The utilization of artificial intelligence in investment decisions

Abstract

This thesis examines the role of artificial intelligence (AI) in portfolio optimization by focusing on how AI-based methods can enhance investment performance compared to traditional approaches such as Modern Portfolio Theory and Capital Asset Pricing Model. Behavioral finance research has shown that investors are prone to psychological factors which often lead to irrational decision-making. AI and particularly machine learning (ML) offers potential solutions to these cognitive limitations by enabling more objective and data-driven decision processes. This study evaluates the use of AI models in mitigating the impact of behavioral biases on the investment process.

The existing literature indicates that AI-based models offer potential tool alongside with traditional benchmarks. ML algorithms can identify complex and nonlinear patterns from vast amounts of financial data. However, broader implementation of AI models still faces challenges and limitations that needs to be addressed. Computational demands, interpretability problems and regulatory compliance slows down the wider adoption of these applications.

Tämä tutkielma tarkastelee tekoälyn (AI) roolia portfolion optimoinnissa ja sen vaikutusta sijoitusten tuottavuuteen. Tutkimus keskittyy erityisesti siihen, miten tekoälypohjaiset menetelmät voivat parantaa sijoituspäätöksiä verrattuna perinteisiin lähestymistapoihin, kuten moderniin portfolioteoriaan ja pääoman hinnoittelumalliin (CAPM). Käyttäytymistaloustieteen tutkimukset ovat osoittaneet, että sijoittajat ovat alttiita erilaisille psykologisille tekijöille, jotka usein johtavat epärationaalisiin päätöksiin. Tekoäly, ja erityisesti koneoppiminen (ML), tarjoaa mahdollisia ratkaisuja näihin kognitiivisiin rajoitteisiin mahdollistamalla objektiivisemmat ja datalähtöisemmät päätöksentekoprosessit. Tässä tutkimuksessa arvioidaan tekoälymallien potentiaalia vähentää käyttäytymisvinoumien vaikutusta sijoituspäätöksiin.

Aiemmat tutkimukset ovat osoittaneet, että tekoälypohjaiset mallit voivat tarjota merkittäviä hyötyjä perinteisten rahoitusteorioiden rinnalla sijoituspäätöksissä. Algoritmit kykenevät tunnistamaan monimutkaisia ja epälineaarisia riippuvuuksia laajoista datalähteistä, mikä voi parantaa sijoituspäätösten tarkkuutta ja tehokkuutta. Tekoälyn laajempaa käyttöönottoa kuitenkin rajoittavat useat haasteet ja puutteelliset sääntelyt. Tekoälymallien tarvitsemat tietokoneelliset vaatimukset, tulosten heikko tulkittavuus sekä sääntelyyn ja eettisyyteen liittyvät kysymysmerkit hidastavat näiden sovellusten yleistymistä rahoitusalalla.