Tekoälyä hyödyntävien rahastojen tuotto-odotukset
Salminen, Jere (2020)
2020
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2020052012734
https://urn.fi/URN:NBN:fi:amk-2020052012734
Tiivistelmä
Teknologia on maailmalla megatrendi ja sen kehittyminen on uudistanut useita toimialoja. Näin on käynyt myös rahoitussektorille, sillä teknologian kehitys on tuonut muutoksia vanhoihin toimintatapoihin ja luonut siten uusia mahdollisuuksia. Viime vuosien aikana tekoälyä on hyödynnetty lukuisilla aloilla ja tulevaisuudessa sen käytön on arvioitu kasvavan entisestään. Dataa syntyy nykyaikana jatkuvasti lähes kaikesta mitä me teemme, ja datan hyödyntäminen liiketoiminnassa on vahvassa nosteessa – sijoitusmarkkinat eivät ole tässä asiassa poikkeus.
Tässä tutkimuksessa perehdytään siihen, miten tekoälyä hyödynnetään rahastojen toiminnassa ja kuinka hyvin tekoälyrahastot pärjäävät verrattuna perinteisiin sijoitusrahastoihin, joita hallinnoivat kokeneet rahastonhoitajat. Opinnäytetyö on kvalitatiivinen tutkimus, jonka tutkimusjoukoksi on valikoitunut kolme tekoälyrahastoa. Näitä rahastoja vertaillaan toisiinsa, ja rahastojen arvioinnissa hyödynnetään niiden vertailurahastoja ja -indeksejä. Tutkimuksessa selvitetään, miten valitut tekoälyrahastot hyödyntävät tekoälyä sijoitustoiminnassaan ja miten ne ovat tuottojen valossa pärjänneet.
Valitut tekoäly rahastot ovat suomalainen FIM Tekoäly A -rahasto, maailman suurimman varainhoitoyhtiön BlackRock Inc. hallinnoima iShares Evolved U.S. Technology ETF -rahasto sekä alan ensimmäinen täysin tekoälyllä toimiva ETFMG:n hallinnoima AI Powered Equity ETF -rahasto. Rahastojen tuottojen vertailussa käytettävä tutkimusväli on 01.06.2018–01.01.2020.
Tutkimuksen perusteella tekoälyn menetelmät toimivat, mutta ne vaativat vielä kehitystyötä, jotta tekoäly pystyisi haastamaan parhaiten suoriutuvia rahastoja jatkuvasti. Tässä opinnäytetyössä esitetyn tutkimusraportin mukaan laajasti tekoälyä hyödyntävien rahastojen tulostaso ei pärjännyt vertailurahastoille eikä valituille vertailuindekseille. Tekoäly on kuitenkin osoittanut, että tulevaisuudessa sillä on todellinen mahdollisuus lyödä läpi rahastojen hoidossa. Tällä hetkellä tekoäly tarvitsee vielä kehitystyötä ja lisää aikaa oppiakseen tekemistään päätöksistä; mitä enemmän tekoälyllä on pohjadataa ja aikaa oppia, sitä älykkäämmäksi se kehittyy ja sitä parempia tuloksia tekoälyllä voidaan saada aikaan.
Tässä tutkimuksessa perehdytään siihen, miten tekoälyä hyödynnetään rahastojen toiminnassa ja kuinka hyvin tekoälyrahastot pärjäävät verrattuna perinteisiin sijoitusrahastoihin, joita hallinnoivat kokeneet rahastonhoitajat. Opinnäytetyö on kvalitatiivinen tutkimus, jonka tutkimusjoukoksi on valikoitunut kolme tekoälyrahastoa. Näitä rahastoja vertaillaan toisiinsa, ja rahastojen arvioinnissa hyödynnetään niiden vertailurahastoja ja -indeksejä. Tutkimuksessa selvitetään, miten valitut tekoälyrahastot hyödyntävät tekoälyä sijoitustoiminnassaan ja miten ne ovat tuottojen valossa pärjänneet.
Valitut tekoäly rahastot ovat suomalainen FIM Tekoäly A -rahasto, maailman suurimman varainhoitoyhtiön BlackRock Inc. hallinnoima iShares Evolved U.S. Technology ETF -rahasto sekä alan ensimmäinen täysin tekoälyllä toimiva ETFMG:n hallinnoima AI Powered Equity ETF -rahasto. Rahastojen tuottojen vertailussa käytettävä tutkimusväli on 01.06.2018–01.01.2020.
Tutkimuksen perusteella tekoälyn menetelmät toimivat, mutta ne vaativat vielä kehitystyötä, jotta tekoäly pystyisi haastamaan parhaiten suoriutuvia rahastoja jatkuvasti. Tässä opinnäytetyössä esitetyn tutkimusraportin mukaan laajasti tekoälyä hyödyntävien rahastojen tulostaso ei pärjännyt vertailurahastoille eikä valituille vertailuindekseille. Tekoäly on kuitenkin osoittanut, että tulevaisuudessa sillä on todellinen mahdollisuus lyödä läpi rahastojen hoidossa. Tällä hetkellä tekoäly tarvitsee vielä kehitystyötä ja lisää aikaa oppiakseen tekemistään päätöksistä; mitä enemmän tekoälyllä on pohjadataa ja aikaa oppia, sitä älykkäämmäksi se kehittyy ja sitä parempia tuloksia tekoälyllä voidaan saada aikaan.