ربات های معاملاتی هوش مصنوعی اکنون بسیاری از معاملات را در وال استریت و سایر بازارهای مالی جهانی اجرا می کنند (این ربات ها هسته اصلی معاملات فرکانس بالا یا HFT را تشکیل می دهند که روزانه میلیون ها اوردر را در کسری از ثانیه پردازش می کنند). با این حال، تحقیقات جولای ۲۰۲۵ نشان می دهد که این ربات ها می توانند به طور ناخواسته یاد بگیرند که با یکدیگر همکاری کنند؛ آن هم به روش هایی که هزینه ها را برای سرمایه گذاران عادی و تریدرهای خرد افزایش می دهد.
یک مطالعه در جولای ۲۰۲۵ توسط دفتر ملی تحقیقات اقتصادی (NBER) نشان داد که حتی بدون مداخله انسان، سیستم های هوش مصنوعی طراحی شده برای معامله گری و قیمت گذاری می توانند به طور مستقل استراتژی های تبانی ایجاد کنند که به طور بالقوه قیمت دارایی ها را تغییر داده و رقابت در بازار را کاهش می دهد. وینستون وی دو، ایتای گلدشتاین و یان جی، نویسندگان این مطالعه نوشتند: «آن ها به طور مستقل سودهای فرارقابتی ناشی از تبانی را بدون هیچ گونه توافق، ارتباط یا قصدی حفظ می کنند. چنین تبانی هایی رقابت و کارایی بازار را تضعیف می کند.»
کمیسیون بورس و اوراق بهادار ایالات متحده (SEC) و کنگره شروع به درک این خطر کرده اند و به دنبال وضع قوانین جدیدی هستند. در این مقاله، توضیح خواهیم داد که چگونه موجودیت های غیرانسانی می توانند ناآگاهانه در یک بازار تبانی کنند و این موضوع چگونه ممکن است بر پورتفوی معاملاتی شما تأثیر بگذارد.
ربات های سرکش (Robots Gone Rogue)
با تکیه بر مطالعات قبلی، محققان NBER از شبیه سازی هایی استفاده کردند تا نشان دهند چگونه الگوریتم هایی که از یادگیری تقویتی (Reinforcement Learning) استفاده می کنند – یک تکنیک یادگیری ماشین برای بهینه سازی استراتژی ها از طریق آزمون و خطای مکرر – یاد می گیرند تا قیمت گذاری را هماهنگ کنند، حتی زمانی که به طور صریح برای انجام این کار برنامه ریزی نشده اند. (این الگوریتم ها با تحلیل مداوم عمق بازار (Market Depth) و رفتار سایر ربات ها، بهینه ترین نقطه را برای کسب سود پیدا می کنند).
اگرچه این سیستم ها بسیار پیچیده هستند، اما خود این فرآیند اینگونه نیست. این مطالعه نشان می دهد که سیستم های هوش مصنوعی دو نوع رفتار تبانی متمایز دارند؛ محققان یکی را «هوش مصنوعی» (Artificial Intelligence) و دیگری را «حماقت مصنوعی» (Artificial Stupidity) می نامند:
- تبانی «هوش مصنوعی»: الگوریتم ها یاد می گیرند از سیگنال های قیمتی به عنوان یک سیستم نظارتی استفاده کنند. وقتی یک ربات سعی می کند قیمت ها را زیر قیمت سایرین بیاورد (Undercutting)، بقیه ربات ها به طور خودکار او را با بازگشت به رقابت تهاجمی مجازات می کنند تا زمانی که ربات متخلف دوباره به خط و روند قبلی بازگردد.
- تبانی «حماقت مصنوعی»: این یک نوع تصادفی است؛ جایی که سوگیری های یادگیری باعث می شود ربات ها به طور سیستماتیک از استراتژی های تهاجمی اجتناب کنند. محققان توضیح می دهند: «استراتژی های تهاجمی، ذاتاً بیشتر در معرض شوک های معاملات نویز (Noise Trading Shocks) قرار دارند که آن ها را به ویژه در برابر این پویایی یادگیری نامتقارن آسیب پذیر می کند.»
نمایش کانسپت تبانی خودمختار ربات های معامله گر و شبکه های یادگیری تقویتی.
حقیقت سریع (Fast Fact)
رهبران سیاسی و قانون گذاران به این موضوع توجه کرده اند. در سال های ۲۰۲۴ و ۲۰۲۵، سناتور دموکرات مینه سوتا، ایمی کلوبشار، قانون «جلوگیری از تبانی الگوریتمی» را معرفی کرد؛ قانونی که استفاده از الگوریتم های قیمت گذاری را که از طریق اشتراک گذاری یا آموزش با داده های غیرعمومی رقبا تبانی می کنند، ممنوع می کند. ایالت کالیفرنیا نیز در حال بررسی قوانین مشابهی است.
اگرچه محققان ادعا نکردند که این اتفاق در حال حاضر به طور گسترده در بازارهای مالی رخ می دهد، اما آنچه قابل توجه است این است که چگونه این رفتار، منعکس کننده رفتار کارتل های سنتی است. با این حال، کارتل های سنتی به جلسات، توافق نامه ها و مکانیسم های اجرایی نیاز دارند، در حالی که ربات های هوش مصنوعی به سادگی الگوها را مشاهده کرده و خود را با آن ها تطبیق می دهند.
مطالعه قبلی توسط محققان کمیسیون تجارت فدرال ایالات متحده (FTC) نیز نتیجه مشابهی را نشان داد. ربات ها ترفندهای کلاسیک تثبیت قیمت (Price-Fixing) را یاد گرفتند؛ مانند مجازات رقبایی که سعی در ارائه قیمت های پایین تر داشتند و سپس به محض اینکه «متقلب» به روند بازگشت، قیمت ها را به آرامی دوباره افزایش دادند. این اتفاق حتی زمانی رخ داد که محققان شرایط معاملاتی را پیچیده تر و در نتیجه هماهنگی را دشوارتر کردند.
هزینه های تبانی هوش مصنوعی
از آنجایی که این مطالعه نشان می دهد تبانی هوش مصنوعی می تواند از طریق «حماقت مصنوعی» رخ دهد، تمایز آن از رفتار عادی بازار تقریباً غیرممکن می شود، زیرا هیچ ارتباط یا هماهنگی صریحی برای ردیابی و شناسایی وجود ندارد.
عواقب این امر برای سرمایه گذاران روزمره و تریدرها می تواند قابل توجه باشد:
- هزینه های معاملاتی بالاتر: رفتار تبانی گرایانه، اسپردهای بید و اسک را گسترده تر می کند و هزینه های معاملاتی را برای همه فعالان بازار افزایش می دهد. تریدرهای خرد (Retail Investors) که سیستم های پیشرفته مورد نیاز برای تشخیص دستکاری های ظریف بازار را ندارند، احتمالاً با افزایش هزینه ها (از جمله افزایش Slippage در حین اجرای سفارشات) مواجه خواهند شد.
- کاهش کارایی بازارها: وقتی قیمت ها به طور مصنوعی بالا نگه داشته می شوند، بازارها نمی توانند وظیفه اصلی خود یعنی کشف قیمت واقعی دارایی ها را به درستی انجام دهند.
- اثرات اقتصادی گسترده تر: اگر ربات ها روی استراتژی های قیمت بالا در بازارهای اصلی مانند کالاها (Commodities)، مسکن یا سهام متمرکز شوند، نتایج می تواند شبیه به موارد تاریخی تثبیت قیمت با پیامدهای اقتصادی گسترده باشد.
تصویر یک سرمایه گذار در حال بررسی بازارهای مالی برای نمایش تاثیر الگوریتم ها بر هزینه های معاملاتی.
نکته (Tip)
سازمان SEC در سال ۲۰۲۳ قوانین جامعی را برای هوش مصنوعی پیشنهاد کرده بود، اما این قوانین در سال ۲۰۲۵ توسط دولت دوم ترامپ پس گرفته شد. با این حال، سایر قانون گذاران مانند سازمان تنظیم مقررات صنعت مالی (FINRA) و CFTC دستورالعمل هایی صادر کرده اند که شرکت ها را ملزم می کند نظارت مناسبی بر سیستم های هوش مصنوعی خود داشته باشند.
تریدرهای خرد چه کاری می توانند انجام دهند؟
برای سرمایه گذاران و تریدرهای عادی، تبانی ربات های معاملاتی هوش مصنوعی می تواند مستقیماً بر هزینه های معاملاتی و بازدهی شما تأثیر بگذارد. چنانچه مشخص شود چنین تبانی هایی به دنیای واقعی معاملات سهام و دارایی ها نفوذ کرده است، در اینجا اقداماتی وجود دارد که می توانید انجام دهید:
- استفاده از سفارشات لیمیت (Limit Orders): برخلاف سفارشات مارکت (Market Orders) که در آن قیمت می تواند به دلیل نوسانات و اسپرد شیفت کند، سفارشات لیمیت قیمت دقیق خرید یا فروش شما را تعیین می کنند و در نتیجه قرار گرفتن شما در معرض اسپردهای دستکاری شده را کاهش می دهند.
- تمرکز بر سرمایه گذاری بلندمدت: هرگونه تبانی، بسیار بیشتر روی معامله گران پرنوسان و کوتاه مدت (مثل اسکالپرها) تأثیر می گذارد. هرچه کمتر معامله کنید، این موضوع کمتر روی شما تأثیر می گذارد.
- تنوع بخشی در کلاس های دارایی و مناطق جغرافیایی: این کار ریسک و قرارگیری شما را در معرض هر بازار واحدی که تبانی در آن شایع تر است، کاهش می دهد.
نتیجه گیری
ربات های معاملاتی مبتنی بر هوش مصنوعی نوید بازارهای کارآمدتری را می دهند، اما خطر پنهان تبانی الگوریتمی را نیز به همراه دارند. این موضوع می تواند به طور ناخواسته هزینه های معاملاتی را افزایش داده و رقابت را برای همه سرمایه گذاران کاهش دهد.
در حالی که تغییرات چشمگیر در مقررات برای نظارت بیشتر بر سیستم های هوش مصنوعی بازار در اواسط دهه ۲۰۲۰ بعید به نظر می رسد، سرمایه گذاران می توانند برای محافظت از خود اقداماتی انجام دهند: به جای سفارشات مارکت از سفارشات لیمیت استفاده کنند، به جای معاملات مکرر روی سرمایه گذاری بلندمدت تمرکز کنند، در کلاس های مختلف دارایی سرمایه خود را پخش کنند و صندوق های شاخصی کم هزینه را انتخاب کنند تا فرکانس معاملات خود را پایین نگه دارند.
