AI and Exchange Rate Predictability
Dit artikel toont aan dat generatieve AI-modellen effectief de Meese-Rogoff wisselkoersdisconnect-puzzel kunnen oplossen door valuta-rendementen te voorspellen op basis van economische fundamenten, waarbij een Sharpe-ratio van meer dan 0,7 wordt bereikt via een strategie die het Taylor-regel-raamwerk als een cruciaal voorspellend mechanisme benut.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de wereldeconomie voor als een enorme, chaotische oceaan waarbij valuta's als boten zijn. Decennialang hebben economen geprobeerd te voorspellen welk bootje zal stijgen en welk zal zinken door naar de weerberichten te kijken—de "economische fundamenten" zoals inflatie, werkgelegenheid en groei. Maar er is een beroemd mysterie dat de "wisselkoersdisconnect" wordt genoemd. Het is alsof je probeert een storm te voorspellen door een weerkaart te lezen, om er vervolgens achter te komen dat de boten volkomen willekeurig bewegen en de kaart volledig negeren. Een simpele gok (een "random walk") werkt vaak beter dan complexe wiskunde. Dit is frustrerend, want als we niet kunnen voorspellen hoe geld beweegt, is het moeilijk om de grootste financiële markt ter wereld te begrijpen. Hier komt Kunstmatige Intelligentie (AI) om de hoek kijken, specifiek een nieuwe soort genaamd "Large Language Models". Zie deze niet als rekenmachines, maar als superintelligente, onvermoeibare stagiairs die in een fractie van een seconde duizenden nieuwsberichten en economische rapporten kunnen lezen en verbanden kunnen leggen die menselijke hersenen misschien missen. De grote vraag is: kan dit digitale brein eindelijk de code van de oceaan kraken, of is het gewoon aan het gokken?
Dit artikel, geschreven door Amin Izadyar, vraagt precies dat. De auteur gebruikt AI-modellen zoals ChatGPT en DeepSeek om als financieel analist te fungeren voor tien belangrijke valuta's (zoals de Amerikaanse dollar, de euro en de Japanse yen). In plaats van de AI complexe wiskundige vergelijkingen te voeren, geeft de auteur het een eenvoudige taak: het laatste economische nieuws lezen (zoals een BBP-rapport of een inflatiecijfer), het vergelijken met wat experts voorspelden, en beslissen of het nieuws goed is (de valuta wordt sterker), slecht (de valuta wordt zwakker) of neutraal. De AI geeft vervolgens een "directioneel signaal" uit. Door duizenden van deze signalen over een langere periode te verzamelen, bouwt de auteur een scorekaart genaamd de AIFX-index, die de netto "kracht" van een valuta meet op basis van het economische nieuws.
De resultaten zijn verrassend veelbelovend. Het artikel stelt vast dat deze door AI gegenereerde scorekaart daadwerkelijk de rendementen van valuta's kan voorspellen. Een eenvoudige handelsstrategie die valuta's koopt met sterke AI-scores en verkoopt met zwakke scores, genereert een winst (gemeten met een "Sharpe-ratio") van meer dan 0,7 per jaar. Om dit in perspectief te plaatsen: dit is een solide rendement dat beter presteert dan simpelweg gokken, en het blijft winstgevend zelfs nadat rekening is gehouden met andere bekende manieren waarop handelaren geld verdienen. De AI lijkt een verborgen link gevonden te hebben tussen economisch nieuws en wisselkoersen die traditionele modellen over het hoofd zagen.
De auteur is echter zeer voorzichtig om niet te beweren dat de AI magisch is of dat het het puzzelprobleem voor altijd heeft "opgelost". Een grote zorg bij AI is "look-ahead bias"—de angst dat de AI simpelweg informatie uit zijn trainingsdata gebruikt in plaats van daadwerkelijk te redeneren. Om te bewijzen dat dit niet aan de hand is, voert de auteur vier slimme tests uit. Ten eerste vragen ze de AI om het jaar te raden waarin een nieuwsbericht werd gepubliceerd zonder de datum te noemen; de AI faalt jammerlijk en raadt meestal het verkeerde jaar. Ten tweede vergelijken ze een ouder AI-model (getraind op data tot 2021) met een nieuwere AI (getraind op data tot 2023); beide presteren vergelijkbaar, wat suggereert dat de nieuwere versie niet simpelweg recente gebeurtenissen "herinnert". Derde controleren ze of de AI de historische relatie tussen zaken als inflatie en valutaprijzen heeft gememoriseerd; dat is niet het geval. Ten slotte creëren ze een "pure hindsight"-portfolio gebaseerd op wat de AI zich denkt te herinneren over de prijsbewegingen uit het verleden, en stellen vast dat de werkelijke handelsstrategie van de AI in de tegenovergestelde richting werkt van louter geheugen. Deze tests suggereren dat de AI daadwerkelijk redeneert over het nieuws, en niet slechts een script reciteert.
Door dieper te graven, ontdekt het artikel waarom de AI werkt. Het blijkt dat de AI het meest succesvol is bij het bekijken van drie specifieke soorten nieuws: inflatiecijfers, werkgelegenheidsgegevens en brede indicatoren van economische activiteit. Dit zijn exact dezelfde variabelen die centrale banken gebruiken in een beroemde formule genaamd de Taylor-regel om de rente te bepalen. De AI lijkt intuïtief te begrijpen dat als een land hoge inflatie of lage werkloosheid heeft, de centrale bank waarschijnlijk de rente zal verhogen, waardoor die valuta aantrekkelijker wordt. Interessant genoeg wordt het succes van de AI vooral gedreven door positief nieuws (goede economische gegevens). Slecht nieuws veroorzaakt een onmiddellijke, scherpe daling van de waarde van de valuta (die de markt direct verwerkt), terwijl goed nieuws leidt tot een tragere, meer geleidelijke stijging, waardoor de AI meer tijd heeft om toekomstige winsten te voorspellen.
Kortom, het artikel suggereert dat Kunstmatige Intelligentie kan fungeren als een zeer effectieve financieel analist, die een echte connectie blootlegt tussen economische fundamenten en wisselkoersen die voorheen voor het grijpen lag. Dit betekent niet dat de markt perfect voorspelbaar is, maar het suggereert wel dat we met de juiste instrumenten eindelijk de weerkaart correct kunnen lezen. De bevindingen zijn robuust en worden ondersteund door rigoureuze tests, maar de auteur merkt op dat dit een startpunt is voor het begrijpen van een complex systeem, en niet het definitieve antwoord op elk mysterie in de financiële wereld.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.