Prof. Barak Chizi előadásának összefoglalója a KBC AI (Optimum) Fund működéséről, az AI-alapú vagyonkezelés lehetőségeiről és eredményeiről
Helyszín és időpont: MÜPA, 46. K&H Családi Vállalatok Klub (2026. október 13.)
Hogyan lehet a mesterséges intelligencia segítségével hatékonyabbá, kiszámíthatóbbá és eredményesebbé tenni a befektetési döntéseket? Milyen szerepet játszhatnak a gépi tanulási algoritmusok a portfóliókezelésben, és miért nélkülözhetetlen továbbra is az emberi szakértelem?
Ezekre a kérdésekre adott betekintést Prof. Barak Chizi, aki a KBC mesterséges intelligenciára épülő befektetési rendszerének fejlesztését és működését mutatta be. Az előadás középpontjában a KBC Optimum Alap és az annak hátterében álló, Kaiser névre keresztelt technológia állt, amely a fejlett matematikai modellezést, a gépi tanulást és a hagyományos vagyonkezelési szakértelmet ötvözi.
Egy hat hónapos kísérletből sikeres befektetési rendszer
A projekt 2018-ban indult, eredetileg B6 néven, azzal az ambiciózus céllal, hogy a gépi tanulás alkalmazásával a hagyományos befektetési alapoknál eredményesebben működő vagyonkezelési rendszert hozzanak létre. A fejlesztőcsapat mindössze hat hónapot kapott arra, hogy bizonyítsa az elképzelés életképességét. A kezdeti eredményeket követően a projekt a Kaiser nevet kapta, és fokozatosan a KBC befektetési döntéshozatali rendszerének fontos elemévé vált.
A fejlesztés során nyolc ország szakemberei működtek együtt. A cél egy olyan adatvezérelt, matematikai alapokon nyugvó rendszer kialakítása volt, amely képes a hatalmas mennyiségű gazdasági és piaci információ feldolgozására, a várható piaci folyamatok előrejelzésére és az ezek alapján történő portfólióoptimalizálásra.
Az előadó hangsúlyozta, hogy a professzionális vagyonkezelés nem egyszerűen jó befektetési lehetőségek kiválasztását jelenti, hanem következetes, fegyelmezett és folyamatosan ellenőrzött döntéshozatalt követel.
188 matematikai modul és akár 1500 információforrás
A Kaiser működését Prof. Chizi egy különleges konyhához hasonlította, amelyben számos séf dolgozik együtt a lehető legjobb eredmény elérése érdekében. A rendszer 188 matematikai alapú modulból épül fel, amelyek különböző szempontok szerint elemzik a rendelkezésre álló információkat, előrejelzéseket készítenek, majd ezek eredményeit egy összetett optimalizációs folyamatban egyesítik.
Az elemzések során 1300–1500 különböző információforrást vesznek figyelembe, többek között:
- makrogazdasági mutatókat és gazdasági előrejelzéseket;
- pénzügyi és tőkepiaci adatokat;
- a világ különböző régióinak gazdasági kilátásait;
- piaci híreket és gazdaságpolitikai fejleményeket;
- az egyes befektetési eszközosztályok várható teljesítményét.
A felhasznált adatok ellenőrzött, tisztított és standardizált forrásokból származnak, ami hozzájárul a modellek megbízhatóságához és az adatfeldolgozásból eredő hibák csökkentéséhez. A befektetési döntéseket sok ezer matematikai számítás előzi meg. A különböző modulok előrejelzéseit a rendszer összesíti és értékeli, így nem egyetlen algoritmus megállapítására támaszkodik.
Ennek egyik fontos alapelve a „tömeg bölcsessége”, amely szerint több, egymástól részben független becslés megfelelő kombinációja megbízhatóbb eredményt adhat, mint egyetlen előrejelzés.
Nem az egyes részvényeket, hanem a piaci folyamatokat próbálják előre jelezni
A Kaiser befektetési stratégiájának egyik legfontosabb sajátossága, hogy elsősorban nem konkrét részvények jövőbeli árfolyamát kívánja megjósolni. Az előadó szerint az egyedi részvényekre vonatkozó előrejelzések különösen bizonytalanok lehetnek, hiszen a tényleges piaci teljesítmény jelentősen eltérhet a várakozásoktól. Ehelyett a rendszer eszközosztályok, piaci szegmensek és gazdasági régiók várható teljesítményét elemzi, és ezek alapján tesz javaslatot a befektetések optimális összetételére. A Kaiser jellemzően a következő három hónap gazdasági és piaci kilátásait vizsgálja. A rendszer figyelembe veszi a várható gazdasági környezetet, a rendelkezésre álló információkat és az előre meghatározott befektetési célokat.
A folyamat fontos eleme az úgynevezett Investment Clock, vagyis befektetési óra, amely a gazdasági ciklusok és a különböző befektetési eszközök várható teljesítménye közötti összefüggések értékelését segíti. Ennek eredményeit további piaci elemzésekkel és előrejelzésekkel kombinálják. A végső portfólió kialakításakor nem csupán a várható hozam számít: alapvető szempont a befektető kockázatvállalási hajlandósága és az elvárt megtérülés is.
A mesterséges intelligencia nem helyettesíti az emberi döntéshozatalt
Az előadás egyik legfontosabb üzenete az volt, hogy a mesterséges intelligencia önmagában még nem alkalmas arra, hogy teljesen emberi kontroll nélkül kezeljen befektetési portfóliókat. A KBC megközelítésében az AI nem a vagyonkezelő szakemberek helyettesítője, hanem a döntéseiket támogató, rendkívül fejlett elemző és optimalizációs eszköz. A rendszer által generált előrejelzéseket és befektetési javaslatokat szakemberek ellenőrzik, a modellek működését pedig havonta felülvizsgálják. A befektetési folyamatba több biztonsági mechanizmust is beépítettek, amelyek célja a kockázatok mérséklése és a szélsőséges piaci helyzetek kezelése. A rendszer a mesterséges intelligencia által előállított jelzéseket a hagyományos vagyonkezelési módszerekkel kombinálja. Így a technológia gyorsasága és hatalmas adatfeldolgozási kapacitása az emberi tapasztalattal, szakmai kontrollal és kockázatkezeléssel egészül ki.
Prof. Chizi kiemelte: bár a generatív mesterséges intelligencia – például a ChatGPT – is képes befektetési ötleteket megfogalmazni, ez önmagában nem jelent megfelelő alapot a hosszú távú, következetes vagyonkezeléshez. A KBC rendszerének értékét éppen a szabályozott, ellenőrzött és konzisztens döntéshozatali folyamat adja.
Gyors reakciók, folyamatos optimalizálás és kockázatkezelés
A Kaiser egyik jelentős előnye, hogy gyorsan képes feldolgozni a változó piaci információkat, és ezek alapján módosítani a portfólió összetételére vonatkozó javaslatokat. A rendszer célja, hogy a piaci lehetőségeket és anomáliákat időben felismerve optimalizálja a befektetések teljesítményét. A befektetési stratégia ugyanakkor nem kizárólag a profit maximalizálására irányul. Legalább ilyen fontos a veszteségek minimalizálása és a kockázatok tudatos kezelése.
Az előadó hangsúlyozta, hogy válsághelyzetben a befektetési veszteségek nem minden esetben kerülhetők el. A jól kialakított biztonsági mechanizmusok azonban segíthetnek abban, hogy az alap a kedvezőtlen piaci időszakokban kisebb veszteséget szenvedjen el, mint más befektetési megoldások. A rendszer működésének alapját a KBC saját fejlesztésű, szabadalmaztatott technológiája és védett szellemi tulajdonát képező algoritmusai adják.
A bemutatott eredmények: a hagyományos alapkezelésnél magasabb hozam
Prof. Chizi beszámolója szerint a Kaiser technológiájára épülő Optimum Alap a működése során kiemelkedő eredményeket ért el. Az előadó elmondása alapján az AI-támogatott befektetési stratégia a KBC hagyományos, emberi döntéshozatalra épülő alapkezelési megoldásainál is jobb teljesítményt mutatott, és bizonyos összehasonlításokban az átlagos hozam háromszorosát érte el. Az előadó szerint a rendszer nemcsak a kedvező piaci időszakokban bizonyult eredményesnek, hanem a kedvezőtlen gazdasági környezetben is képes volt mérsékelni a veszteségeket. A technológia egyik fontos erősségeként a hosszú távú, következetes működést és a konzervatív kockázatkezelési szemléletet emelte ki.
Személyes meggyőződését jól érzékelteti, hogy – mint elmondta – saját megtakarításainak egy részét is ebbe a befektetési megoldásba helyezte.
Folyamatos tanulás: a rendszer a saját hibáiból is fejlődik
A Kaiser működésének további meghatározó eleme a folyamatos visszacsatolás és a modellek rendszeres újratanítása, az úgynevezett retraining. A rendszer nem csupán előrejelzéseket készít, hanem azokat utólag összeveti a ténylegesen bekövetkezett piaci eseményekkel és eredményekkel. Ez lehetővé teszi annak elemzését, hogy mely becslések bizonyultak pontosnak, hol jelentkeztek eltérések, és milyen tényezőket szükséges a jövőben másként súlyozni. A modellek újratanítása különösen fontos akkor, amikor a gazdasági környezet jelentősen megváltozik, például új gazdaságpolitikai intézkedések, szabályozási változások vagy váratlan piaci események hatására. Bár az újratanítás jelentős számítási kapacitást és erőforrásokat igényel, a KBC ezt a folyamatot a rendszer hosszú távú eredményességének fontos feltételeként kezeli. Az előadó szerint a technológia megalkotásánál is nagyobb kihívást jelentett annak megfelelő finomhangolása, hiszen a befektetők eltérő hozamelvárásokkal, időtávokkal és kockázatvállalási hajlandósággal rendelkeznek.
A jövő: mesterséges intelligencia és emberi szakértelem együtt
Prof. Barak Chizi előadása jól szemléltette, hogy a mesterséges intelligencia már ma is képes jelentős hozzáadott értéket teremteni a pénzügyi szektorban, különösen az összetett adatelemzés, a gazdasági előrejelzések és a befektetési portfóliók optimalizálása területén. A KBC Optimum Alap példája ugyanakkor arra is rámutatott, hogy a technológiai innováció önmagában nem elegendő a sikerhez. A hatékony működéshez megfelelő minőségű adatokra, fejlett matematikai modellekre, folyamatos visszacsatolásra, tudatos kockázatkezelésre és mindenekelőtt felelős emberi döntéshozatalra van szükség. Az előadás legfontosabb tanulsága, hogy a mesterséges intelligencia és az emberi szakértelem nem egymás versenytársai, hanem egymást erősítő tényezők. A valódi versenyelőnyt az teremtheti meg, ha a technológia gyorsaságát és elemzőképességét egy átgondolt, következetes és ellenőrzött döntéshozatali rendszerbe integrálják.
Az összefoglalót készítette: Nagy Krisztina Zsuzsanna, ügyvezető titkár, FBN-H
