ChatGPT di bidang Keuangan:Dampak AI pada Perdagangan &Investasi Saham

Alat yang didukung Kecerdasan Buatan, seperti ChatGPT, berpotensi merevolusi efisiensi, efektivitas, dan kecepatan pekerjaan yang dilakukan manusia.

Hal ini juga berlaku di pasar keuangan dan juga di sektor-sektor seperti layanan kesehatan, manufaktur, dan hampir semua aspek kehidupan kita lainnya.

Saya telah meneliti pasar keuangan dan perdagangan algoritmik selama 14 tahun. Meskipun AI menawarkan banyak manfaat, meningkatnya penggunaan teknologi ini di pasar keuangan juga menunjukkan potensi bahayanya. Melihat upaya Wall Street di masa lalu untuk mempercepat perdagangan dengan memanfaatkan komputer dan AI menawarkan pelajaran penting mengenai implikasi penggunaannya dalam pengambilan keputusan.

Perdagangan program memicu Black Monday

Pada awal tahun 1980-an, didorong oleh kemajuan teknologi dan inovasi keuangan seperti derivatif, investor institusi mulai menggunakan program komputer untuk melakukan perdagangan berdasarkan aturan dan algoritma yang telah ditentukan sebelumnya. Hal ini membantu mereka menyelesaikan perdagangan besar dengan cepat dan efisien.

Saat itu, algoritme ini relatif sederhana dan terutama digunakan untuk apa yang disebut arbitrase indeks, yang melibatkan upaya mengambil keuntungan dari perbedaan antara harga indeks saham – seperti S&P 500 – dan harga saham yang menyusun indeks tersebut.

Seiring kemajuan teknologi dan semakin banyak data yang tersedia, program perdagangan semacam ini menjadi semakin canggih, dengan algoritma yang mampu menganalisis data pasar yang kompleks dan mengeksekusi perdagangan berdasarkan berbagai faktor. Jumlah pedagang program ini terus bertambah di jalan raya perdagangan besar yang tidak diatur – di mana aset senilai lebih dari satu triliun dolar berpindah tangan setiap hari – menyebabkan volatilitas pasar meningkat secara dramatis.

Hal ini akhirnya mengakibatkan jatuhnya pasar saham besar-besaran pada tahun 1987 yang dikenal sebagai Black Monday. Dow Jones Industrial Average mengalami penurunan persentase terbesar dalam sejarahnya, dan dampaknya menyebar ke seluruh dunia.

Sebagai tanggapan, otoritas pengatur menerapkan sejumlah langkah untuk membatasi penggunaan program perdagangan, termasuk pemutus sirkuit yang menghentikan perdagangan ketika ada perubahan pasar yang signifikan dan batasan lainnya. Namun terlepas dari langkah-langkah ini, program perdagangan terus meningkat popularitasnya pada tahun-tahun setelah krisis tersebut.

Beginilah berita surat kabar di seluruh negeri menjadi berita utama mengenai anjloknya pasar saham pada Black Monday, 19 Oktober 1987. AP Photo

HFT:Program perdagangan steroid

Maju cepat 15 tahun ke tahun 2002, ketika New York Stock Exchange memperkenalkan sistem perdagangan yang sepenuhnya otomatis. Akibatnya, pedagang program memberi jalan pada otomatisasi yang lebih canggih dengan teknologi yang jauh lebih maju:Perdagangan frekuensi tinggi.

HFT menggunakan program komputer untuk menganalisis data pasar dan mengeksekusi perdagangan dengan kecepatan sangat tinggi. Tidak seperti program trader yang membeli dan menjual sekeranjang sekuritas dari waktu ke waktu untuk memanfaatkan peluang arbitrase – perbedaan harga sekuritas serupa yang dapat dieksploitasi untuk mendapatkan keuntungan – trader frekuensi tinggi menggunakan komputer canggih dan jaringan berkecepatan tinggi untuk menganalisis data pasar dan mengeksekusi perdagangan dengan kecepatan sangat tinggi. Trader berfrekuensi tinggi dapat melakukan trading dalam waktu sekitar seperlima puluh empat juta detik, dibandingkan dengan waktu yang dibutuhkan trader pada tahun 1980an hanya beberapa detik.

Perdagangan ini biasanya bersifat jangka pendek dan mungkin melibatkan pembelian dan penjualan sekuritas yang sama beberapa kali dalam hitungan nanodetik. Algoritme AI menganalisis data dalam jumlah besar secara real-time dan mengidentifikasi pola dan tren yang tidak langsung terlihat oleh pedagang manusia. Hal ini membantu pedagang membuat keputusan yang lebih baik dan mengeksekusi perdagangan dengan lebih cepat daripada yang mungkin dilakukan secara manual.

Penerapan AI penting lainnya dalam HFT adalah pemrosesan bahasa alami, yang melibatkan analisis dan interpretasi data bahasa manusia seperti artikel berita dan postingan media sosial. Dengan menganalisis data ini, trader dapat memperoleh wawasan berharga tentang sentimen pasar dan menyesuaikan strategi trading mereka.

Manfaat perdagangan AI

Pedagang berfrekuensi tinggi berbasis AI ini beroperasi dengan cara yang sangat berbeda dibandingkan manusia.

Otak manusia lambat, tidak akurat dan pelupa. Ia tidak mampu melakukan aritmatika floating-point yang cepat, presisi tinggi, dan diperlukan untuk menganalisis data dalam jumlah besar guna mengidentifikasi sinyal perdagangan. Komputer jutaan kali lebih cepat, dengan memori yang pada dasarnya sempurna, perhatian sempurna, dan kemampuan tak terbatas untuk menganalisis data dalam jumlah besar dalam waktu sepersekian milidetik.

Jadi, seperti kebanyakan teknologi, HFT memberikan beberapa manfaat bagi pasar saham.

Pedagang ini biasanya membeli dan menjual aset dengan harga yang sangat dekat dengan harga pasar, yang berarti mereka tidak membebankan biaya tinggi kepada investor. Hal ini membantu memastikan bahwa selalu ada pembeli dan penjual di pasar, yang pada gilirannya membantu menstabilkan harga dan mengurangi potensi perubahan harga secara tiba-tiba.

Perdagangan frekuensi tinggi juga dapat membantu mengurangi dampak inefisiensi pasar dengan mengidentifikasi dan mengeksploitasi kesalahan harga di pasar secara cepat. Misalnya, algoritma HFT dapat mendeteksi ketika saham tertentu dinilai terlalu rendah atau terlalu tinggi dan melakukan perdagangan untuk memanfaatkan perbedaan ini. Dengan melakukan hal ini, perdagangan semacam ini dapat membantu memperbaiki inefisiensi pasar dan memastikan bahwa aset diberi harga dengan lebih akurat.

Bursa saham dulunya penuh dengan pedagang yang membeli dan menjual sekuritas, seperti yang terjadi pada tahun 1983. Lantai perdagangan saat ini semakin kosong karena komputer yang didukung AI menangani semakin banyak pekerjaan. Foto AP/Richard Drew

Kelemahannya

Namun kecepatan dan efisiensi juga dapat menimbulkan kerugian.

Algoritme HFT dapat bereaksi begitu cepat terhadap peristiwa berita dan sinyal pasar lainnya sehingga dapat menyebabkan lonjakan atau penurunan harga aset secara tiba-tiba.

Selain itu, perusahaan keuangan HFT dapat menggunakan kecepatan dan teknologi mereka untuk mendapatkan keuntungan yang tidak adil dibandingkan pedagang lain, sehingga semakin mendistorsi sinyal pasar. Volatilitas yang diciptakan oleh monster perdagangan bertenaga AI yang sangat canggih ini menyebabkan apa yang disebut flash crash pada bulan Mei 2010, ketika saham anjlok dan kemudian pulih dalam hitungan menit – menghapus dan memulihkan nilai pasar sekitar $1 triliun.

Sejak itu, pasar yang bergejolak telah menjadi hal yang normal. Dalam penelitian tahun 2016, saya dan dua penulis menemukan bahwa volatilitas – ukuran seberapa cepat dan tidak terduga harga bergerak naik dan turun – meningkat secara signifikan setelah diperkenalkannya HFT.

Kecepatan dan efisiensi pedagang frekuensi tinggi menganalisis data berarti bahwa perubahan kecil sekalipun dalam kondisi pasar dapat memicu sejumlah besar perdagangan, yang menyebabkan perubahan harga secara tiba-tiba dan peningkatan volatilitas.

Selain itu, penelitian yang saya publikasikan bersama beberapa rekan lain pada tahun 2021 menunjukkan bahwa sebagian besar pedagang frekuensi tinggi menggunakan algoritma serupa, sehingga meningkatkan risiko kegagalan pasar. Hal ini karena seiring bertambahnya jumlah pedagang ini di pasar, kesamaan algoritma ini dapat menghasilkan keputusan perdagangan yang serupa.

Ini berarti bahwa semua pedagang frekuensi tinggi mungkin berdagang di sisi pasar yang sama jika algoritme mereka mengeluarkan sinyal perdagangan yang serupa. Artinya, mereka semua mungkin mencoba menjual jika ada berita negatif atau membeli jika ada berita positif. Jika tidak ada pihak yang mengambil sisi lain dari perdagangan ini, pasar bisa gagal.

Masuk ke ObrolanGPT

Hal ini membawa kita ke dunia baru algoritma perdagangan yang didukung ChatGPT dan program serupa. Mereka dapat mengatasi masalah terlalu banyak pedagang yang berada pada pihak yang sama dalam sebuah kesepakatan dan menjadikannya lebih buruk lagi.

Secara umum, manusia, jika dibiarkan sendiri, akan cenderung mengambil berbagai macam keputusan. Namun jika setiap orang mengambil keputusan dari kecerdasan buatan yang serupa, hal ini dapat membatasi keberagaman pendapat.

Pertimbangkan situasi non-finansial yang ekstrem di mana setiap orang bergantung pada ChatGPT untuk memutuskan komputer terbaik untuk dibeli. Konsumen sudah sangat rentan terhadap perilaku herding, dimana mereka cenderung membeli produk dan model yang sama. Misalnya, ulasan di Yelp, Amazon, dan sebagainya memotivasi konsumen untuk memilih di antara beberapa pilihan teratas.

Karena keputusan yang dibuat oleh chatbot generatif yang didukung AI didasarkan pada data pelatihan sebelumnya, akan ada kesamaan dalam keputusan yang disarankan oleh chatbot tersebut. Kemungkinan besar ChatGPT akan menyarankan merek dan model yang sama kepada semua orang. Hal ini mungkin membawa penggembalaan ke tingkat yang baru dan dapat menyebabkan kekurangan produk dan layanan tertentu serta lonjakan harga yang parah.

Hal ini menjadi lebih bermasalah ketika AI mengambil keputusan berdasarkan informasi yang bias dan salah. Algoritme AI dapat memperkuat bias yang ada ketika sistem dilatih pada kumpulan data yang bias, lama, atau terbatas. Dan ChatGPT serta alat serupa telah dikritik karena membuat kesalahan faktual.

Selain itu, karena kehancuran pasar relatif jarang terjadi, tidak banyak data mengenai hal tersebut. Karena AI generatif bergantung pada pelatihan data untuk belajar, kurangnya pengetahuan mereka tentang AI dapat membuat hal tersebut lebih mungkin terjadi.

Setidaknya untuk saat ini, tampaknya sebagian besar bank tidak mengizinkan karyawannya memanfaatkan ChatGPT dan alat serupa. Citigroup, Bank of America, Goldman Sachs dan beberapa pemberi pinjaman lainnya telah melarang penggunaannya di lantai ruang perdagangan, dengan alasan masalah privasi.

Namun saya sangat yakin bank pada akhirnya akan menggunakan AI generatif, begitu mereka mengatasi kekhawatiran mereka terhadap AI. Potensi keuntungan yang diperoleh terlalu besar untuk dilewatkan – dan ada risiko tertinggal dari pesaing.

Namun risiko terhadap pasar keuangan, ekonomi global, dan semua orang juga besar, jadi saya harap mereka berhati-hati.