不敢把錢交給ChatGPT！專家警告「羊群效應」恐引爆系統性風險

AI投資工具が急速に台頭する中、30年前に機械学習をウォール街に導入したニューヨーク大学の教授Vasant Dharは、AIモデルが検証されていない状態でChatGPTに資金を管理させることに警告を発した。AIはデータ分析や投資シナリオの推論を助けることができるが、回答は質問の仕方に影響を受けやすく、大量の投資家が同じモデルに依存して取引を行うと、市場の波動をさらに大きくする可能性がある。

Dharは、MarketWatchの月曜日のインタビューで、ChatGPTにNVIDIA、比亞迪、S&P500指数に投資すべきか尋ねた後、同じ質問を繰り返すと異なる回答が得られたことを明らかにした。これは、大規模言語モ型の出力が不安定であり、結論が質問の表現方法、背景データ、および事前設定条件によって変化する可能性があることを示している。

彼は強調した、AIは情報の整理、シミュレーション、企業価値の分析を助けることができるが、分析は信頼できるデータに基づいている必要がある。モデルがテストされていない場合、または異なる投資仮説の下で結論がどのように変化するかを確認できない場合、投資家はチャットボットの回答に基づいて株式を売買すべきではない。

個別の投資家が誤った回答により損失を被る可能性があるだけでなく、DharはAIが金融市場全体に与える影響にも注目している。彼は指摘した、大量の投資家が同じAIを信頼し、同じシグナルに基づいて市場に出入りする場合、モデルの判断が誤っていると、集団的な買い付けまたは売り付けが引き起こされ、価格の波動がさらに大きくなる可能性がある。

このような状況は、いわゆる「羊群効果」と呼ばれるものであり、投資家が自己の研究に基づく判断をせず、他の市場参加者に従って同じ行動を取る現象を指す。同じまたは類似のAIモデルを使用する人が増えるにつれ、取引の方向性がさらに集中し、局所的な誤りが迅速に金融システム全体に拡散する可能性がある。

Dharは、市場が完全に同じAIに依存する状態までにはまだ距離があると指摘したが、AIの金融分野への応用がさらに拡大する中で、投資家が市場を打ち負かすためには、AIシグナルを取得するだけでなく、モデルが誤っているときを識別することが重要になる可能性があると指摘した。

AIが最終的に市場の波動を減少させるか、より大きな不安定性を引き起こすかは、現在まだ明確な答えはなく、結果は金融機関が適切な検証、監督、制衡機制を確立するかどうかによって決まる。

Dharはさらに、AIが将来的に中央銀行が資産バブルや金融リスクの蓄積を検出するのを助ける可能性があると考えている。しかし、AIも人間と同様に誤りを犯す可能性があるため、責任と監査制度が不十分な状態では、重要な金融決定を直接置き換えるべきではないと考えている。

一般の投資家がAIをどのように使用すべきかについて、Dharは、まず自分が本当に投資研究に熱心か、またはフルタイムの仕事の合間に資産を成長させたいだけかを明確にする必要があると指摘した。この2種類の投資家の時間、知識、リスク許容度は異なり、適切な戦略も異なる。

市場を深く研究する時間や興味がない人に対して、彼は、頻繁に短期取引を行うよりも、自分が認める指数を選び、長期にわたって保有することを勧めた。アメリカ経済が持続的に成長すると信じる場合は、S&P500指数に投資することを検討することができる。少数のテクノロジー巨人が産業を引き続き主導すると考える場合は、企業の基本面を自分で研究する必要があり、投資判断を完全にAIに委ねるべきではない。

Dharは警告した、完全な取引システムを持たない個人投資家が頻繁に短期取引を行うと、通常は損失の可能性が高まり、取引が頻繁になるほど、資金の流出速度が速くなる可能性がある。

一方、大規模言語モデルは長期投資研究において一定の価値を持っている。過去、NVIDIAやSpaceXなどの企業の長期価値を評価するには、高度に不確実な産業の前景を分析し、複数の未来シナリオを推論する必要があり、主に人間の投資家の判断に依存していた。現在、AIは一部の作業を処理するのに役立つが、研究パートナーとして位置付けられ、投資家の最終決定を置き換えるべきではない。

Dharはまた、インタビューで彼が開発したDamodaran Bot、略称DBOTを紹介した。このツールは、ニューヨーク大学金融学教授で「評価の教父」として知られるAswath Damodaranを原型としており、使用者が提示する投資論点に基づいてDamodaranの評価方法を模倣して企業価値を分析する。

DBOTは企業自由現金流評価法を採用し、営業利益率、収益成長率、加重平均資金コスト、再投資効率の4つの要因を主に検討する。人間の分析者と比較して、このツールの最大の利点は速度であり、短時間で同じ方法をS&P500指数構成銘柄全体に適用することができる。

ただし、DBOTは単にDamodaranの見解を複製するわけではなく、時には大きく異なる結論を導き出すこともある。

SpaceXを例にとると、同社のIPO時の評価額は1.77兆ドルであり、Damodaranの算出した合理的な価値は約1.2兆ドルであったが、DBOTが示した評価額は約6,000億ドルで、Damodaranの評価額の半分にも満たない。DBOTの立場は、模倣した人間の専門家よりも保守的である。

DBOTはSpaceXのロケット発射、Starlink衛星ネットワーク、およびxAIを中心としたAIビジネスの3つの分野を分別して検討した。分析結果によると、AI部門には巨額の資本が投入される必要があり、将来の収益は高度に不確実であるため、一部の成長仮説に対して疑問を呈している。

一方、Damodaranは分析時にSpaceXが提供するデータを多く使用しているため、より高い評価額を導き出している。DBOTは、自身と市場が4つの主要な評価要因に対して採用した仮説を並列に表示し、投資家がどの予測がより合理的かを判断するのを助ける。

Dharは、この事例がAIの価値は、分析速度を高めることや専門家の見解を複製することだけでなく、人間の分析者が採用した仮説を検証するのに役立つことを示していると指摘した。ただし、モデルが導き出した数字が正しい答えを意味するわけではなく、最終的な判断は投資家が行う必要があると指摘した。

DharのAI金融応用への取り組みは、1994年にさかのぼる。当時、彼は学術界を離れてモルガン・スタンレーに加わり、消費者の購買行動を識別および予測するために使用されていた機械学習技術を自社取引部門に導入した。

当時、ウォール街の量的研究は主に物理学者と経済学者によって主導されており、前者は物理モデルを好み、後者は主に線形モデルを採用していた。機械学習はどちらの陣営にも完全に統合されず、多くの疑問を受けた。

しかし、Dharが開発したモデルは後に取引チームのパフォーマンスを向上させた。彼はその後、モルガン・スタンレーとドイツ銀行で引き続きAIモデルの開発を行い、1998年にSCT Capitalを独立させて、完全に機械取引戦略に基づいて運営される最初のヘッジファンドの一つを設立した。現在、同社のアルゴリズムは毎日AIを使用して取引を行っている。

技術の進歩に伴い、Dharが採用する方法は、初期の機械学習から徐々に深層学習および視覚モデルに発展した。彼は現在、主権富裕基金と協力して、大宗商品のシステム化された取引シグナルを開発している。

Dharは、AIの重要な転換点は2015年から2016年にさかのぼると考えている。当時、機械翻訳は一部の言語組み合わせで人間に近い能力を示し始めた。2017年、Googleの研究チームは「Attention Is All You Need」という論文を発表し、後に大規模言語モデル技術の基礎となるTransformerアーキテクチャを提案した。

ChatGPTが2022年にリリースされて以来、AIは限定的な用途の専門ツールから、一般の人も使用できる汎用技術に進化した。Dharは、機械が投資ポートフォリオマネージャーや教授が直接処理していた多くの作業を現在行うことができるが、これは人間が役に立たなくなったことを意味するわけではないと考えている。

むしろ、本当に重要な作業は、正しい質問を提示し、モデルが採用した仮説を検証し、AIが生成した分析プロセスと最終結論が信頼できるかどうかを判断することへと移行している。