بازطراحی بورس ایران؛ ضرورت گذار از مدیریت منابع به مدیریت دانش/ از هوش مصنوعی در مدیریت دارایی تا بازتعریف زیرساخت‌های بازار سرمایه
کارشناس بازار سرمایه گفت: سازمان بورس و بانک مرکزی باید به جای اجرای پروژه‌های پراکنده، یک نقشه راه عملیاتی برای توسعه نظارت هوشمند تدوین کنند؛ نقشه‌ای که در آن کیفیت داده‌ها، مسئولیت‌پذیری الگوریتم‌ها، اولویت‌های نظارتی، امنیت زیرساخت و شاخص‌های قابل سنجش موفقیت به‌روشنی تعیین شده باشد و از ظرفیت شرکت‌های دانش‌بنیان، دانشگاه‌ها و نهادهای مالی در محیط‌های آزمون کنترل‌شده استفاده شود تا نوآوری، بدون به خطر انداختن حقوق سرمایه‌گذاران و ثبات مالی، امکان توسعه پیدا کند.
به گزارش صنعت مالی، در حالی که جهان اقتصاد با سرعتی سرسام‌آور به سمت خودکارسازی و هوش مصنوعی حرکت می‌کند، بازار سرمایه ایران در میان دو راهی «تکنولوژی‌های نوظهور» و «ساختارهای سنتی» ایستاده است.
خبرنگار صنعت مالی در گفتوگو با محمدابراهیم سماوی به این موضوع پرداخته که آیا صرف آنلاین کردن معاملات، به‌معنای هوشمند شدن بورس است؟ در این گفتوگو ابعاد پنهان این تحول بازخوانی می‌شود؛ جایی که بحث از صرف خرید نرم‌افزار، به چالش‌های بنیادین در حکمرانی داده‌ها و مدیریت ریسک‌های الگوریتمیک می‌رسد.
در گفتوگو با سماوی کارشناس بازار سرمایه به ورود توکن‌سازی دارایی‌ها و چالش‌های حقوقی آن در معاملات ۲۴ ساعته پرداخته شده است؛ موضوعی که می‌تواند نقدشوندگی را متحول کند، اما ریسک نوسانات را نیز به شدت افزایش دهد.
همچنین، نگاهی به ساختارهای جزیره‌ای در نهادهای مالی ایران شده است؛ ساختارهایی که مانع از بهره‌برداری واقعی از قدرت هوش مصنوعی در مدیریت دارایی‌ها و شناسایی دقیق تخلفات می‌شوند.
گپ و گفت رسانه صنعت مالی با سماوی کارشناس بازار سرمایه در پی می‌آید:
انقلاب دیجیتال در بورس؛ آینده صنعت مدیریت دارایی چه می‌شود؟
صنعت مالی: هوش مصنوعی، مدیریت دارایی، تحلیل و مشاوره سرمایه‌گذاری را چگونه دستخوش تغییر می‌دهد؟
سماوی: به اعتقاد من، هوش مصنوعی را نباید صرفاً یک ابزار جدید برای تحلیل صورت‌های مالی یا پیش‌بینی قیمت سهام تلقی کرد. ما در آستانه تحولی قرار داریم که می‌تواند منطق خلق ارزش در صنعت مالی را تغییر دهد. در واقع، صنعت مدیریت دارایی به‌تدریج از یک صنعت متکی بر تجربه فردی و تحلیل‌های نسبتاً ایستا، به صنعتی مبتنی بر داده، یادگیری مستمر و تصمیم‌گیری پویا حرکت می‌کند.
در گذشته، مزیت رقابتی یک تحلیلگر عمدتاً در دسترسی به اطلاعات، توانایی پردازش داده‌ها و تجربه او در تفسیر متغیرهای اقتصادی خلاصه می‌شد. اما امروز هوش مصنوعی می‌تواند در زمانی بسیار کوتاه، هزاران صورت مالی، گزارش کدال، متغیر کلان اقتصادی، اطلاعات معاملاتی و حتی داده‌های متنی و رفتاری را به‌صورت هم‌زمان تحلیل کند. در چنین فضایی، مزیت رقابتی از «دسترسی به اطلاعات» به «کیفیت تفسیر اطلاعات و معماری تصمیم‌گیری» منتقل می‌شود.
در حوزه مدیریت دارایی، این تحول از اهمیت بیشتری برخوردار است. مدل‌های هوشمند می‌توانند متناسب با تغییرات نرخ بهره، انتظارات تورمی، نرخ ارز، نقدشوندگی و سطح ریسک بازار، ترکیب بهینه‌تری از دارایی‌ها پیشنهاد دهند. به بیان دیگر، مدیریت پرتفوی از تخصیص نسبتاً ثابت منابع به سمت تخصیص پویای دارایی و مدیریت فعال ریسک حرکت خواهد کرد.
در حوزه مشاوره سرمایه‌گذاری نیز شاهد گسترش مشاوران هوشمند خواهیم بود که می‌توانند متناسب با درجه ریسک‌پذیری، افق سرمایه‌گذاری، محدودیت‌های نقدینگی و اهداف مالی هر سرمایه‌گذار، پیشنهادهای اختصاصی ارائه کنند. این موضوع به‌ویژه در بازار ایران که بخش قابل‌توجهی از سرمایه‌گذاران حقیقی به خدمات مشاوره حرفه‌ای دسترسی مستمر ندارند، می‌تواند به توسعه فراگیری مالی کمک کند.
البته نکته مهم این است که نباید میان قدرت پردازش اطلاعات و قدرت پیش‌بینی قطعی آینده اشتباه گرفت. بازار سرمایه ایران تحت تأثیر ریسک‌های سیاسی، تصمیمات سیاست‌گذار، تغییرات مقرراتی و شوک‌های اقتصادی قرار دارد که بسیاری از آن‌ها در داده‌های تاریخی به‌درستی منعکس نمی‌شوند. بنابراین ممکن است مدلی از نظر آماری بسیار دقیق باشد، اما در مواجهه با یک تغییر ساختاری، عملکرد مناسبی نداشته باشد.
از سوی دیگر، اگر بخش عمده بازیگران بازار از مدل‌های مشابه استفاده کنند، احتمال شکل‌گیری رفتارهای هم‌جهت و تشدید نوسانات نیز وجود دارد. به همین دلیل، هوش مصنوعی در کنار افزایش کارایی، می‌تواند منشأ ریسک‌های جدیدی در سطح کل بازار باشد.
به اعتقاد من، آینده صنعت مدیریت دارایی نه در حذف تحلیلگر انسانی، بلکه در ترکیب قدرت محاسباتی ماشین با قدرت قضاوت اقتصادی انسان است. تحلیلگری که صرفاً داده جمع‌آوری می‌کند، به‌تدریج مزیت رقابتی خود را از دست خواهد داد؛ اما تحلیلگری که بتواند مدل‌های هوشمند را طراحی، ارزیابی و در چارچوب مدیریت ریسک به کار گیرد، ارزش افزوده بیشتری خلق خواهد کرد.
صنعت مالی: توکنایز شدن دارایی‌ها و امکان معامله ۲۴ ساعته در بورس ایران چقدر امکان‌پذیر است؟ مزایا و راهکارهای پیشنهادی چیست؟
سماوی: ابتدا باید میان دو مفهوم تفکیک قائل شویم؛ توکنایز شدن دارایی‌ها و فعالیت ۲۴ ساعته بازار، الزاماً یک موضوع واحد نیستند. توکن‌سازی به معنای تبدیل حقوق مالکیت یا منافع اقتصادی یک دارایی به واحدهای دیجیتال قابل ثبت و انتقال است، در حالی که معاملات ۲۴ ساعته به ساختار بازار، زیرساخت تسویه، نظام پرداخت و مقررات معاملاتی مربوط می‌شود.
از نظر فنی، هر دو موضوع امکان‌پذیر هستند، اما مسئله اصلی در ایران بیش از آنکه محدودیت فناوری باشد، به آمادگی حقوقی، نهادی و زیرساختی بازمی‌گردد.
به‌عنوان مثال، امروز می‌توان مالکیت یک دارایی ملکی، مجموعه‌ای از مطالبات، اوراق مالی یا حتی منافع یک پروژه زیرساختی را در قالب واحدهای دیجیتال تعریف کرد. این اقدام می‌تواند امکان سرمایه‌گذاری با مبالغ کوچک‌تر، کاهش برخی هزینه‌های نقل‌وانتقال، افزایش قابلیت رهگیری مالکیت و تسهیل استفاده از دارایی‌ها به‌عنوان وثیقه را فراهم کند.
از منظر تأمین مالی نیز ظرفیت قابل‌توجهی وجود دارد. اقتصاد ایران با حجم بزرگی از دارایی‌های نسبتاً غیرنقدشونده مواجه است؛ از املاک و مستغلات گرفته تا پروژه‌های عمرانی و دارایی‌های شرکت‌ها. توکن‌سازی، در صورت برخورداری از ساختار حقوقی و بازار ثانویه معتبر، می‌تواند ابزار جدیدی برای تبدیل بخشی از این دارایی‌ها به فرصت‌های سرمایه‌گذاری و تأمین مالی ایجاد کند.
با این حال، دیجیتالی کردن مالکیت، به‌تنهایی به معنای ایجاد نقدشوندگی نیست. نقدشوندگی زمانی شکل می‌گیرد که بازارگردان، تقاضای مؤثر، کشف قیمت معتبر و امکان خروج سرمایه‌گذار وجود داشته باشد. اگر یک دارایی غیرنقدشونده را صرفاً در قالب توکن عرضه کنیم، بدون آنکه بازار ثانویه مناسبی داشته باشد، عملاً تنها شکل ثبت مالکیت آن را تغییر داده‌ایم.
در خصوص معاملات ۲۴ساعته نیز باید با احتیاط بیشتری تصمیم‌گیری کرد. افزایش ساعات معامله می‌تواند انعطاف‌پذیری سرمایه‌گذاران را بالا ببرد و زمان واکنش بازار به اطلاعات جدید را کوتاه‌تر کند، اما در بازاری که با محدودیت نقدشوندگی، عمق نامتوازن معاملات و رفتارهای هیجانی مواجه است، افزایش ساعات معاملات لزوماً به افزایش کارایی منجر نخواهد شد.
حتی ممکن است در ساعات کم‌معامله، فاصله قیمت خرید و فروش افزایش یابد و امکان دستکاری قیمت یا شکل‌گیری نوسانات غیرمتعارف بیشتر شود.
به نظر من، راهبرد مناسب برای ایران، توسعه تدریجی این فناوری است. در مرحله نخست می‌توان توکن‌سازی را در ابزارهایی مانند صندوق‌های سرمایه‌گذاری، دارایی‌های مبتنی بر طلا، املاک و مستغلات و برخی اوراق مالی مشخص، با نظارت نهادهای ذی‌ربط توسعه داد. در مرحله بعد، امکان گسترش ساعات معاملات برای بازارهای منتخب و دارای زیرساخت تسویه مناسب بررسی شود.
در این مسیر، هماهنگی سازمان بورس، بانک مرکزی، شرکت سپرده‌گذاری مرکزی و سایر نهادهای مرتبط ضروری است. باید وضعیت حقوق مالکیت، نگهداری دارایی پایه، احراز هویت، امنیت سایبری، مالیات و نهایی شدن تسویه معاملات مشخص باشد.
تجربه جهانی نیز نشان می‌دهد که مسیر توسعه این فناوری، ایجاد محیط‌های آزمون تحت نظارت و سپس گسترش مرحله‌ای آن است، نه تغییر یکباره تمامی ساختارهای بازار.
بنابراین معتقدم بورس ایران در بلندمدت ظرفیت حرکت به سمت بازارهای دیجیتال و حتی معاملات پیوسته در برخی ابزارها را دارد، اما پیش‌نیاز آن ایجاد زیرساخت اعتماد، شفافیت حقوقی و نظام تسویه کارآمد است؛ نه صرفاً راه‌اندازی یک بستر معاملاتی جدید.
ماهیت مقررات‌محور و ریسک‌گریز ساختارهای نظارتی
صنعت مالی: نهادهای مالی ایران تا چه اندازه در لبه دانش و فناوری حرکت می‌کنند و میزان موفقیت آن‌ها را چگونه ارزیابی می‌‌کنید؟
سماوی: اگر بخواهیم ارزیابی واقع‌بینانه‌ای داشته باشیم، باید میان «دیجیتالی شدن خدمات مالی» و «تحول فناورانه مدل کسب‌وکار» تفاوت قائل شویم.
طی سال‌های اخیر، نهادهای مالی ایران در توسعه سامانه‌های معاملات برخط، خدمات الکترونیکی سرمایه‌گذاری، زیرساخت‌های صندوق‌داری و دسترسی دیجیتال مشتریان پیشرفت‌هایی داشته‌اند. با این حال، استفاده از فناوری در بسیاری از موارد همچنان در سطح تسهیل فرایندهای موجود باقی مانده و کمتر به بازطراحی بنیادین مدل کسب‌وکار منجر شده است.
به بیان ساده‌تر، بسیاری از نهادهای مالی تلاش کرده‌اند همان خدمات گذشته را سریع‌تر و الکترونیکی‌تر ارائه کنند؛ در حالی که تحول واقعی فناوری زمانی رخ می‌دهد که ماهیت خدمات، ساختار درآمدی و شیوه تصمیم‌گیری یک نهاد مالی تغییر کند.
به اعتقاد من، یکی از چالش‌های جدی صنعت مالی ایران این است که بخش مهمی از رقابت همچنان حول اندازه منابع تحت مدیریت، سهم بازار معاملات، شبکه مشتریان و درآمدهای سنتی شکل می‌گیرد. در نتیجه، سرمایه‌گذاری در فناوری‌های نوینی که ممکن است بازده کوتاه‌مدت مشخصی نداشته باشند، در اولویت همه مدیران قرار نمی‌گیرد.
از سوی دیگر، محدودیت دسترسی به برخی فناوری‌های بین‌المللی، دشواری تأمین زیرساخت‌های پردازشی، نبود داده‌های استاندارد و یکپارچه و چالش جذب و حفظ نیروی انسانی متخصص نیز سرعت تحول را کاهش داده است.
البته نباید این شرایط را به همه نهادهای مالی تعمیم داد. برخی شرکت‌ها در حوزه معاملات الگوریتمی، تحلیل داده، هوشمندسازی خدمات و توسعه ابزارهای نوین مالی حرکت‌هایی را آغاز کرده‌اند؛ اما مسئله این است که هنوز نمی‌توان از استقرار فراگیر یک اکوسیستم مالی مبتنی بر هوش مصنوعی سخن گفت.
از منظر مدیریتی، معتقدم معیار موفقیت فناورانه یک نهاد مالی نباید تعداد نرم‌افزارهای خریداری‌شده یا پروژه‌هایی باشد که عنوان هوش مصنوعی دارند. معیار واقعی این است که فناوری تا چه اندازه توانسته هزینه ارائه خدمات را کاهش دهد، کیفیت تصمیم‌های سرمایه‌گذاری را ارتقا دهد، مدیریت ریسک را بهبود بخشد و تجربه مشتری را متحول کند.
برای مثال، اگر یک شرکت سبدگردان از مدل‌های هوشمند استفاده می‌کند، باید مشخص باشد این مدل‌ها پس از کسر هزینه معاملات و با لحاظ ریسک، چه ارزش افزوده‌ای نسبت به روش‌های متعارف ایجاد کرده‌اند. یا اگر کارگزاری از هوش مصنوعی استفاده می‌کند، باید بتوان اثر آن را بر کیفیت اجرای سفارش‌ها، کاهش خطاهای عملیاتی، بهره‌وری کارکنان و حفظ مشتریان اندازه‌گیری کرد.
نکته مهم دیگر، تغییر ماهیت رقابت در صنعت مالی است. به نظر من در سال‌های آینده، مزیت رقابتی صرفاً در اختیار نهادی نخواهد بود که منابع بیشتری مدیریت می‌کند؛ بلکه متعلق به نهادی است که بتواند با بهره‌گیری از داده و فناوری، به ازای هر واحد سرمایه، هزینه و ریسک، ارزش بیشتری خلق کند.
در واقع، آینده رقابت در صنعت مالی ایران، حرکت از مقیاس دارایی به بهره‌وری دارایی و از مزیت دسترسی به مزیت دانایی خواهد بود.
صنعت مالی: چرا نهادهای حاکمیتی مانند سازمان بورس و بانک مرکزی استفاده جدی از هوش مصنوعی را آغاز نکرده‌اند؟ ریشه این مسئله چیست؟
من با فرض مطلق این سؤال که نهادهای ناظر هیچ اقدامی برای ورود به حوزه هوش مصنوعی انجام نداده‌اند، موافق نیستم. در سال‌های اخیر، برنامه‌هایی در زمینه هوشمندسازی نظارت، حکمرانی داده و توسعه ابزارهای تحلیلی مطرح شده و حتی نمونه‌هایی از سامانه‌های هوشمند در بخش‌هایی از زیرساخت‌های مالی و بانکی توسعه یافته است.
اما مسئله اصلی این است که میان اجرای چند پروژه فناورانه و تبدیل شدن به یک نهاد ناظر داده‌محور فاصله قابل‌توجهی وجود دارد. به اعتقاد من، بخش مهمی از چالش دقیقاً در همین فاصله نهفته است.
نخستین مانع، ساختار جزیره‌ای داده‌هاست. هوش مصنوعی زمانی می‌تواند در سطح سیاست‌گذاری و نظارت مؤثر باشد که به داده‌های معتبر، به‌روز، استاندارد و قابل اتصال دسترسی داشته باشد. در حالی که بخش‌های مختلف نظام مالی کشور، از شبکه بانکی و بازار سرمایه گرفته تا اطلاعات مالی شرکت‌ها، سامانه‌های نظارتی و نظام پرداخت، از زیرساخت‌ها و استانداردهای اطلاعاتی متفاوتی استفاده می‌کنند.
دومین مسئله، ماهیت مقررات‌محور و ریسک‌گریز ساختارهای نظارتی است. نهاد ناظر به دلیل مسئولیت قانونی و حساسیت تصمیمات خود، طبیعتاً نسبت به فناوری‌هایی که خروجی آن‌ها همواره کاملاً قابل توضیح یا پیش‌بینی نیست، احتیاط بیشتری دارد. این احتیاط در جای خود ضروری است، اما اگر به تعویق مستمر تصمیم‌گیری منجر شود، می‌تواند هزینه عقب‌ماندگی فناورانه را افزایش دهد.
مسئله سوم، نبود چارچوب جامع برای حکمرانی هوش مصنوعی است. هنوز باید به پرسش‌های مهمی پاسخ داده شود؛ از جمله اینکه مسئولیت خطای یک مدل هوشمند با چه شخص یا نهادی است؟ الگوریتم‌های مورد استفاده در تصمیمات نظارتی چگونه باید اعتبارسنجی شوند؟ چه اطلاعاتی امکان پردازش توسط این مدل‌ها را دارند و چگونه باید از محرمانگی و امنیت داده‌ها اطمینان حاصل کرد؟
چهارمین مسئله نیز به سرمایه انسانی و شیوه تخصیص منابع بازمی‌گردد. اجرای موفق پروژه‌های هوش مصنوعی صرفاً با خرید نرم‌افزار یا تجهیزات محقق نمی‌شود. این فرایند به ترکیبی از متخصصان مالی، اقتصاددانان، مهندسان داده، متخصصان امنیت اطلاعات و مدیرانی نیاز دارد که بتوانند فناوری را به مسائل واقعی سازمان پیوند دهند.
در عین حال، نباید فراموش کنیم که هوش مصنوعی برای نهادهای ناظر، تنها ابزار افزایش سرعت انجام کارهای اداری نیست؛ بلکه می‌تواند اساس نظارت را متحول کند.
به‌عنوان نمونه، سازمان بورس می‌تواند با استفاده از مدل‌های یادگیری ماشین، الگوهای غیرمتعارف معاملات، احتمال دستکاری قیمت، ارتباطات مشکوک میان حساب‌های معاملاتی و نشانه‌های اولیه تخلفات را با سرعت بیشتری شناسایی کند. همچنین امکان تحلیل هوشمند گزارش‌های کدال، شناسایی ناسازگاری اطلاعات مالی و اولویت‌بندی شرکت‌ها برای بررسی‌های نظارتی فراهم می‌شود.
در بانک مرکزی نیز استفاده از این فناوری برای شناسایی ریسک نقدینگی بانک‌ها، تحلیل شبکه ارتباطات مالی، پیش‌بینی ناترازی‌ها، اجرای آزمون‌های تنش و شناسایی الگوهای غیرعادی تراکنش‌ها می‌تواند اثربخشی نظارت را ارتقا دهد.
البته تشخیص اولیه الگوریتم نباید جایگزین رسیدگی کارشناسی و تصمیم قانونی شود. نقش هوش مصنوعی در این حوزه، افزایش توان کشف و تحلیل نهاد ناظر است، نه واگذاری بی‌قیدوشرط اختیارات حاکمیتی به ماشین.
پیشنهاد من این است که سازمان بورس و بانک مرکزی به جای اجرای پروژه‌های پراکنده، یک نقشه راه عملیاتی برای توسعه نظارت هوشمند تدوین کنند؛ نقشه‌ای که در آن کیفیت داده‌ها، مسئولیت‌پذیری الگوریتم‌ها، اولویت‌های نظارتی، امنیت زیرساخت و شاخص‌های قابل سنجش موفقیت به‌روشنی تعیین شده باشد.
همچنین باید از ظرفیت شرکت‌های دانش‌بنیان، دانشگاه‌ها و نهادهای مالی در محیط‌های آزمون کنترل‌شده استفاده شود تا نوآوری، بدون به خطر انداختن حقوق سرمایه‌گذاران و ثبات مالی، امکان توسعه پیدا کند.
در نهایت، معتقدم مسئله اصلی بازار سرمایه ایران، عقب‌ماندگی صرف در دسترسی به فناوری نیست؛ بلکه ضرورت تغییر در شیوه حکمرانی و تصمیم‌گیری اقتصادی است.
اگر فناوری‌های جدید را صرفاً به ساختارهای قدیمی اضافه کنیم، الزاماً به نتایج جدیدی نخواهیم رسید. تحول واقعی زمانی اتفاق می‌افتد که فناوری، داده و اصلاح ساختارهای نهادی به‌صورت هم‌زمان پیش بروند.
به بیان دیگر، آینده بورس ایران بیش از آنکه به سرعت ورود هوش مصنوعی وابسته باشد، به میزان آمادگی ساختارهای تصمیم‌گیری برای استفاده مؤثر، مسئولانه و هوشمندانه از آن وابسته خواهد بود.
گفتوگو از حسین بوذری
بیشتر بخوانید: