Nowe badanie Harvardu pokazuje, że sztuczna inteligencja może zastąpić większość zarządzających funduszami inwestycyjnymi

Algorytm w narożnym biurze: sztuczna inteligencja przewyższa menedżerów funduszy ludzkich

Przez dziesięciolecia branża funduszy wspólnego inwestowania składała kuszące obietnice: oddaj swoje pieniądze genialnemu analitykowi, który spędził 20 lat na czytaniu bilansów, przeglądaniu rozmów o zarobkach i rozwijaniu niemal intuicyjnego wyczucia dynamiki rynku – a osiągnie on lepsze wyniki niż rynek. Ta obietnica zawsze była krucha. Teraz przełomowe badanie przeprowadzone przez Harvard Business School grozi jej całkowitym zniszczeniem. Naukowcy odkryli, że sztuczna inteligencja jest w stanie przewidzieć 71% transakcji w funduszach wspólnego inwestowania z niezwykłą dokładnością, co rodzi pytanie, które pięć lat temu wydawałoby się absurdalne: jeśli maszyna może przewidzieć, co zrobi zarządzający funduszem, zanim to zrobi, to za co dokładnie płacą inwestorzy?

Konsekwencje sięgają daleko poza Wall Street. To opowieść o tym, co się dzieje, gdy rozpoznawanie wzorców – podstawowa umiejętność poznawcza każdego eksperta – staje się towarem. Jest to historia, którą powinien teraz zrozumieć każdy lider biznesu, nie tylko specjalista ds. finansów.

Co właściwie odkryły badania Harvardu

W badaniu Harvardu szkolono modele uczenia maszynowego na podstawie historycznych danych handlowych z lat, ujawnień funduszy i sygnałów rynkowych. Modele nie tylko identyfikowały szerokie trendy sektorowe; przewidywali konkretne decyzje portfelowe poszczególnych zarządzających funduszami – jakie akcje kupią, które ograniczą i kiedy. Wskaźnik dokładności predykcyjnej wynoszący 71% w dziedzinie tak złożonej i hałaśliwej, jak aktywne zarządzanie portfelem, jest niezwykły. Dla kontekstu, model przewidujący rzuty monetą byłby poprawny w 50% przypadków wyłącznie przez przypadek.

To odkrycie jest szczególnie istotne, ponieważ ujawnia mechanizmy leżące u podstaw tego, co faktycznie robi wielu najlepiej opłacanych zarządzających funduszami. Zamiast wdrażać prawdziwie nowatorskie spostrzeżenia, znaczna część aktywnego zarządzania wydaje się działać w oparciu o wzorce – reagować w przewidywalny sposób na te same niespodzianki dotyczące zysków, te same sygnały dynamiki i te same wskaźniki makro. Sztuczna inteligencja nie musiała rozumieć, dlaczego menedżer dokonuje transakcji. Po prostu nauczył się rozpoznawać warunki, w jakich działał niezawodnie.

Jest to zgodne z wcześniejszymi badaniami. Z raportu S&P Dow Jones Indices z 2022 r. wynika, że ​​w ciągu 20 lat ponad 94% aktywnych zarządzających funduszami o dużej kapitalizacji w USA osiągnęło wyniki gorsze od indeksu referencyjnego. Odkrycia Harvardu dodają nową warstwę: wielu aktywnym menedżerom nie tylko nie udaje się pokonać rynku, ale ich decyzje mogą być na tyle mechaniczne, że algorytm może je symulować – za ułamek kosztów.

Dlaczego przewidywalność na poziomie 71% to problem biznesowy, a nie tylko finansowy

Specjaliści ds. finansów mogą pokusić się o potraktowanie tego jako kryzysu specyficznego dla branży. Byliby w błędzie. Badanie Harvardu dostarcza danych o znacznie szerszym wzorze: systemy sztucznej inteligencji są w coraz większym stopniu zdolne do powielania ocen ekspertów w każdej dziedzinie, w której decyzje opierają się na regułach, których można się nauczyć, nawet jeśli zasady te nie są nigdzie wyraźnie spisane.

Zastanów się, co mają wspólnego aktywne zarządzanie funduszami i tradycyjne zarządzanie przedsiębiorstwem. Obydwa polegają na gromadzeniu informacji, identyfikowaniu wzorców, stosowaniu heurystyk ukształtowanych na podstawie doświadczenia i podejmowaniu decyzji w warunkach niepewności. Jeśli sztuczna inteligencja może modelować proces decyzyjny zarządzającego funduszem z 71% dokładnością, może wiarygodnie modelować znaczną część decyzji podejmowanych przez menedżerów operacyjnych, dyrektorów HR, liderów sprzedaży i analityków biznesowych – osób, których wiedza opiera się również na rozpoznawaniu wzorców i reagowaniu na nie.

„Zagrożenie dla pracowników wiedzy nie polega na tym, że sztuczna inteligencja całkowicie zastąpi ludzki osąd – polega na tym, że sztuczna inteligencja zastąpi te części ludzkiego osądu, które w rzeczywistości opierają się jedynie na dopasowywaniu wzorców. A okazuje się, że jest to zaskakująco duża część”.

Nie oznacza to, że ludzka wiedza staje się bezwartościowa. Oznacza to, że zmienia się charakter cennej wiedzy specjalistycznej. Zarządzający funduszami, którzy przetrwają i prosperują, to ci, którzy robią coś, czego sztuczna inteligencja nie może łatwo powtórzyć: synteza

Frequently Asked Questions

Can AI really predict mutual fund trades better than experienced human managers?

According to the Harvard Business School study, AI models can predict approximately 71% of mutual fund trades with remarkable accuracy. These systems analyze vast datasets — balance sheets, earnings calls, macroeconomic signals — far faster than any human analyst. While that does not guarantee superior returns in every market condition, it strongly suggests AI holds a measurable, structural edge over traditional fund management in pattern recognition and decision consistency.

What does this mean for everyday investors putting money into actively managed funds?

It raises serious questions about whether the premium fees charged by active fund managers are justified. If AI can replicate and potentially outperform their strategies, investors may be better served by algorithm-driven or passive vehicles. This shift also underscores the importance of using smart business and financial tools to manage your own capital more effectively, rather than relying entirely on human intermediaries whose edge is narrowing.

How can small business owners and entrepreneurs use AI to make smarter financial decisions?

Platforms like Mewayz — a 207-module business operating system available at app.mewayz.com for just $19/month — give entrepreneurs access to AI-powered tools that were once exclusive to large enterprises. Rather than outsourcing financial judgment to expensive advisors, business owners can leverage integrated analytics to monitor cash flow, model scenarios, and make data-backed decisions with the same systematic rigor now disrupting Wall Street's fund management industry.

Are there limitations to what AI can currently do in financial markets?

Yes. AI excels at identifying historical patterns and processing structured data, but it can struggle with unprecedented black swan events, geopolitical shocks, or shifts driven by human psychology that fall outside its training data. Human managers still bring contextual judgment, ethical reasoning, and adaptive thinking during extreme market dislocations. The most likely near-term outcome is a hybrid model, where AI handles analysis while humans retain oversight of high-stakes decisions.

Related Posts

• Przedsiębiorcy mogą oszczędzać godziny co tydzień dzięki tej aktualizacji za 13 USD
• Jest jedynym głównym producentem czarnoskórym na Broadwayu, a jego programy zarobiły ponad 100 milionów dolarów. Oto jego sekret sukcesu.
• Ten asystent AI działa w całości na Twoim komputerze, bez miesięcznych opłat
• Archeolodzy odnajdują możliwy pierwszy bezpośredni dowód na słonie bojowe Hannibala