A mostanság szupersztár szerepkörben fürdő algoritmusok számos területen bizonyították már alkalmatlanságukat. A pénzügyi befektetések esetében mindezt ráadásul nagyon könnyű számokkal is alátámasztani.
Hirdetés
 

A generatív algoritmusok körül kialakult felhajtás bő másfél évvel a ChatGPT megjelenését követően sem látszik érdemben csitulni. Annak ellenére sem, hogy a mesterséges intelligenciával kapcsolatos elképzelésekről, elvárásokról az elmúlt években számtalanszor bebizonyosodott már, hogy azok túlzak, illetve egyáltalán nem reálisak.

Hogy csak az utóbbi néhány hét, hónap terméséből szemezgessünk: kiderült például, hogy több munkát csinál, mint amennyit segít; nem jeleskedik a céges ügyfelek megtartásában; csapnivalóan kezeli az ételrendeléseket; sőt még százig sem képes rendesen elszámolni.

Pénz beszél

A fentiek fényében különösen érdekes, hogy hosszú évek óta tucatszám próbálkoznak (jellemzően az USA-ban) olyan befektetési szolgáltatások beindításával, amelyek azzal az ígérettel igyekeznek magukhoz csábítani az ügyfeleket, hogy a döntéseket náluk részben vagy akár teljes egészében algoritmusok hozzák.

A Scientific American felületén közzétett véleménycikk két írója ezeknek az MI-alapú befektetési megoldásoknak a teljesítményét vetette össze az S&P 500-as index alakulásával. Mint kiderült, az algoritmusok messze alulteljesítették a tőzsdén átlagosan elérhető hozamokat.

Két, a témában úttörőnek számító, tőzsdén is forgalmazott befektetési alap közül az AIEQ 2017 őszi indulásától tavaly év végéig bezárólag 63 százalékos kumulatív hozamot tudott felmutatni, szemben az S&P 108 százalékával. Ennél is rosszabbul jártak, akik az azóta már bezárt MIND-ba fektettek. Utóbbi nagyjából ötéves működése alatt 12 százalék veszteséget termelt, miközben ugyanezen időszak alatt az S&P indexszel 65 százalékos profitot lehetett realizálni.

Akkor sem lesz sokkal rózsásabb a kép, ha a teljes szektort vizsgáljuk. A cikk szerzői 11 teljesen, további 43 részben MI-re alapozott befektetési alapot találtak az USA-ban. Utóbbiak közül mindössze 10 tudta felülmúlni az S&P 500 görbéjét, átlagban pedig évente nagyjából 5 százalékkal maradtak el az iránymutató indextől (7,11 százalék vs 12,43).

Hogy a helyzet még egyértelműbb legyen: a teljesen az algoritmusok döntésére bízott alapok még rosszabbul teljesítettek, több mint felük pedig konkrét veszteséget termelt. Minden ilyen szolgáltatást nézve évente átlagosan 1,8 százalékot buktak a befektetők, míg az S&P 500 átlagosan 7,6 százalékos éves hozamot biztosított.

Ezek alapján azon már kevéssé lehet csodálkozni, hogy a 11 teljesen MI-re bízott alapból 6, a 43 részben algoritmusok által kezelt szolgáltatás közül pedig 25 már be is fejezte, jellemzően alig néhány évben mérhető pályafutását.

Cloud & big data

20 milliárd dollárt kalapozott össze Musk MI-cége

Ez már csak azért is különösen szép teljesítmény, mert az xAI fejlesztette Grok egyelőre leginkább csak különböző botrányos megnyilvánulásaival tűnt ki a generatív modellek egyre sűrűbb mezőnyéből.
 
Hirdetés

Az ötlettől az értékteremtésig – a gépi tanulási pipeline szerepe az adattudományi működésben

A jó adatok önmagukban még nem elegendők: a modellek csak akkor működnek megbízhatóan, ha egy átlátható, automatizált és reprodukálható környezetben futnak. A gépi tanulási pipeline-ok éppen ezt a technológiai hátteret teremtik meg.

Az adatvezérelt működés sikere ritkán múlik azon, milyen technológiát vezet be egy vállalat. Sokkal inkább az a kulcs, hogyan illeszti az adattárházat, a BI-t és az MI-megoldásokat a meglévő rendszerekhez és döntési folyamatokhoz.

a melléklet támogatója a One Solutions

EGY NAPBA SŰRÍTÜNK MINDENT, AMIT MA EGY PROJEKTMENEDZSERNEK TUDNIA KELL!

Ütős esettanulmányok AI-ról, agilitásról, csapattopológiáról. Folyamatos programok három teremben és egy közösségi térben: exkluzív információk, előadások, interaktív workshopok, networking, tapasztalatcsere.

2026.03.10. UP Rendezvénytér

RÉSZLETEK »

Amióta a VMware a Broadcom tulajdonába került, sebesen követik egymást a szoftvercégnél a stratégiai jelentőségű változások. Mi vár az ügyfelekre? Vincze-Berecz Tibor szoftverlicenc-szakértő (IPR-Insights) írása.

Nyílt forráskód: valóban ingyenes, de használatának szigorú szabályai vannak

Különösen az early adopter vállalatoknak lehet hasznos. De különbözik ez bármiben az amúgy is megkerülhetetlen tervezéstől és pilottól?

Sok hazai cégnek kell szorosra zárni a kiberkaput

Ön sem informatikus, de munkája során az információtechnológia is gyakran befolyásolja döntéseit? Ön is informatikus, de pénzügyi és gazdasági szempontból kell igazolnia a projektek hasznosságát? Mi közérthető módon, üzleti szemmel dolgozzuk fel az infokommunikációs híreket, trendeket, megoldásokat. A Bitport tizennegyedik éve közvetít sikeresen az informatikai piac és a technológiát hasznosító döntéshozók között.
© 2025 Bitport.hu Média Kft. Minden jog fenntartva.