Model machine learning telah digunakan dalam keuangan kuantitatif selama beberapa dekade, tetapi kemajuan terkini dalam large language model dan AI generatif telah memperluas cakupannya secara signifikan. Model kuantitatif tradisional unggul dalam menemukan pola statistik dalam data numerik. LLM kini dapat memproses transkrip earnings call, pengajuan regulasi, sentimen media sosial, dan artikel berita dengan kecepatan dan skala yang tidak bisa ditandingi analis manusia.
Analisis sentimen yang ditenagai AI telah menjadi jauh lebih canggih. Model NLP (natural language processing) awal dapat mendeteksi apakah sepotong teks bersifat positif atau negatif dengan akurasi yang masuk akal. Model saat ini dapat mengidentifikasi nuansa seperti optimis dengan hati-hati, khawatir tetapi tidak panik, dan strategis yang ambigu. Granularitas dalam deteksi sentimen ini masuk ke sinyal trading yang menangkap pergeseran suasana pasar lebih awal daripada indikator sentimen tradisional.
Pengawasan pasar bertenaga AI mengubah cara bursa dan regulator mendeteksi manipulasi. Model pengenalan pola dapat mengidentifikasi spoofing, wash trading, dan perilaku manipulasi pasar yang luput dari sistem berbasis aturan tradisional. Model-model ini belajar dari contoh-contoh manipulasi historis dan dapat menandai aktivitas mencurigakan secara real time. Hasilnya adalah pasar menjadi lebih sulit dimanipulasi, meskipun aktor-aktor canggih terus mengembangkan teknik mereka.
Strategi algorithmic trading menggunakan AI untuk menghasilkan alpha dengan cara yang sebelumnya tidak mungkin. Agen reinforcement learning dapat mengembangkan strategi trading melalui simulasi tanpa diprogram secara eksplisit dengan aturan trading. Neural network dapat mendeteksi pola non-linear dalam data pasar yang luput dari metode statistik tradisional. Tantangannya adalah model-model ini juga dapat menemukan pola palsu yang tidak bertahan, sehingga pengujian out-of-sample yang ketat menjadi penting.
Natural language processing sedang diterapkan pada analisis data on-chain. Model AI dapat menganalisis kode smart contract untuk mengidentifikasi potensi kerentanan, memantau proposal tata kelola untuk perubahan protokol yang bermakna, dan mengurai pola transaksi on-chain untuk mengidentifikasi perilaku whale. Aplikasi ini sangat relevan untuk kripto, di mana terdapat sejumlah besar data yang tersedia publik tetapi kompleks secara on-chain.
Trader ritel kini memiliki akses ke alat AI yang sebelumnya hanya untuk institusi. Screener bertenaga AI, alat pengenalan pola, dan platform analisis telah mendemokratisasi kapabilitas yang dulu membutuhkan tim quant dan insinyur beberapa tahun lalu. Alat-alat ini tidak menjamin kinerja yang lebih baik, namun memungkinkan trader individu untuk memproses lebih banyak informasi dengan lebih cepat.
Risiko AI dalam pasar keuangan mencakup peningkatan kerapuhan pasar. Jika banyak sistem trading menggunakan model AI serupa yang dilatih pada data serupa, mereka mungkin mencapai kesimpulan serupa secara bersamaan, memperbesar pergerakan pasar. Flash crash dapat menjadi lebih sering atau lebih parah karena sistem berbasis AI bereaksi lebih cepat daripada yang dapat dikoreksi oleh pengawasan manusia. Risiko sistemik dari strategi AI yang berkorelasi adalah kekhawatiran yang mulai diatasi regulator.
Riset dan analisis yang dihasilkan AI membanjiri lanskap informasi. Kini menjadi sepele untuk menghasilkan analisis pasar yang terlihat profesional menggunakan LLM. Hal ini menciptakan peluang (lebih banyak analisis tersedia) sekaligus masalah (kualitas rata-rata mungkin menurun seiring meningkatnya noise). Kemampuan untuk mengevaluasi konten yang dihasilkan AI secara kritis dan membedakan wawasan asli dari analisis yang terdengar meyakinkan tetapi hampa menjadi keterampilan yang semakin berharga.
Implikasi praktis bagi trader bukanlah bahwa AI akan menggantikan penilaian manusia, melainkan bahwa ia akan menambah penilaian tersebut. Trader yang belajar menggunakan alat AI secara efektif untuk pemrosesan data, pengenalan pola, dan analisis akan memiliki keunggulan atas mereka yang tidak. Trader yang mencoba bersaing dengan AI dalam hal kecepatan atau pemrosesan data tanpa menggunakan alat AI akan berada pada posisi yang semakin dirugikan. Kontribusi manusia yang paling berharga berada di area di mana AI paling lemah: pemikiran strategis, penilaian situasi baru, dan penilaian risiko dalam kondisi yang belum pernah ada sebelumnya.