Koneoppiminen ja tekoäly sijoittajan työkaluina: tarkastelussa uhat ja mahdollisuudet
Pysyvä osoite
Kuvaus
Opinnäytetyö kokotekstinä PDF-muodossa.
Rahoitusmarkkinoiden teknologinen murros, erityisesti koneoppimisen ja generatiivisen
tekoälyn nopea kehitys, asettaa sijoittajalle sekä uusia analyyttisiä mahdollisuuksia että
tunnistamattomia uhkia. Ymmärrys siitä, mitä nämä teknologiat käytännössä voivat tehdä ja
missä niiden käyttö voi mennä pieleen, on noussut keskeiseksi taidoksi niin yksityissijoittajille
kuin rahoitusalan ammattilaisille.
Tässä kandidaatintutkielmassa selvitetään kirjallisuuskatsauksen menetelmin, miten
koneoppiminen soveltuu osakekurssien ennustamiseen ja miten generatiivinen tekoäly
täydentää näitä kvantitatiivisia menetelmiä laadullisen informaation käsittelyssä.
Tutkimuskysymys kattaa molempien teknologioiden mahdollisuudet ja ongelmat sijoittajan
näkökulmasta. Tiedonhankinta on toteutettu kansainvälisiä tieteellisiä tietokantoja ja
vertaisarvioituja lähteitä hyödyntäen.
Kirjallisuuskatsauksen perusteella koneoppimismallit, erityisesti LSTM-pohjainen
syväoppiminen ja ensemble-menetelmät, kykenevät tuottamaan tilastollisesti merkitsevää
ennustetarkkuutta lyhyen aikavälin osakekurssikehityksessä. Generatiivinen tekoäly tarjoaa
puolestaan systemaattisen väylän laadulliseen informaatioon, jota perinteiset numeeriset mallit
eivät tavoita. Teknologiat täydentävät toisiaan, eivät kilpaile keskenään. Kumpaankin liittyy
kuitenkin kriittisiä rajoitteita: koneoppimisessa ylisovittuminen ja läpinäkymättömyys,
generatiivisessa tekoälyssä hallusinaatioalttius. Näiden ymmärtäminen on ehdoton edellytys
vastuulliselle soveltamiselle.