Większość z nas zapewne kiedyś słyszała o znajomym, sąsiedzie, kuzynie, który bardzo szybko wzbogacił się „grając na giełdzie”. Pewnie też wielu z nas słyszało o ludziach, którzy cały swój majątek stracili, inwestując w ryzykowne aktywa. Rozwój internetu sprawił, że i przeciętny Kowalski może stać się traderem, a wpisując w wyszukiwarkę hasło „jak grać na giełdzie” znajdzie dziesiątki, jak nie setki poradników i wskazówek, które mają pomóc zarobić grube miliony. Czy wyposażony w komputer i algorytmy uczenia maszynowego faktycznie może odkryć drogę do bogactwa?
Hipoteza efektywności rynku zaproponowana przez Eugene’a Famę (University of Chicago Booth School of Business) stwierdza, że przeszłe informacje nie dają nadprzeciętnych zysków, czyli na podstawie informacji, które mają wszyscy, nie da się pobić rynku: zarobić można dokładnie tyle, ile kupując przeciętny portfel rynkowy (np. indeks spółek). Na efektywnym rynku papiery wartościowe są wyceniane prawidłowo, a ceny odzwierciedlają wszystkie dostępne informacje. Żadne, nawet najbardziej złożone rozumowanie wykorzystujące tylko dane historyczne nie pozwoli nam na systematyczne osiąganie stóp zwrotu większych niż przeciętna na rynku: ślepej kurze może się trafić ziarno, ale nie ma sposobu na znajdywanie za każdym razem więcej ziaren niż inne kury.
W ostatnim czasie, na magicznych stronach ze wskazówkami dla inwestorów, hasłem-kluczem stały się modele uczenia maszynowego i sztucznej inteligencji. Czy sztuczna inteligencja podważa naturalną inteligencję Eugene’a Famy, setek znanych ekonomistów po nim i Komitetu Noblowskiego, który nagrodził Famę w 2013 r.?