דו"ח טכנולוגי
הסוד של הדו"חות הרבעוניים: כך מנסות החברות לקרוץ לבינה המלאכותית
חלק ניכר מהמסחר השוטף בבורסה מתנהל כיום באמצעות מערכות אלגוריתמיות משוכללות שקונות ומוכרות מניות. מחקר חדש חושף כי החברות מתאימות את השפה בדו"חות שלהן לאלגוריתם שסורק אותם, הצצה לעתיד שבו הבורסות מתנהלות ללא מגע אנושי
אולם מי שיבחן את החלק הכתוב של הדו"ח, יראה שהחברה מנסה לספר סיפור אחר מעבר לנתונים הגולמיים. למשל, את ההאטה בגידול במספר המנויים מסגרה נטפליקס באמצעות מושגים כמו "שיא חציוני", או גידול כולל בתשעת החודשים הראשונים של השנה שעקף את התקופה המקבילה אשתקד. הנתון השלילי של פספוס מספר המנויים תואר באמצעות ניסוח רך יותר ושימוש במילה "האטה".
לא מדובר בהתנהגות ייחודית לנטפליקס. משחק בניסוחים בדו"חות רבעוניים במטרה להצניע היבטים שליליים ולהדגיש את החיוביים בעת פנייה למשקיעים ולאנליסטים הוא נוהג ותיק כמו הדו"חות הרבעוניים עצמם. אבל מחקר של מדענים מאוניברסיטאות קולומביה וג'ורג'יה סטייט, שפרסמה הלשכה הלאומית למחקר כלכלי, ארגון המחקר הכלכלי הפרטי הגדול ביותר בארה"ב , חושף בצורה רחבה נוהג שלא היה מוכר עד עתה: שינוי השפה בדו"חות רבעוניים לא על מנת לרצות משקיעים ואנליסטים אנושיים, אלא מערכות בינה מלאכותית (AI), שמנתחות את הדו"חות על מנת לשפר את יכולות ההשקעה האוטומטיות של מערכות מסחר אלגוריתמיות.
חלק ניכר מהמסחר השוטף בבורסה לא מתנהל על ידי ברוקרים או סוחרים אנושיים, אלא באמצעות מערכות אלגוריתמיות משוכללות שקונות ומוכרות מניות מדי כמה חלקיקי שנייה, בניסיון לייצר רווחים זעירים מכל עסקה, שמצטברים, אם יש לך אלגוריתם מוצלח מספיק, לרווחים משמעותיים.
בעולם של מסחר רובוטי סופר-מהיר, לכל יתרון כמותי או איכותי זעיר יכולה להיות השפעה אדירה על ההכנסות של מפעילי האלגוריתם. אחת הדרכים שבהן חברות מנסות להשיג יתרון עלהמתחרים היא באמצעות קיצור הזמן הדרוש להעברת הוראת קנייה או מכירה.
לא מדובר רק על שימוש באינטרנט אולטרא-מהיר בסיב אופטי, אלא גם במהלכים כמו שכירת משרדים כמה שיותר קרוב למרכז העצבים של הבורסה. הדבר יקצר אולי רק בכמה אלפיות-השנייה את הזמן הדרוש להעברת הודעה, אך בעולם הסחר האלגוריתמי - מדובר בהבדל שבין רווח להפסד.
בנוסף הסוחרים שעוסקים בתחום אף החלו בעשור האחרון להשתמש במערכות AI מבוססות למידת מכונה על מנת לסרוק ולנתח את הדו"חות הרבעוניים של החברות בניסיון לקצור תובנות נוספות לפני רכישה או מכירה של מניה מסוימת. מערכות אלו יכולות גם לשקלל תגובות עבר של השוק לניסוחים או מדדים מסוימים, על מנת לשער איך השוק יגיב לדו"ח רבעוני מסוים.
מדובר במערכת שלא מיועדת לבצע החלטות ארוכות טווח, אלא קצרות מועד דווקא. אם אלגוריתם מזהה דו"ח בעל הקשר חיובי, הוא יכול למהר ולקנות את המניה לפני ששאר השוק יבין זאת ויעלה את מחירה. לאחר שמחיר המניה עלה, ניתן למכור אותה וליהנות מהרווח המהיר. כל זה מתרחש לא על פני שעות או דקות, אלא בתוך שניות או פחות מכך – לכן חשובה כל כך מהירות התגובה של האלגוריתם, והדיוק של מערכת ה-AI בניתוח הדו"ח.
אבל שום מלחמה מסוג זה לא יכולה להיות חד-צדדית, ומחברי המחקר זיהו שמאז 2011 החברות השונות מגיבות לשימוש בבינה מלאכותית לניתוח הדו"חות שלהם בהתאמת השפה לאלגוריתם שסורק אותם. "הגידול בשימוש ב-AI מניע חברות לכתוב דו"חות ידידותיים יותר לניתוח מכונה", הם כתבו. "חברות מנהלות את הסנטימנט ואת הטון לטובת קוראי AI באמצעות הימנעות ממילים שנתפסות כשליליות על ידי אלגוריתמים".
לצורך המחקר, יצרו החוקרים כלי ניתוח שבחנו מדדים שונים בדו"חות ובהודעות שמגישות חברות לרשות לניירות ערך בארה"ב (SEC), כולל משתנים כמו עד כמה הדו"ח קל להבנה בעבור מערכת AI. על מנת לאפיין את הסנטימנט של המילים שנעשה בהן שימוש, נעזרו החוקרים בכלים כמו המילון הפסיכולוגי של הרווארד, שמקטלג מילים לפי 77 קטגוריות פסיכולוגיות שונות, ומילון שמקטלג מילים לפי סנטימנט חיובי או שלילי בהקשר של מסמכים פיננסיים. משתנים כמו התכיפות שבה מופיעות המילים השונות נלקחו גם הם בחשבון.
כך הצליחו החוקרים לזהות מגמה במסגרתה חברות, ובפרט חברות שהדו"חות שלהן מורדים ונסרקים על ידי מכונות בתדירות גבוהה, החלו לצמצם את השימוש במילים עם הקשרים שליליים כמו claimants ו-cease, לטובת מילים עם הקשרים חיוביים כמו innovator ו-improving.
ואולם, הממצא המשמעותי יותר במחקר הוא אפקט פידבק שיזהו המדענים בקשר שבין למידת מכונה לדו"חות רבעוניים. "כל עוד הכללים (שלפיהם פועל האלגוריתם, ע"כ) לא נעלמים לחלוטין – מכיוון שכללים אלו הם שקופים וניתנים להינדוס לאחור לפחות ברמה מסוימת – לגורמים שמושפעים מהם יש תמריץ לתמרן את הקלט של האלגוריתם כדי לייצר תוצאה טובה יותר. שינויים אלו מדגישים את האתגר של למידת מכונה להיות 'חסינה למניפולציות', כך שהאלגוריתם ילמד לצפות התנהגות אסטרטגית של גורם מיודע".
כלומר, החברות מתאימות את השפה בדו"חות שלהן לאלגוריתם שסורק אותם, על מנת שאלו יספקו אותות חיוביים יותר למערכות המסחר האוטומטי, האלגוריתם, בתורו, מתאים ומעדכן את עצמו באופן תמידי על מנת לזהות ולנטרל את המניפולציות הללו. ואף שמחברי המחקר לא עסקו בכך, סביר להניח שבין החברות יש לא מעט שנעזרו במערכות בינה מלאכותית משלהן, על מנת לזהות את השפה המתאימה ביותר לאלגוריתם שסורק את הדו"חות.
הבורסה המודרנית הראשונה הוקמה בראשית המאה ה-17, אחרי שחברת הודו המזרחית ההולנדית (VOC) הפכה לחברה הראשונה בעולם שגייסה כסף באמצעות מכירת מניות לציבור הרחבממשלת הולנד ביקשה ליצור מרחב שבו בעלי מניות ורוכשים פוטנציאלים יוכלו להפגש ולבצע עסקאות ובנתה לשם כך מבנה מיוחד שיחליף את מקום המפגש הארעי שנוצר: גשר שמשקיף על כניסת ויציאת ספינות ושהצפיפות של הסוחרים עליו חסמה את התנועה באמסטרדם (ג'ייקוב גולדסטין מספר את ההיסטוריה של הבורסה הראשונה הזו, השורט הראשון שהתבצעה בה ושאר אירועים מהעבר הרחוק והקרוב שקשורים להתפתחות הכסף ועולם הפיננסים בספר Money: The True Story of a Made-Up Thing.
הבורסה הראשונה, ואלו שאחריה, נוצרו כמקום שבו בני אדם יכולים לבצע עסקאות עם בני אדם אחרים. המחקר הזה מדגיש מגמה שקיימת בשוק ההון כבר קרוב לשני עשורים: מקום של בני האדם בבורסה הולך ומצטמצם, בעוד שהיא הופכת לזירה שבה אלגוריתמים קונים ומוכרים מניות זה מזה. פעילות זו מהווה את מרבית נפח המסחר ומעצבת את מחירי המניות בדרכים שלרוב לא יהיו נהירות למשקיע האנושי. ממצאי המחקר מצביעים עד לאיזה רמה קיצונית הגיע המהפכה הרובוטית בבורסה: מכונות כותבות דו"חות בשביל מכונות אחרות, שמחלצות מהם מסקנות אילו מניות לקנות ולמכור בעבור מכונות נוספות, ומנהלות זו נגד זו מירוץ חימוש של יצירת מניפולציות מתוחכמות יותר ונטרולן. משקיעים אנושיים? עדיף להישאר בקרנות שמחקות מדדי בורסה. הזירה של מסחר אקטיבי היא כבר מזמן לא בשבילם.