار می‌کنند؟ آیا ماشین می‌تواند بهتر عمل کند؟

مسئله بعدی این است که خطا همیشه بد نیست. گاهی حوادث غیرمنتظره رخ می‌دهد و هرکس ممکن است اشتباه کند. مانند زلزله یا اتفاق سیاسی ناگهانی که هیچ‌کس پیش‌بینی نمی‌کند، این نوع خطاها هم طبیعی‌اند. اما اگر فرد همیشه در شرایط خاص، برای مثال هنگام بحران، اشتباه مشابهی کند، این دیگر خطای تصادفی نیست، بلکه خطای قابل پیش‌بینی است. یعنی او به شیوه سیستماتیک اشتباه می‌کند. در بازارهای مالی این نوع خطا خطرناک است، چون در زمان بحران تصمیم درست، حیاتی است.

آیا فعالان بازار هنوز چنین خطاهای قابل پیش‌بینی دارند؟ با توجه به حجم اطلاعات و ابزارهای امروز، آیا می‌توان گفت بازار نسبت به گذشته عقلانی‌تر شده؟ یا هنوز هم سوگیری‌های رفتاری وجود دارد؟ اگر ماشین‌ها دقیق باشند، یعنی سیستم مالی حتی با فناوری مدرن هم کارا نیست و انسان‌ها همچنان در تحلیل شرایط اشتباه می‌کنند. این موضوع تنها کنجکاوی علمی نیست. اگر باورهای اشتباه سرمایه‌گذاران قابل پیش‌بینی باشد، می‌توان از این خطاها برای ساخت استراتژی‌هایی استفاده کرد که سود بیشتری بدهد. یعنی خطای انسانی تبدیل به فرصت مالی می‌شود. برای مثال، اگر تحلیلگران همیشه در دوره‌های پرریسک خوش‌بین باشند، شما می‌توانید بااحتیاط عمل و ضررهای بزرگ را از خودتان دور کنید.

مقاله‌ای که در این گزارش به بررسی آن پرداخته‌ایم، همین موضوع را بررسی می‌کند. نویسندگان این مقاله الگوریتمی ساخته‌اند که مانند «سرمایه‌گذار منطقی» عمل می‌کند. نتیجه یافته‌ها می‌گوید، انسان‌ها به‌طور سیستماتیک اشتباه می‌کنند، به‌ویژه در دوره‌های بحران. در سال‌های گذشته، با وجود داده‌های زیاد و ابزارهای پیشرفته، بازارها هنوز عقلانی نیست و رفتار انسانی همچنان نقش بزرگی دارد. این یافته‌ها نه‌تنها تصویری واقعی از ناکارایی‌های رفتاری بازار ارائه می‌دهند، بلکه درک ما را از ریسک، بازده و نقش فناوری در مالی امروز نیز عمیق می‌کند.

مقاله به‌دنبال چیست؟

این مقاله به‌دنبال پاسخ دادن به پرسش بنیادی در دانش مالی رفتاری و قیمت‌گذاری دارایی‌هاست. بازار سهام تا چه اندازه واقعاً عقلانی و کارا عمل می‌کند؟ و اطلاعات را به شکل درست و سریع در قیمت‌ها منعکس می‌کند؟ نویسندگان استدلال می‌کنند اگر بازار عقلانی باشد، سرمایه‌گذاران نباید «خطاهای قابل پیش‌بینی» در باورها و پیش‌بینی‌هایشان داشته باشند. آنها این خطاهای قابل پیش‌بینی را «پرستِیکز» (Prestakes) می‌نامند. یعنی اشتباهاتی که نه‌تنها تصادفی و ناشی از بدشانسی نیستند، بلکه از الگوی ثابتِ قضاوت نادرست و پردازش ناکامل اطلاعات سرچشمه می‌گیرند. هدف مقاله این است که نشان دهد آیا چنین اشتباهاتی در باورهای سرمایه‌گذاران وجود دارد، و اگر بله، چقدر مهم و اثرگذار هستند.

برای این کار، نویسندگان قدمی فراتر از مطالعات سنتی برداشتند. پژوهش‌های قبلی باورهای سرمایه‌گذاران و تحلیلگران را با معیار نظری به نام «انتظارات عقلایی با اطلاعات کامل» (FIRE) مقایسه می‌کردند. این روش اختلاف میان باورهای ذهنی و باور عقلایی را نشان می‌دهد، اما نمی‌تواند بگوید اندازه و اهمیت این اختلاف چقدر است؟ به عبارت دیگر، دانستن اینکه خطا وجود دارد، کافی نیست؛ باید بفهمیم این خطاها چقدر بزرگ‌اند و چه اثری بر بازار دارند؟ این مقاله تلاش می‌کند چنین سنجشی ارائه دهد.

نویسندگان بر این باورند که برای سنجش این موضوع باید معیار عملی از «باورهای عینی و بدون اعوجاج» بسازیم. ابزار آنها برای این کار یادگیری ماشین است. آنها الگوریتمی طراحی کرده‌اند که وظیفه‌اش تولید پیش‌بینی‌های واقعی درباره بازار سهام است، درست مثل فعال بازاری که در لحظه تصمیم می‌گیرد. این الگوریتم با بهره‌گیری از شبکه‌های عصبی آموزش می‌بیند خودش را با تغییرات اقتصاد وفق دهد. البته در این الگوریتم از داده‌های زیاد و متنوع استفاده کند می‌شود. داده‌هایی که سرمایه‌گذاران واقعی هم به آنها دسترسی دارند. هدف این است که ماشین بدون محدودیت‌های شناختی و رفتاری انسان نقش «استاندارد عقلانیت و کارایی» را بازی کند.

طراحی این الگوریتم چند نکته مهم دارد. نخست اینکه باید در محیطی شبیه دنیای واقعی کار کند، یعنی با داده‌های تاریخی و بدون امکان نگاه به آینده. دوم اینکه باید به اندازه کافی پیچیده و قدرتمند باشد که اطلاعات گسترده را به‌خوبی پردازش کند. چیزی که مدل‌های سنتی ساده نمی‌توانند انجام دهند. سوم اینکه به‌طور مستقل و بدون دخالت ذهن انسان تصمیم‌گیری کند، که تاثیر تعصب‌ها و سوگیری‌های انسانی حذف شود. الگوریتم ابتدا در دوره سال‌های 1970 تا 2005 آموزش داده می‌شود که شامل دوره‌های مهمی مثل رکودها و حباب‌های بزرگ است. سپس در دوره سال‌های 2005 تا 2023 به شکل واقعی و بدون نگاه به آینده امتحان می‌شود. نکته کلیدی اینجاست که ماشین تنها زمانی از پیش‌بینی‌های نظرسنجی تحلیلگران فاصله می‌گیرد که شواهدی از اشتباهات قابل پیش‌بینی در آنها ببیند.

این مقاله با شکل‌دهی به «داور بی‌طرف و قدرتمند اطلاعاتی» به نام الگوریتم یادگیری ماشین، باورهای انسانی را ارزیابی می‌کند. نویسندگان تاکید می‌کنند در دنیای امروز با وجود داده‌های فراوان و ابزارهای محاسباتی پیشرفته، همچنان امکان وقوع خطاها وجود دارد، چون انسان‌ها دچار تعصبات رفتاری، محدودیت‌های ذهنی، توجه ناکافی و یادگیری کند هستند. این خطاها به‌خصوص در زمان‌های بحران و نوسان شدید بازار اهمیت بیشتری دارند، چون در این شرایط «اهمیت اشتباهات بالا می‌رود»، و پرستیکز می‌تواند هزینه‌های بزرگ ایجاد کند.

درنهایت، هدف اصلی مقاله نه فقط تشخیص وجود این خطاها، بلکه اندازه‌گیری شدت آنها و نشان دادن تاثیر عملی‌شان است. با مقایسه عملکرد ماشین و انسان، پژوهشگران پاسخ می‌دهند بازار چقدر از عقلانیت و کارایی فاصله دارد؟. اگر ماشین بهتر از تحلیلگران عمل کند و بتواند به شکل قابل‌توجهی سود کسب کند، این نشانه‌ای واضح است که بازار کارا نیست و باورهای فعالان آن دارای اعوجاج سیستماتیک است.

یافته‌های پژوهش

این مقاله می‌خواهد نشان دهد آیا سرمایه‌گذاران و تحلیلگران بازار سهام آمریکا در پیش‌بینی‌هایشان اشتباهات قابل پیش‌بینی دارند یا نه؟. اگر هم اشتباه دارند، این اشتباهات چقدر مهم‌اند و چه اثری بر بازار می‌گذارند؟. برای این کار، نویسندگان الگوریتمی طراحی کرده‌اند که برخلاف انسان‌ها هیچ تعصب ذهنی یا محدودیت شناختی ندارد و فقط با استفاده از داده‌های واقعی و تاریخی، پیش‌بینی‌های واقعی درباره بازده بازار سهام و رشد سود شرکت‌ها انجام می‌دهد. سپس پیش‌بینی‌های این ماشین را با پیش‌بینی‌های افراد، مدیران مالی شرکت‌ها و تحلیلگران حرفه‌ای مقایسه می‌کنند. نتیجه اصلی این است که افراد واقعی به‌طور سیستماتیک اشتباه می‌کنند و این اشتباهات قابل پیش‌بینی‌اند. یعنی اگر به اطلاعات موجود توجه بیشتری می‌کردند، می‌توانستند بهتر پیش‌بینی کنند ولی این کار را نکرده‌اند.

در بخش نخست یافته‌ها، پژوهش نشان می‌دهد پیش‌بینی‌های ماشین به‌طور قابل‌توجهی دقیق‌تر از پیش‌بینی‌های انسانی است. برای بازده یک سال آینده بازار سهام، ماشین حداقل ۳۰ درصد بهتر از سرمایه‌گذاران، مدیران مالی و تحلیلگران حرفه‌ای عمل کرده است. به‌ویژه در بحران مالی سال ۲۰۰۸ و سقوط بازارها در سال ۲۰۲۲ که تورم شدید شد، انسان‌ها نتوانستند بازده منفی را پیش‌بینی کنند، ولی ماشین توانست این کار را انجام دهد. در پیش‌بینی رشد سود شرکت‌ها هم ماشین موفق‌تر بود. در کل دوره آزمون دقت آن ۶۴ درصد بیش‌تر از تحلیلگران بود و در دوره بحران و پس از آن حتی ۷۰ درصد بهتر عمل کرد. این شکاف بزرگ نشان می‌دهد سرمایه‌گذاران اطلاعات را ناقص و نادرست به کار می‌برند و بخشی از داده‌های مهم را نادیده می‌گیرند یا وزن اشتباهی به آنها می‌دهند. پس خطاهای آنها فقط تصادفی نیست، بلکه ساختاری و قابل پیش‌بینی است. نویسندگان سپس بررسی می‌کنند که این اشتباهات از کجا ناشی می‌شود.

تحلیل رفتار ماشین و انسان نشان می‌دهد باورهای انسانی چند مشکل دارد. نخست اینکه سرمایه‌گذاران تغییرات بزرگ اقتصاد و بازار را دیر می‌بینند و باورهایشان به اندازه کافی تغییر نمی‌کند. یعنی انعطاف کم دارند و واکنششان خطی است. دوم اینکه از اشتباهات قبلی درس نمی‌گیرند و الگوهای نادرستشان را تکرار می‌کنند. سوم اینکه دچار سوگیری «تازگی» هستند، یعنی به میانگین نتایج اخیر توجه می‌کنند و فکر می‌کنند آینده شبیه همین چند وقت است (حتی در زمان بحران و شوک‌های بزرگ). در مقابل، ماشین توجه بیشتری به شاخص‌های ریسک اعتباری، شوک‌های بازار نرخ بهره، رفتار مصرف‌کنندگان و احساسات رسانه‌ها دارد و در لحظات حساس مسیرش را اصلاح می‌کند. همین‌جاست که بزرگ‌ترین فاصله بین باورهای ماشین و انسان دیده می‌شود و نشان می‌دهد بیشترین اشتباهات انسانی در دوره‌های آشفته‌بازار رخ می‌دهد، درست زمانی که تصمیم‌های درست مهم‌ترند.

در بخش دوم یافته‌ها، مقاله بررسی می‌کند آیا انسان‌ها درک درستی از رابطه ریسک و بازده دارند یا نه؟ نتیجه این است که هرچند رابطه مثبت میان ریسک و بازده در باورهای انسان و ماشین وجود دارد، اما باورهای انسان کمتر از حد لازم نسبت به تغییر ریسک واکنش نشان می‌دهد. یعنی وقتی ریسک واقعی زیاد می‌شود، ریسک پریمیوم ذهنی سرمایه‌گذاران کمتر از اندازه منطقی بالا می‌رود. به زبان ساده، آنها خطر را جدی نمی‌گیرند یا دست‌کم می‌گیرند. این هم نشانه ضعف پردازش اطلاعات است.

در بخش سوم، نویسندگان می‌پرسند اگر روی باورهای ماشین معامله کنیم، چه می‌شود؟. نتیجه جالب است. استراتژی‌هایی که وقتی ماشین انتظار بازده مثبت دارد در بازار سهام سرمایه‌گذاری می‌کنند و وقتی انتظار منفی دارد به اوراق کم‌ریسک می‌روند، بازده مازاد قابل‌توجهی کسب می‌کنند. در برخی استراتژی‌ها که در دوره‌های منفی حتی فروش استقراضی دارند، بازده سالانه اضافی بین ۸ تا ۹ درصد ثبت شده است. این بازده‌ها بیشتر در دوره‌های بحران مثل سال ۲۰۰۸ و ۲۰۲2 به دست آمده، چون ماشین توانسته از سقوط‌ها اجتناب کند، ولی انسان‌ها نه. این نتیجه نشان می‌دهد خطاهای ذهنی سرمایه‌گذاران فقط تئوری نیستند، بلکه بر قیمت‌ها و فرصت‌های معاملاتی اثر دارند.

درنهایت مقاله تاکید می‌کند ماشین هم کامل نیست و گاهی اشتباه‌های بزرگ دارد، چون شوک‌های پیش‌بینی‌ناپذیر همیشه وجود دارند. اما نکته اصلی این است که تفاوت بین خطای تصادفی و خطای قابل پیش‌بینی مهم است. ماشین هم گاهی غافلگیر می‌شود، اما انسان‌ها علاوه بر شوک‌های غیرمنتظره، از الگوی رفتاری ثابت و نادرست رنج می‌برند. این مقاله نشان می‌دهد بازار سهام آمریکا به‌طور کامل کارا و عقلانی نیست و باورهای فعالان آن دچار اعوجاج سیستماتیک‌اند و این اعوجاج‌ها می‌تواند فرصت‌های معاملاتی واقعی به‌ویژه در دوران بی‌ثباتی و بحران ایجاد کند.