Hoe AI-beursrobots investeren én leren op de beurs

AI-gestuurde beursrobots zijn algoritmes die zelfstandig koop- en verkoopbeslissingen nemen. In plaats van vaste regels gebruiken ze reinforcement learning. Dat is een leermethode waarbij het systeem zichzelf verbetert via experimenteren en marktfeedback. 
De bots reageren razendsnel op nieuwe informatie en zijn inmiddels een vaste waarde bij sommige grote banken, hedgefondsen en beursplatformen. Hun snelheid en rekenkracht vergroten de efficiëntie van de markten, maar brengen ook een aantal nieuwe risico’s met zich mee. Nieuw onderzoek toont dat deze bots kunnen samenspannen, zonder dat ze daar expliciet toe zijn geprogrammeerd.

Beginnende bots handelen agressief

De auteurs van een recente paper tonen via een theoretisch experiment aan dat AI-bots vaak starten met agressief handelen. Ze spelen dynamisch in op nieuws om zo veel mogelijk winst te halen. Maar wanneer alle bots in het model dat doen, verdwijnt het voordeel snel. De informatie wordt vrijwel meteen in de prijs verwerkt, waardoor er minder te verdienen valt.
Na verloop van tijd ontdekken de bots dat voorzichtig handelen – minder ingrijpen bij nieuws – hogere gezamenlijke winsten oplevert. Zonder afspraken ontstaat via dit leerproces een collusie: een stilzwijgende samenwerking tussen marktspelers die de onderlinge concurrentie beperkt, vaak met als doel hogere winsten te behalen.

Prijssignalen en straffen

In rustige markten, met weinig ruis en met menselijke beleggers die nauwelijks op nieuws reageren, kan zelfs een ‘prijsgestuurde’ collusie ontstaan. Bots leiden uit gematigde koersreacties in de markt af dat hun collega-bots ook voorzichtig handelen. Houdt iedereen zich eraan, dan blijft het rustig. Maar als één bot toch agressief handelt, reageren de anderen onmiddellijk en allemaal op dezelfde manier.
Zo ontstaat een ingebouwd strafmechanisme dat doet denken aan de zogeheten grim-triggerstrategie uit de speltheorie. In een spel met meerdere rondes hebben de spelers in theorie telkens opnieuw de kans om samen te werken of niet. Maar bij een grim-triggerstrategie blijven deze spelers na een eerste verraad de verrader systematisch tegenwerken.

Hoe bots behoudsgezinde beleggers worden

In volatielere markten met veel ruis lijden bots vaker verlies wanneer ze agressief handelen. Zulke verliezen zetten hen ertoe aan om deze agressieve strategie veel minder of zelfs helemaal niet meer te gebruiken.
Omdat bots vooral leren uit situaties die vaak voorkomen, worden de negatieve inschattingen over agressief handelen bijzonder hardnekkig. Daardoor ontwikkelen ze geleidelijk een collectieve voorkeur voor voorzichtige strategieën. Niet omdat de bots bewust samenwerken, maar omdat hun leerproces hen in dezelfde richting stuurt. Het gevolg is minder concurrentie, lagere marktliquiditeit en een grotere kans op verkeerde waarderingen, en dat allemaal zonder enige vorm van expliciet overleg.