حمايت از حقوق سرمايه‌گذاران و توسعه بازاري شفاف با كمك هوش مصنوعي

۱۴۰۳/۰۵/۰۴ - ۰۱:۳۵:۳۰
کد خبر: ۳۱۷۲۹۸

اولين نشست تخصصي كاربردهاي هوش مصنوعي در بازارسرمايه ايران، با حضور مديران سازمان بورس و اوراق بهادار، دبيركل كانون كارگزاران و جمعي از متخصصان و علاقه‌مندان اين حوزه در محل كانون كارگزاران برگزار شد.

اولين نشست تخصصي كاربردهاي هوش مصنوعي در بازارسرمايه ايران، با حضور مديران سازمان بورس و اوراق بهادار، دبيركل كانون كارگزاران و جمعي از متخصصان و علاقه‌مندان اين حوزه در محل كانون كارگزاران برگزار شد.

نشست كاربردهاي هوش مصنوعي در بازار سرمايه با همكاري مشترك مديريت پژوهش، توسعه و مطالعات اسلامي سازمان بورس و كانون كارگزاران بورس اوراق بهادار و با حضور بيش از ۱۵۰ متخصص و علاقه‌مند فعال در بازارهاي مالي كشور به منظور آشنايي بيشتر با ادبيات هوش مصنوعي و الزامات حكمراني و كاركردهاي آن در بازار سرمايه ايران برگزار شد.

 

لزوم اهتمام اكوسيستم بازار سرمايه  براي استفاده از فناوري‌هاي ديجيتال

عظيم ثابت، دبيركل كانون كارگزاران در ابتداي اين نشست بر نياز و لزوم اهتمام بيشتر اكوسيستم بازار سرمايه در زمينه استفاده از فناوري‌هاي ديجيتال تاكيد كرد.

حسن فرج زاده، معاون اجرايي سازمان بورس نيز ضمن اشاره به اصل مهم حمايت از حقوق سرمايه‌گذاران در بازار سرمايه و توسعه بازار شفاف و منصفانه، گفت: نهاد ناظر بازار سرمايه از تحقيقات علمي و فني در زمينه هوش مصنوعي و فناوري‌هاي ديجيتال در راستاي تحقق هرچه بيشتر اهداف مذكور، حمايت خواهد كرد و بر اين عقيده است با رعايت قواعد حاكم بر بازار، نيازمند سرمايه‌گذاري و بهره‌مندي از فناوري هوش مصنوعي براي تحول و تكامل در سازوكارها و رويه‌هاي نظارتي هستيم.

 

اهميت توجه به شناخت هوش مصنوعي در بازار سرمايه

در ادامه سجاد اميري، رييس اداره تحليل‌هاي اقتصادي و ريسك نيز ضمن تشريح برنامه نشست و اشاره به اهميت توجه به الزامات حكمراني، به‌كارگيري و شناخت هوش مصنوعي و فناوري‌هاي ديجيتال در بازار سرمايه بر لزوم حمايت و پشتيباني‌هاي لازم در اين زمينه تاكيد كرد. حميد محمودآبادي، كارشناس اداره تحليل‌هاي اقتصادي و ريسك و متخصص هوش مصنوعي نيز ضمن ارايه تاريخچه و سير تحول پيدايش هوش مصنوعي، به تحولات در اين عرصه، رقابت شركت‌ها و استقبال روزافزون آنان در كشورهاي پيشرو اشاره كرد.

 

پيشرفت‌هاي اخير هوش مصنوعي

در بازار سرمايه

احمد نيك‌آبادي، عضو هيات علمي دانشكده كامپيوتر دانشگاه اميركبير نيز در پنل تخصصي اين نشست ضمن ارايه و تبيين مباني و مفاهيم هوش مصنوعي و بيان روندهاي آتي آن، بر اين نكته تاكيد كرد كه محبوبيت و دغدغه‌ها در خصوص هوش مصنوعي به دليل آن چيزي است كه قادر است در آينده انجام شود نه آنچه كه امروز انجام مي‌شود. وي با ذكر پيشرفت‌هاي اخير هوش مصنوعي در بازار سرمايه افزود: هوش مصنوعي در زمينه بازار سرمايه رشد چشمگيري داشته كه معاملات الگوريتمي، بهينه سازي پرتفوي، مديريت ريسك، مشاوره سرمايه‌گذاري و قابليت‌هاي آن در ارايه ابزارهاي نظارتي و سياستي از جمله آنها است. اين استاد دانشگاه اظهار داشت: پاسخ به اين سوال كه «هوش مصنوعي تا كجا ادامه دارد و تا كجا پيشرفت مي‌كند؟» اينگونه داده مي‌شود كه هر كاري كه انسان مي‌تواند انجام دهد توسط ماشين يا همان هوش مصنوعي نيز بايد صورت پذيرد. وي همچنين در ادامه به تشريح الزامات اساسي در اين زمينه نظير فرهنگسازي، سلامت داده، زيرساخت و مقررات پرداخت.

 

فرصت‌ها، چالش‌ها و ريسك‌هاي استفاده از هوش مصنوعي

در بخش دوم اين پنل تخصصي، فرهاد رياضت، مدير گروه هوش مصنوعي و فينتك مدرسه بانكداري و مالي لندن نيز با تشريح فرصت‌ها، چالش‌ها و ريسك‌هاي استفاده از هوش مصنوعي در بازار سرمايه گفت: هوش مصنوعي نه تنها فرصت‌هايي را براي بهبود تصميم‌گيري، مديريت ريسك، كاهش هزينه‌ها و مديريت بهينه پرتفوي ايجاد مي‌كند بلكه مي‌تواند زمينه ايجاد تغيير سيستميك در بازارهاي مالي جهت تأمين مالي پايدار را فراهم كند.

همچنين، كيفيت و دسترسي پذيري داده، مسائل مرتبط با نهاد ناظر، مديريت ريسك، مسائل مرتبط با جانبداري و موانع موجود در يكپارچه‌سازي به عنوان برخي چالش‌هاي هوش مصنوعي از ديگر مواردي بود كه از سوي او بررسي شد.

به گفته رياضت، ريسك در نوسانات بازار، عمليات مرتبط، تهديدهاي سايبري، اتكاي بيش از حد به تكنولوژي نيز مي‌تواند ديگر مخاطرات يا آسيب‌هاي استفاده از هوش مصنوعي باشد.

وي در ادامه بيان داشت: براي استفاده بهينه از تكنولوژي مالي در ايران بايد در زمينه‌هايي چون هوش مصنوعي و يادگيري ماشين، بلاكچين و كريپتو، بانكداري باز و اشتراك داده، امور مالي غيرمتمركز، پشتيباني مشتريان، محاسبات ابري و اينترنت اشيا برنامه‌ريزي جامع و عملياتي در حوزه بازار مالي كشور صورت گيرد.

 

نحوه به‌كارگيري از هوش مصنوعي

در بازارهاي اوليه و ثانويه

رياضت در ادامه به وضع فعلي نحوه به‌كارگيري از هوش مصنوعي در بازارهاي اوليه و ثانويه اشاره كرد و ضمن تاكيد بر ضرورت تأمين مالي پايدار به چگونگي به‌كارگيري از هوش مصنوعي در تأمين مالي پايدار و سرمايه‌گذاري مبتني بر شاخص‌هاي زيست محيطي، اجتماعي و حكمراني شركتي اشاره كرد.

وي در پايان ضمن بررسي چشم‌انداز توسعه هوش مصنوعي در آينده بازار سرمايه اظهار اميدواري كرد كه هوش مصنوعي بتواند زمينه تغييرات سيستميك در بازار سرمايه در راستاي تخصيص بهينه منابع بصورت پايدار را فراهم آورد.

در بخش سوم اين پنل تخصصي، علي حبيب‌نيا، استاديار اقتصاد دانشگاه ويرجينياتك امريكا ارايه خود را با تاكيد بر اين نكته آغاز كرد كه هوش مصنوعي مفهومي گسترده و بين رشته‌اي است و دانش‌آموختگان رشته‌هاي مختلف دانشگاهي اعم از علوم پايه و يا حتي علوم اقتصادي و مالي با توجه به آشنايي نسبي كه با مباحث آمار و رياضي دارند امكان ورود به اين عرصه را دارند و فعالان بازار سرمايه مانند سرمايه‌گذاران خرد، نهادهاي مالي و نهاد ناظر هر يك به تناسب تخصص و نياز خود مي‌توانند از هوش مصنوعي استفاده كنند.

اين استاد دانشگاه ادامه داد: افراد حقيقي و حقوقي با استفاده از ارتباط و هم پوشاني تكنولوژي‌هاي موجود همچون هوش مصنوعي، Big Data و HPC مي‌توانند مسائل پيچيده را حل و ديد عميق‌تري نسبت به آنها پيدا كنند. اين ابزارها همچنين كمك مي‌كنند تا فرآيند تصميم‌گيري و سياست‌گذاري به صورت بهينه و real-time يا بدون درنگ انجام شود.

وي افزود: در بازارهاي مالي علاوه بر اطلاعات سنتي مانند قيمت، وضعيت اقتصادي و انديكاتورها مي‌توان از داده‌هاي مهم ديگري مانند نظرات شبكه‌هاي اجتماعي، ليست سفارشات خريد و فروش، روند جست‌وجو در موتورهاي جست‌وجو و داده‌هاي (ESG) زيست محيطي، اجتماعي، حاكميت و حتي تصاوير ماهواره‌اي استفاده كرد.

حبيب‌نيا با ذكر مثالي گفت: در يكي از كشورها، معامله‌گر به جاي تحليل قيمت و انديكاتورها، ميزان تردد خودرو در پاركينگ‌هاي فروشگاه‌ها را از طريق تصاوير ماهواره‌اي استخراج و به منظور ارزيابي ميزان فروش و سوددهي آن شركت استفاده كرده است.

 

كاربردهاي هوش مصنوعي  در سرويس‌هاي مالي جهان

وي در توضيح بيشترين كاربردهاي هوش مصنوعي در سرويس‌هاي مالي جهان گفت: بيشترين كاربرد هوش مصنوعي در سال‌هاي اخير در زمينه پردازش زبان طبيعي، مدل‌هاي زباني بزرگ بوده كه حدود ۲۶ درصد آن را دربرمي‌گيرد. سيستم‌هاي توصيه‌گر، بهينه‌سازي پرتفوي ۲۳ درصد، تشخيص تقلب ۲۲ درصد و معاملات الگوريتمي نيز ۲۱ درصد است. در بخش پاياني اين نشست نيز اساتيد پنل تخصصي به پرسش‌ها و نظرات حاضران پاسخ دادند و نشست با تبادل نظر پيرامون برخي موضوعات مطرح شده خاتمه يافت.