Попробовала инвестировать при помощи ИИ — что из этого вышло

В своей колонке на Digital Business финансовый консультант Юлия Сахаровская рассказывает, как выбирала ETF для инвестиций в ИИ с помощью... ИИ. И что из этого вышло.

Эксперт

Юлия Сахаровская, финансовый консультант, совладелец компании ТОО «ЛК Финанс». Более 15 лет помогает состоятельным клиентам сохранять и приумножать капитал. Придерживается стратегии долгосрочного инвестирования, основанной на диверсификации и низкозатратных инструментах. Международный инвестиционный анаитик (CIIA, Швейцария). Автор книги «Куда уходят деньги?».

От редакции. Текст не является инвестиционной рекомендацией. 

Эксперимент

Сегодня «из каждого утюга» слышна тема искусственного интеллекта. Кажется, что это не просто очередной хайп, а фундаментальная технологическая революция, сравнимая с появлением интернета. Как инвесторы, мы с вами не можем пройти мимо. Но как выбрать правильный инструмент? Рынок наводнен десятками фондов, каждый из которых обещает доступ к «будущему уже сегодня», есть даже фонд, управляемы с помощью ИИ.

Я решила выбрать ETF для инвестиций в ИИ с помощью самого ИИ. Моим помощником стали три продвинутых ИИ-чата. Цель была такая: получить результат в виде лучшего фонда, а еще понять, насколько ИИ может справиться с этой аналитической задачей, сможет ли собрать и структурировать нужные мне данные.

Создание карты местности

Для начала я попросила всех трех ИИ-ассистентов найти все ключевые ETF, связанные с искусственным интеллектом. Уже здесь их мнения разделились: Gemini показал 7 фондов в США и сгруппировал их по стратегиям, Perplexity нашел 5 фондов в США и 3 фонда в Европе, GPT — 8 фондов в США и 4 фонда в Европе. Списки всех трех чатов отличались, некоторые очень интересные фонды отсутствовали во всех трех подборках.

Gemini из чатов интересно структурировал информацию, хотя чат GPT нашел больше фондов. Далее основную работу решила вести с Gemini, хотя постоянно обращалась к оставшимся 2-м в ходе работы для уточнений. Поскольку меня интересовал только рынок США, попросила Gemini добавить все недостающие фонды США из других чатов и личной подборки, проанализировать и сгруппировать их по стратегиям.

Первая версия анализа выглядела логично и разделила фонды на три категории:

1. Концентрированные ставки на лидеров: Фонды, делающие ставку на текущих гигантов вроде NVIDIA.

2. Диверсифицированные «умные» ставки: Фонды, которые стараются охватить всю экосистему, используя равное или модифицированное взвешивание.

3. Широкий технологический сектор: Самый дешевый способ сделать ставку на лидеров, но без чистого фокуса на ИИ.

Выглядело, будто на этом этапе ИИ отлично справился с задачей структурирования. Но когда мы перешли к цифрам, начались настоящие проблемы, в том числе стало понято, что и разбивка на категории из-за этого была не корректна по части фондов.

«Не доверяй, а проверяй»

Я попросила ИИ составить подробную сравнительную таблицу с ключевыми метриками: комиссия, объем фонда, доходность, доля США, количество компаний, % концентрации в ТОП-10. И тут началось самое интересное. Первая же версия таблицы содержала ошибки.

• • Доля США в одном фонде была существенно завышена, и по всем фондам она отличалась пусть и немного от первоисточника, несмотря на то, что я давала чату прямую ссылку.
  • Концентрация другого была указана настолько некорректно, что это влияло на его категорию и итоговый вывод.
  • Затем выяснилось, что у одного из фондов, который ИИ посчитал «молодым», на самом деле была 5-летняя история доходности.
  • Дивидендная доходность по всем фондам отличалась от первоисточника.

Мне пришлось стать строгим фактчекером. Раз за разом я находила неточности, отправляла ИИ ссылки на первоисточники (Morningstar, сайты провайдеров) и требовала исправить данные. Наш диалог превратился в настоящий пинг-понг правок. В какой-то момент я даже спросила его напрямую: «Ты вообще можешь справиться с этой задачей?».

Это был ключевой урок нашего сотрудничества: ИИ может ошибаться, путать источники, брать не корректные цифры из ниоткуда, что-то даже придумывать от себя и, соответственно, делать неверные выводы. Критическое мышление и проверка фактов остаются прерогативой человека. Пока

Финальный шорт-лист и решающий компромисс

После бесчисленных итераций, я наконец поняла, что мне не добиться точных цифр от ИИ и просто заполнила таблицу цифрами от первоисточников самостоятельно. В процессе анализа я просила ИИ добавлять / убирать еще несколько фондов, в итоге включили в список новый и очень интересный XAIX — аналог AIQ, но с комиссией почти в два раза ниже.

Это поставило меня перед классической инвестиционной дилеммой:

• AIQ: Проверенный временем, ликвидный, с лучшей доходностью среди тематических ETF, но с высокой комиссией (0.68%).
• XAIX: Существенно дешевле (0.35%), с той же стратегией, но совсем новый, маленький и без истории.

В итоговую подборку, ставшую результатом нашей совместной работы, вошли:

1. Global X Robotics & AI ETF (BOTZ) — концентрированная ставка на лидеров робототехники / ИИ. Самый большой объем активов под управлением (≈$2,4 млрд.), очень высокая концентрация в первой десятке компаний (≈61%).
2. Global X AI & Technology ETF (AIQ) — широкий ИИ (софт, железо, данные). Самая высокая среднегодовая доходность за 5 лет (≈16%) среди узких ETF на ИИ.
3. ROBO Global Robotics and Automation Index ETF (ROBO) — диверсифицированная ставка на весь сектор робототехники. Равное взвешивание. Самый дорогой (0,95% в год), самая низкая концентрация в первой 10ке компаний (≈16%)
4. First Trust Nasdaq AI and Robotics ETF (ROBT) — структурированная ставка на ИИ / роботов, модифицированное равное взвешивание. Самое большое количество компаний в составе фонда (112).
5. iShares Future AI & Tech ETF (ARTY) — сбалансированная ставка на несколько прорывных технологий.
6. Xtrackers Artificial Intelligence and Big Data ETF (XAIX) — широкий ИИ (софт, железо, данные). Самая низкая комиссия (0,35% в год), минимальное количество активов под управлением (≈$15 млн.), работает менее года (создан 1.08.2024).
7. Invesco NASDAQ 100 ETF (QQQM) — крупнейшие технологические компании США, широкий сектор, но де-факто ставка на лидеров ИИ.
8. VGT Vanguard Information Technology ETF — весь IT-сектор США, максимальная диверсификация в IT.

Изучив финальные данные, я выбрала AIQ.

Markus Winkler, pexels.com

Почему AIQ?

VGT/QQQM: Хотя у них и лучшая доходность, это не чистая ставка на ИИ, а скорее на весь технологический сектор. Я хотела более сфокусированную инвестицию.

XAIX: Соблазнительно низкая комиссия не перевесила риски, связанные с молодостью и крошечным размером фонда. Возможно, стоит перейти на него через какое-то время.

ROBO/ROBT/ARTY: Их историческая доходность оказалась значительно ниже, чем у AIQ.

AIQ выглядит «золотой серединой». Это фонд с лучшей доказанной доходностью среди своих прямых конкурентов, сбалансированной стратегией и широким охватом всей экосистемы ИИ. Я готова заплатить более высокую комиссию за стабильность, ликвидность и проверенную временем стратегию.

Выводы. Помог ли мне ИИ в этом выборе?

Безусловно. Но не так, как можно было бы подумать и ожидать. Он не дал мне готовый ответ, делал много ошибок по пути к нему. ИИ структурировал информацию, вносил правки, помогал с формулировками для выводов, но и мне пришлось поработать, в том числе и над поиском дополнительных фондов через специализированные сайты, проверкой и внесением итоговых цифр, правкой выводов.

ИИ — это мощнейший аналитический инструмент, но финальное слово, основанное на опыте, интуиции и критическом мышлении, остается за человеком.

Возможно поэтому ETF, управляемый ИИ (AIEQ), проигрывает и SP500, и выбранному нами AIQ?