בינה מלאכותית מנתחת חדשות שוק ההון

מודלים של AI קובעים אם פריט חדשות הוא חיובי, שלילי או ניטרלי כלפי חברה או שוק על ידי ניתוח ניסוח והקשר. לדוגמה, "חברה X מדווחת על רווחים שיא" מתויג כחיובי, בעוד "חברה Y עומדת בחקירת הונאה" הוא שלילי.

FinBERT הוא גישה פופולרית – גרסה של מודל השפה BERT של גוגל המכווננת במיוחד על טקסט פיננסי לסיווג רגשות. מודלים כאלה מאומנים על חדשות פיננסיות היסטוריות שסומנו לפי השפעתן על מחירי מניות.

BloombergGPT, מודל שפה גדול ייעודי, אומן במפורש לשפר את ניתוח הרגש של חדשות פיננסיות (כמו גם זיהוי ישויות ושיוך חדשות). על ידי מדידת הטון הרגשי של השוק, AI מספק מדד כמותי לחדשות איכותיות.

חדשות פיננסיות מלאות בשמות פרטיים – שמות חברות, אנשים, מוצרים, מקומות ועוד. מערכות AI משתמשות ב-NLP כדי לזהות ולסמן ישויות המוזכרות במאמרי חדשות. אם כתבה אומרת "אפל חשפה אייפון חדש בסין", ה-AI מסמן את "אפל" כחברה, "אייפון" כמוצר ו"סין" כמיקום.

פלטפורמות מתקדמות כמו RavenPack מחזיקות מילונים פיננסיים עצומים – אלגוריתמים של RavenPack יכולים לזהות מעל 12 מיליון ישויות ייחודיות, כולל חברות ציבוריות ופרטיות, מנהלים, מקורבים ומוצרים או מטבעות ספציפיים.

מעבר לסימון שמות, AI גם מסווג על מה החדשות (נושא או סוג אירוע). האם זה דוח רווחים, הודעת מיזוג, סוגיה רגולטורית או אינדיקטור כלכלי? הטקסונומיה של RavenPack כוללת מעל 7,000 קטגוריות אירועים לסיווג חדשות.

לא כל החדשות שוות – חלק מהמאמרים חוזרים על מידע ישן, ואחרים מביאים חידושים. כלי AI מעריכים חדשנות (כמה חדש או ייחודי פריט) ו-רלוונטיות (כמה ישיר ההשפעה על חברה או שוק מסוים).

לדוגמה, בלוג חדשות קטן שמזכיר את אפל במעבר יקבל רלוונטיות נמוכה, בעוד חקירת רשות ניירות ערך על פיננסי אפל תדורג גבוהה מאוד. RavenPack מספקת דירוג רלוונטיות ומעקב חדשנות לכל ישות/אירוע שזוהה בסיפור, יחד עם ציון "השפעה".

זיהוי חדשנות נעשה לעיתים על ידי השוואת הטקסט לחדשות אחרונות כדי לבדוק אם מדובר בחזרה על מידע ידוע. זה קריטי בשווקים מהירים שבהם עשרות מקורות עשויים להדגיש את אותו סיפור – AI יכול לסמן את המופע הראשון כחדש ולהמעיט בערך השאר.

AI מתקדם לא נעצר במאמרי חדשות בודדים – הוא יכול לזהות נושאים ומגמות מאקרו בין אלפי פריטים. LSEG MarketPsych Analytics מקבץ חדשות ליותר מ-200 נושאים כלכליים והתנהגותיים (כמו "מלחמת סחר", "אינפלציה", "סייבר", ועוד).

AI מסווג כל פריט חדשות לנושאים אלה ומדרג את הרגש בכל נושא. זה מאפשר למשקיעים לעקוב אחרי רגשות נושאיים לאורך זמן (למשל, האם הרגש סביב "רכבים חשמליים" משתפר או מחמיר ברבעון זה?). טרמינל Bloomberg מציע פונקציה של "נושאי חדשות מרכזיים" המשתמשת ב-AI לקיבוץ חדשות לפי נושאים.

על ידי חשיפת תובנות נושאיות, AI עוזר לקשר נקודות. אם חדשות של חברות רבות קשורות, למשל, להפרעות בשרשרת האספקה, משקיע יכול לזהות גורם סיכון מתהווה בשוק. AI למעשה קורא בין השורות, מזהה דפוסים חוצי מאמרים שאדם עלול לפספס בקריאה נפרדת.

יישום מתפתח של AI הוא סיכום חדשות ארוכות או מורכבות לצורה נוחה לעיכול. מודלים גנרטיביים (כמו GPT-4 ו-BloombergGPT) יכולים לייצר סיכומים תמציתיים או נקודות עיקריות של מאמר חדשות, תוך שמירה על עובדות מרכזיות.

בלומברג השיקה לאחרונה סיכומי חדשות מונעי AI בטרמינל שלה: לכל סיפור חדשות של Bloomberg, ה-AI מייצר שלוש נקודות עיקריות בראש המאמר. סיכומים אלה נבדקים על ידי מומחי בלומברג כדי להבטיח דיוק, ומאפשרים לסוחרים עסוקים לתפוס את מהות הסיפור במבט חטוף.

משנה משחק… תובנות ברורות ותמציתיות שמאפשרות לי לתפוס במהירות סיפורים מורכבים.

— סוחר בכיר, משתמש טרמינל Bloomberg

מעבר לסיכומים, AI יכול לענות על שאלות לגבי חדשות (שאלות ותשובות). אם שואלים, "מה אמר יו"ר הפד על האינפלציה היום?", מערכת AI יכולה לשלוף את התשובה מתמליל חדשות. חלק מהפלטפורמות מאפשרות כעת אינטראקציה עם החדשות בצ'אט, לשאול שאלות המשך ולחקור לעומק, כדרך אינטואיטיבית יותר לניתוח מידע.

אולי המאמצים הראשונים של ניתוח חדשות בינה מלאכותית היו בקרנות מסחר כמותיות ואלגוריתמיות. קרנות אלו משלבות אותות שמקורם בחדשות במודלי המסחר שלהן כדי להשיג יתרון. מעניין שמעל 70% מקרנות הגידור הכמותיות המובילות משתמשות ב-RavenPack News Analytics ליצירת אלפא וניהול סיכונים.

לקרנות אלו, נתוני AI כמו ציוני רגשות, מדדי רעש וזיהוי אירועים משמשים כאותות מסחר. אלגוריתם עשוי להיכנס למניות עם רגשות חדשות חיוביים מאוד ולמכור מניות עם רגשות שליליים מאוד (אסטרטגיה שאושרה על ידי בדיקות אחורה שמראות פער ביצועים בין מניות עם רגשות גבוהים ונמוכים).

חברות מסחר בתדירות גבוהה משתמשות גם הן ב-AI לפירוק פידים חדשותיים אלגוריתמית – אם כותרת שמשנה את השוק חוצה (כמו הפתעה של בנק מרכזי), ה-AI שלהן יכול להפעיל מסחר מיידי, לעיתים באופן אוטומטי לחלוטין. זה הפך את השווקים לרגישים מאוד לחדשות, ותורם לתנועות חדות כאשר מידע בלתי צפוי מגיע.

מעבר למסחר מהיר, ניתוח חדשות AI תומך במשקיעים לטווח ארוך כמו מנהלי נכסים, קרנות נאמנות ויועצי עושר. נתוני רגשות ומגמות חדשות מספקים שכבת תובנה נוספת מעל ליסודות.

מנהל תיק מניות עשוי לעקוב אחרי ציון הרגש של כל מניה בתיק; ירידה פתאומית עשויה לעורר בדיקה של חדשות שליליות שיצאו והאם הן מצביעות על בעיה יסודית. כמו כן, AI יכול להדגיש נושאים מתהווים שמשפיעים על אסטרטגיית התיק – למשל, זיהוי שהזכרת "סייבר" עולה בהקשר של מספר מניות טכנולוגיה עשוי לסמן סיכון (או הזדמנות) גדל לטיפול.

התראות נושאיות מאפשרות איזון מחדש יזום: אם AI מזהה שהרטוריקה של מלחמת סחר מתגברת ומזהה "מנצחים" ו"מפסידים" פוטנציאליים מהנושא, מנהל יכול לנטות את התיק בהתאם. AI גם מסייע לחוקרים להימנע מנקודות עיוורות מידע על ידי כיסוי מקורות רבים – הוא יכול להתריע על חדשות בפרסומים לא מוכרים או בשפות זרות שהיו מפספסים.

חלק מהפלטפורמות (כמו AlphaSense) משלבות גם מחקר ברוקרים ודוחות SEC לצד חדשות, ומשתמשות ב-AI כדי לאפשר לחוקרים לחפש בכל הנתונים הטקסטואליים של חברה. אחד החוקרים תיאר שימוש ב-AI דמוי ChatGPT לשכפול "הרבה מהזרימות עבודה שעשיתי בעבר" בבנק השקעות, מסיכום פיננסי של חברות ועד סריקת חדשות לאיתור דגלים אדומים.

בעולם הפיננסים, לא מדובר רק במציאת הזדמנויות – אלא גם בניהול סיכונים וציות לרגולציה. ניתוח חדשות AI הוא כלי חיוני למנהלי סיכונים וצוותי ציות. הוא יכול לשמש כמערכת אזהרה מוקדמת לסיכונים שונים: זיהוי חדשות שליליות על צד נגד, איתור סימנים לבעיות ממשל תאגידי, או מעקב אחרי התפתחויות גאופוליטיות שעשויות להשפיע על השווקים.

אם חברה מתחילה להופיע בחדשות בעקבות שערורייה או תביעה, AI יכול לסמן זאת מיד כדי שמנהלי סיכונים יוכלו להתאים חשיפות. מחלקות ציות משתמשות ב-AI למעקב אחרי חדשות לזיהוי סימני ניצול שוק או מסחר פנימי. בורסות ורגולטורים אף השתמשו ב-AI למעקב אחרי רשתות חברתיות וחדשות לזיהוי מניפולציות או הונאות בשוק.

אנומליות – כמו גל פתאומי של פוסטים חיוביים על מניה מסחרית דלילה – יכולות להתגלות על ידי AI ולהיחקרו כיתכן שמדובר בתרמית "פאמפ אנד דאמפ". המעקב בזמן אמת והמקיף ש-AI מאפשרת מסייע לשמור על יושרת השוק.

יתרה מזאת, על ידי איחוד חדשות בלוח מחוונים, AI מסייעת לקציני ציות לבצע בדיקות נאותות על לקוחות או השקעות ("הכר את הלקוח" ובדיקות נגד הלבנת הון) על ידי איתור מהיר של חדשות שליליות הקשורות לאדם או ישות. כך, AI לא רק מסייעת להרוויח כסף, אלא גם מגנה על מוסדות פיננסיים מסיכונים ועבירות.

ניתוח חדשות AI אינו מוגבל לאליטות וול סטריט. הוא מתפשט גם למשקיעים קמעונאיים וליועצים פיננסיים המשרתים לקוחות יומיומיים. אפליקציות רובו-יועץ ופלטפורמות מסחר חדשות משלבות AI כדי לספק תובנות מונחות חדשות למשתמשים.

חלק מאפליקציות המסחר כוללות כיום אינדיקטורים של רגשות חדשות או סיכומים שנוצרו על ידי AI שמסבירים מדוע מניה זזה. תודות ל-AI, גם משקיעים פרטיים יכולים כעת לקבל ניתוח ש"פעם היה זמין רק לבנקים גדולים או למשקיעים מוסדיים."

דוח רויטרס עדכני ציין כי 13% מהמשקיעים הקמעונאיים כבר השתמשו בכלי AI כמו ChatGPT למחקר מניות או המלצות, וכמחצית פתוחים לכך. דמוקרטיזציה זו מאפשרת לאדם הממוצע לשאול צ'אטבוט, "מה התחזית לחברה Z בהתחשב בחדשות האחרונות?" ולקבל תשובה קוהרנטית שמסכמת התפתחויות עדכניות.

סטארטאפים מציעים גם פידים חדשותיים שנבחרו על ידי AI המותאמים לתיק ההשקעות או תחומי העניין של המשקיע, לעיתים עם הדגשות הסבריות. לדוגמה, StockPulse מספקת ללקוחות (כולל ברוקרים) סיכומים יומיים וניתוח רגשות מניות שנוצרו על ידי AI, המשולבים בדוחות לקוח לתמיכה בקבלת החלטות מושכלות.

יועצים פיננסיים המנהלים תיקי לקוחות משתמשים בניתוח חדשות AI כדי להישאר מעודכנים ולתקשר טוב יותר עם לקוחות. יועץ יכול להסתמך על לוח מחוונים של AI לקבלת עדכון מהיר: "רגשות החדשות השבועיים לנכסי התיק שלך היו חיוביים ברובם, למעט מניה אחת שנחשפה לתקשורת שלילית."

תובנות כאלה יכולות להפוך להסברים ידידותיים ללקוח, בעזרת תרשימים או ויזואליזציות שנוצרו על ידי AI. לדוגמה, LSEG MarketPsych מאפשר יצירת ויזואליזציות אינטואיטיביות כמו תרשימי רגשות-מחיר ומפות חום של חשיפה נושאית, שהופכות פלטי NLP מורכבים למשהו שמשקיע קצה יכול להבין.

זה משפר את חוויית הלקוח – יועצים יכולים להסביר באופן יזום כיצד "מצב הרגש" סביב מגזר עשוי להשפיע על ביצועים, ולחנך את הלקוחות בתהליך. יתרה מזאת, היועצים עצמם נהנים מ-AI שמעדכנת אותם בחדשות מאקרו. אם מתרחש אירוע גאופוליטי פתאומי או שינוי מדיניות, התראות AI מבטיחות שיועצים יוכלו לפנות ללקוחות במהירות עם פרספקטיבה על ההשפעה על השקעותיהם.

AI יכולה לחשוף תובנות, אך נדרש מומחיות אנושית לפרש ולהגיב להן. אם AI מסמנת סיפור כשלילי, אנליסט מיומן עדיין יקרא את המאמר כדי להבין ניואנסים והקשר. AI עלולה לפספס סרקזם או משמעויות כפולות בטקסט, או לשגות בטון אם, למשל, "רווח שיא" נובע מרווח חד-פעמי.

מערכות AI טובות ככל שהנתונים עליהן הן מאומנות. הטיות במקורות חדשות (או רעש ברשתות חברתיות) עלולות לשקף בהפלט של AI. יש להיזהר, למשל, מגל של פוסטים ספקולטיביים שמנפחים בטעות ציון רגשות. הספקים המובילים מפחיתים זאת באמצעות מסנני ספאם ומשקלול מקורות, אך המשתמשים צריכים להישאר ביקורתיים.

בשווקים מהירים, ניתוח חדשות הוא הכי שימושי מיד עם פרסום החדשות. ציון רגשות AI 10 דקות אחרי אירוע עשוי להיות מאוחר מדי אם השוק כבר זז. לכן סוחרים משתמשים בכלים אלה בזמן אמת, לעיתים עם פידים ישירים לאלגוריתמים.

בהשקעות פחות רגישות לזמן (כמו החלטות לטווח ארוך), המהירות פחות קריטית, ואז תפקיד ה-AI הוא לסנתז הרבה מידע לתמונה רחבה יותר.

אמון ב-AI קל יותר כשהיא לא "קופסה שחורה" מוחלטת. פלטפורמות רבות מספקות כיום הסברים עם הפלטים שלהן. אם ציון AI מצביע על "רגש שלילי", המערכת עשויה להראות אילו מילים או ביטויים בטקסט הובילו למסקנה זו (למשל "פשיטת רגל", "תביעה" וכו'). זה עוזר למשתמשים לאמת את ההיגיון של ה-AI.

עולם הפיננסים מתפתח במהירות – סלנג חדש ברשתות חברתיות, חברות חדשות וסוגי אירועים חדשים (מי חשב על "מם סטוק שורט סקוויז" לפני כמה שנים?). יש לעדכן ולאמן מחדש את מודלי ה-AI כדי להישאר עדכניים.

כדאי לשאול ספקים באיזו תדירות הם מעדכנים את המודלים והמילונים שלהם. המערכות הטובות משלבות לולאות משוב (למשל, סיכומי AI של Bloomberg משתפרים כל הזמן על ידי השוואת הפלט לשיפוט עורכי אנוש).