با گسترش فناوریهای دادهمحور و نفوذ هوش مصنوعی در بازارهای مالی، مفهوم سبدگردانی نیز دستخوش تحولات بنیادین شده است. آنچه تا چند دهه پیش صرفاً بر قضاوت، تجربه و تحلیل انسانی استوار بود، امروز با الگوریتمها، مدلهای آماری و سیستمهای خودکار تصمیمگیری به چالش کشیده شده است. در این میان، پرسش اصلی این است که سبدگردانی الگوریتمی تا چه حد میتواند جایگزین سبدگردانی انسانی شود و کدامیک در عمل عملکرد برتری دارد.
مفهوم و چارچوب سبدگردانی انسانی
سبدگردانی انسانی مبتنی بر تصمیمگیری مستقیم مدیر یا تیم سبدگردان است؛ تصمیمهایی که بر پایه ترکیبی از تحلیل بنیادی، تحلیل تکنیکال، شناخت محیط کلان اقتصادی، ارزیابی ریسک و درک رفتار بازار اتخاذ میشود. در این رویکرد، مدیر دارایی بهعنوان تصمیمگیرنده نهایی، نقش محوری در انتخاب داراییها، زمانبندی ورود و خروج، و تنظیم سطح ریسک ایفا میکند.
مزیت اصلی این نوع سبدگردانی، انعطافپذیری بالا در مواجهه با شرایط غیرقابلپیشبینی است. بحرانهای سیاسی، تغییرات ناگهانی سیاستگذاری، رفتارهای هیجانی جمعی و شوکهای ساختاری معمولاً در دادههای تاریخی منعکس نمیشوند و اینجاست که درک انسانی و تجربه میتواند نقش تعیینکننده داشته باشد. با این حال، نقطهضعف سبدگردانی انسانی را باید در محدودیت پردازش اطلاعات، خستگی ذهنی و تأثیرپذیری از سوگیریهای رفتاری جستوجو کرد.
سبدگردانی و مدیریت دارایی الگوریتمی؛ تصمیمسازی مبتنی بر داده
در مقابل، سبدگردانی الگوریتمی بر استفاده از مدلهای ریاضی، یادگیری ماشین و پردازش حجم عظیمی از دادهها تکیه دارد. در این مدل، الگوریتمها بر اساس قواعد ازپیشتعریفشده یا مدلهای تطبیقی، ترکیب داراییها را تعیین کرده و بهصورت خودکار اقدام به بازتخصیص پرتفوی میکنند.
مزیت کلیدی مدیریت الگوریتمی، سرعت، مقیاسپذیری و حذف خطاهای احساسی است. الگوریتمها بدون تأثیرپذیری از ترس، طمع یا فشارهای روانی بازار عمل میکنند و قادرند همزمان هزاران متغیر را تحلیل کرده و تصمیمهایی سازگار و منظم اتخاذ کنند. از سوی دیگر، هزینه عملیاتی این مدل در مقیاس بزرگ بهطور قابلتوجهی کمتر از سبدگردانی انسانی است.
با این حال، مدیریت الگوریتمی وابستگی شدیدی به کیفیت دادهها و مفروضات مدلسازی دارد. وقتی ساختار بازار تغییر میکند یا رخدادهای کماحتمال اما تاثیرگذار اتفاق میافتند، عملکرد الگوریتمها ممکن است بهشدت تضعیف شود. نبود درک زمینهای و ناتوانی در تفسیر کیفی رویدادها، از جمله محدودیتهای جدی این رویکرد است.
مقایسه عملکردی؛ کدامیک برتری دارد؟
مقایسه عملکرد سبدگردانی الگوریتمی و انسانی، وابسته به افق زمانی، نوع بازار و هدف سرمایهگذاری است. در بازارهای با نقدشوندگی بالا، ساختار شفاف و دادههای غنی، الگوریتمها معمولاً عملکردی پایدارتر و کمنوسانتر ارائه میدهند. در مقابل، در بازارهای در حال توسعه یا دورههای پرتنش اقتصادی، نقش قضاوت انسانی پررنگتر میشود.
از منظر مدیریت ریسک نیز تفاوت معناداری میان این دو وجود دارد. الگوریتمها در کنترل ریسکهای کمی (مانند نوسان، همبستگی و انحراف معیار) بسیار توانمند هستند، اما در شناسایی ریسکهای کیفی و ساختاری، سبدگردان انسانی برتری دارد. به بیان دیگر، الگوریتمها در «آنچه قابل اندازهگیری است» قویاند و انسان در «آنچه قابل تفسیر است».
نقاط قوت و ضعف سبدگردانی انسانی
▪ نقاط قوت سبدگردانی انسانی
نخستین و مهمترین نقطه قوت سبدگردانی انسانی، توانایی قضاوت در شرایط پیچیده و غیرقابلمدلسازی است. بسیاری از تحولات مؤثر بر بازارهای مالی، مانند ریسکهای سیاسی، تغییرات ناگهانی مقررات، یا شوکهای روانی بازار، ماهیتی کیفی دارند و در دادههای گذشته بهطور مستقیم قابل مشاهده نیستند. در چنین شرایطی، تجربه و درک زمینهای سبدگردان انسانی میتواند به تصمیمهایی منجر شود که از منطق صرف دادهمحور فراتر میروند.
مزیت دیگر، انعطافپذیری در استراتژی است. سبدگردان انسانی میتواند بهسرعت رویکرد خود را متناسب با شرایط جدید تغییر دهد، فرضیات قبلی را کنار بگذارد و حتی برخلاف سیگنالهای متعارف بازار عمل کند. همچنین ارتباط مستقیم با سرمایهگذار، توضیح تصمیمها و مدیریت انتظارات، زمینهساز اعتماد و پذیرش ریسک آگاهانه میشود.
▪ نقاط ضعف سبدگردانی انسانی
در مقابل، سبدگردانی انسانی بهشدت در معرض سوگیریهای رفتاری قرار دارد. ترس از زیان، طمع، اعتمادبهنفس کاذب و اثرات رفتار جمعی میتوانند کیفیت تصمیمگیری را کاهش دهند. علاوه بر این، انسان در پردازش همزمان دادههای حجیم با محدودیت مواجه است و امکان خطا یا نادیده گرفتن برخی متغیرها وجود دارد.
مسئله دیگر، عدم یکنواختی عملکرد است. حتی سبدگردانان حرفهای نیز ممکن است در دورههایی دچار افت عملکرد شوند، در حالی که تکرارپذیری تصمیمها همواره تضمینشده نیست. هزینه بالاتر خدمات، بهویژه برای سرمایههای خرد نیز از دیگر نقاط ضعف این رویکرد محسوب میشود.
نقاط قوت و ضعف سبدگردانی و مدیریت دارایی الگوریتمی
▪ نقاط قوت سبدگردانی الگوریتمی
مهمترین مزیت مدیریت دارایی الگوریتمی، تصمیمگیری منظم، سریع و عاری از احساسات است. الگوریتمها بدون تأثیرپذیری از هیجانات بازار، دقیقاً بر اساس قواعد تعریفشده عمل میکنند و این موضوع به ثبات رفتاری در مدیریت پرتفوی منجر میشود. همچنین توان پردازشی بالا امکان تحلیل همزمان حجم عظیمی از دادهها، داراییها و سناریوهای ریسک را فراهم میکند.
از سوی دیگر، الگوریتمها در کنترل و بهینهسازی ریسک کمی بسیار کارآمد هستند. تنظیم وزن داراییها، پایش همبستگیها و بازتخصیص خودکار پرتفوی میتواند با دقت بالا و هزینه عملیاتی پایین انجام شود. این ویژگی، مدیریت الگوریتمی را برای سرمایهگذاریهای مقیاسپذیر و سبدهای بزرگ جذاب میسازد.
▪ نقاط ضعف سبدگردانی الگوریتمی
با وجود مزایا، مدیریت الگوریتمی وابستگی شدیدی به مدل، داده و مفروضات اولیه دارد. در صورتی که دادهها ناقص، سوگیرانه یا متعلق به رژیمهای قدیمی بازار باشند، خروجی الگوریتم نیز گمراهکننده خواهد بود. علاوه بر این، الگوریتمها معمولاً در مواجهه با رخدادهای نادر اما پرریسک، عملکرد ضعیفتری دارند.
ضعف دیگر، نبود درک کیفی و معنایی از رویدادها است. الگوریتم نمیتواند اهمیت یک تصمیم سیاسی، تغییر لحن سیاستگذار یا شوک روانی سرمایهگذاران را همانند انسان تفسیر کند. همچنین شفاف نبودن منطق تصمیمگیری در برخی مدلهای پیشرفته، میتواند اعتماد سرمایهگذار را کاهش دهد و پاسخگویی در شرایط زیان را دشوار سازد.
مسئله اعتماد و مسئولیتپذیری
یکی از چالشهای مهم مدیریت دارایی الگوریتمی، مسئله شفافیت تصمیمگیری و مسئولیتپذیری است. بسیاری از مدلهای پیشرفته، بهویژه در حوزه یادگیری عمیق، ماهیتی جعبهسیاه دارند و توضیح دلیل یک تصمیم سرمایهگذاری برای سرمایهگذار نهایی دشوار است. در حالی که در سبدگردانی انسانی، امکان توضیح منطقی تصمیمها و ایجاد رابطه اعتمادمحور میان سبدگردان و مشتری فراهمتر است.
این موضوع بهویژه در شرایط زیانده اهمیت بیشتری پیدا میکند؛ جایی که سرمایهگذار انتظار دارد بداند چرا یک تصمیم اتخاذ شده و چه اصلاحاتی انجام خواهد شد.
رویکرد ترکیبی؛ مسیر محتمل آینده
واقعیت این است که رقابت میان سبدگردانی انسانی و الگوریتمی بیش از آنکه یک تقابل صفر و یکی باشد، به سمت مدلهای ترکیبی در حرکت است. در این ساختار، الگوریتمها ابزار تحلیل، پایش و پیشنهاددهی هستند و تصمیم نهایی تحت نظارت و قضاوت مدیر دارایی اتخاذ میشود.
چنین رویکردی امکان بهرهگیری همزمان از مزایای هر دو جهان را فراهم میکند: نظم و دقت ماشین، در کنار درک عمیق انسانی از بستر اقتصادی و روانشناسی بازار. بسیاری از نهادهای حرفهای مدیریت دارایی در جهان نیز به سمت همین مدلهای «Human-in-the-Loop» حرکت کردهاند.
جمعبندی
سبدگردانی الگوریتمی و سبدگردانی انسانی هر یک نقاط قوت و ضعف متمایزی دارند و برتری مطلق یکی بر دیگری وجود ندارد. انتخاب میان این دو، یا ترکیب آنها، باید بر اساس ویژگیهای بازار هدف، افق سرمایهگذاری، میزان ریسکپذیری و انتظارات سرمایهگذار صورت گیرد. در نهایت، آینده مدیریت دارایی به احتمال زیاد نه کاملاً انسانی و نه کاملاً ماشینی، بلکه نتیجه همافزایی هوش انسانی و الگوریتمی خواهد بود.
