AI, μόχλευση και η ψευδαίσθηση της επενδυτικής ιδιοφυΐας

Σας το αφήνω εδώ, σε περίπτωση που θέλετε να το διαβάσετε.

Αρχικά, με εντυπωσίασε η ιστορία του πρωταγωνιστή του, Λέοπολντ Άσενμπρενερ. Πρόκειται για ένα παιδί-θαύμα από τη Γερμανία, το οποίο μπήκε στο Πανεπιστήμιο Columbia σε ηλικία 15 ετών και αποφοίτησε στα 19!

Το 2023 προσελήφθη στην OpenAI και εντάχθηκε σε μια ομάδα που ερευνούσε πώς ο άνθρωπος θα μπορούσε να ελέγξει συστήματα εξυπνότερα από τον ίδιο.

Απολύθηκε το 2024 και λίγο αργότερα δημοσίευσε ένα μανιφέστο 165 σελίδων, στο οποίο κατέγραψε τη δική του εκτίμηση για το μέλλον της τεχνητής νοημοσύνης. Η βασική του θέση ήταν ότι η παγκόσμια οικονομία θα αναδιαρθρωθεί και θα αναπτυχθεί γύρω από την AI.

Στη συνέχεια αποφάσισε να μετατρέψει αυτή την πρόβλεψη σε επενδυτική στρατηγική.

Τον εμπιστεύθηκαν σημαντικά πρόσωπα της Σίλικον Βάλεϊ και έτσι δημιούργησε το Situational Awareness, ένα fund του οποίου τα υπό διαχείριση κεφάλαια ξεπέρασαν, μέσα σε λιγότερο από δύο χρόνια, τα 20 δισ. δολάρια.

Μέχρι το τέλος Ιουνίου του 2026, το fund είχε καταγράψει απόδοση 439% από την αρχή του έτους. Τον Ιούλιο, όμως, υποχώρησε περίπου 67% μέσα σε έναν μόλις μήνα και έφτασε κοντά σε μια μόνιμη καταστροφή κεφαλαίου. 

Παρά τη δραματική πτώση, παρέμενε περίπου 80% υψηλότερα από την αρχή του έτους. Αιτία της κρίσης ήταν η μεγάλη πτώση βασικών θέσεων του χαρτοφυλακίου του, σε συνδυασμό με τον υψηλό δανεισμό —δηλαδή τη μόχλευση— που είχε αναλάβει.

Δεν θα επεκταθώ, όμως, σε στοιχεία που μπορείτε να μελετήσετε στο άρθρο του κ. Βελιδάκη. Εκεί παρουσιάζονται αναλυτικά και με πολύ ενδιαφέρον η πορεία και η προσωπικότητα του Άσενμπρενερ.

Αυτό που με ενδιαφέρει περισσότερο είναι να αντλήσουμε από την ιστορία του ορισμένα χρήσιμα μαθήματα, τα οποία μπορούν να λειτουργήσουν ως οδηγός για όποιον ασχολείται με τις επενδύσεις, είτε ως απλός επενδυτής είτε ως επαγγελματίας.

Ας ξεκινήσουμε από τη λέξη «μόχλευση» και τη σημασία της στις αγορές.

Μόχλευση στις επενδύσεις

Μόχλευση είναι η χρήση δανεικών χρημάτων για την πραγματοποίηση μεγαλύτερων επενδύσεων από όσες επιτρέπει το διαθέσιμο κεφάλαιο του επενδυτή.

Όταν η αγορά κινείται προς τη σωστή κατεύθυνση, η μόχλευση πολλαπλασιάζει τα κέρδη. Όταν, όμως, κινείται αντίθετα, πολλαπλασιάζει και τις ζημιές. Μπορεί, μάλιστα, να οδηγήσει σε αναγκαστική πώληση των επενδύσεων στη χειρότερη δυνατή στιγμή.

Μέσα από ένα απλό παράδειγμα, όλα γίνονται πιο κατανοητά.
Ένας νέος διαθέτει 2.000 ευρώ και ανοίγει λογαριασμό σε μια επενδυτική πλατφόρμα. Με τα χρήματά του αγοράζει 20 μετοχές μιας εταιρείας, στην τιμή των 100 ευρώ η καθεμία.

Στη συνέχεια ενεργοποιεί τη δυνατότητα συναλλαγών με περιθώριο —δηλαδή τη μόχλευση—, δανείζεται επιπλέον 1.000 ευρώ από την πλατφόρμα και αγοράζει ακόμη 10 μετοχές. Έτσι, αντί για 20 μετοχές, αποκτά συνολικά 30, αξίας 3.000 ευρώ.

Αν η τιμή της μετοχής υποχωρήσει από τα 100 στα 80 ευρώ, η συνολική αξία της επένδυσής του μειώνεται από τα 3.000 στα 2.400 ευρώ. Από αυτά, όμως, τα 1.000 ευρώ παραμένουν δανεικά και πρέπει να επιστραφούν.

Επομένως, από τα 2.000 ευρώ του αρχικού του κεφαλαίου απομένουν μόλις 1.400 ευρώ. Έχει χάσει 600 ευρώ, δηλαδή το 30% των δικών του χρημάτων, παρότι η μετοχή υποχώρησε μόνο κατά 20%.

Στην πράξη, μάλιστα, η ζημιά μπορεί να είναι ακόμη μεγαλύτερη, καθώς μπορεί να προστεθούν τόκοι και άλλες χρεώσεις ή να υπάρξει απαίτηση για πρόσθετη κατάθεση χρημάτων (Margin Call) από την πλατφόρμα.

Ακολουθεί μια απλή οπτικοποίηση του τρόπου με τον οποίο λειτουργεί η μόχλευση:

Άλλο η σωστή πρόβλεψη, άλλο η σωστή επένδυση

Μια ιδέα που μπορεί να αποδειχθεί σωστή - όπως η πρόβλεψη του Λέοπολντ Άσενμπρενερ για τη μελλοντική σημασία της AI - δεν οδηγεί απαραίτητα και σε μια σωστή επένδυση.

Μπορεί κάποιος να προβλέψει ορθά ότι η τεχνητή νοημοσύνη θα αλλάξει την οικονομία, αλλά να επενδύσει σε λάθος εταιρεία, να αγοράσει σε υπερβολικά υψηλή τιμή ή να τοποθετήσει πολύ μεγάλο μέρος των χρημάτων του σε έναν μόνο κλάδο.

Ακόμη χειρότερα, μπορεί να χρησιμοποιήσει μόχλευση και να αναγκαστεί να πουλήσει με μεγάλες ζημιές πριν προλάβει να επιβεβαιωθεί η πρόβλεψή του.

Στις επενδύσεις, επομένως, δεν αρκεί να εντοπίσουμε σωστά τη μεγάλη τάση.

Εξίσου σημαντικά είναι:

• η τιμή στην οποία αγοράζουμε,
• η επιλογή της κατάλληλης επένδυσης,
• η διασπορά του κινδύνου,
• ο μακροχρόνιος επενδυτικός ορίζοντας.

Όταν όλο το χαρτοφυλάκιο στηρίζεται σε ένα αφήγημα

Ένα ακόμη μάθημα είναι ότι η συγκέντρωση μεγάλου μέρους ενός χαρτοφυλακίου σε ένα μόνο επενδυτικό αφήγημα, όσο ισχυρό και αν φαίνεται, αυξάνει σημαντικά τον κίνδυνο.

Σήμερα, το κυρίαρχο αφήγημα είναι η τεχνητή νοημοσύνη. Πολλοί επενδυτές, έμπειροι ή μη, αναζητούν έκθεση στην AI, θεωρώντας ότι με αυτόν τον τρόπο θα εξασφαλίσουν γρήγορες και υψηλές αποδόσεις.

Θα πρέπει, όμως, να θυμόμαστε ότι καμία μεγάλη τάση δεν εξελίσσεται σε ευθεία γραμμή. Στην πορεία θα υπάρξουν διορθώσεις, απογοητεύσεις και εταιρείες που τελικά θα μείνουν πίσω. Κανείς δεν μπορεί να γνωρίζει με βεβαιότητα ποιες εταιρείες θα πρωταγωνιστήσουν και ποιες ενδέχεται να αποτύχουν ή ακόμη και να εξαφανιστούν.

Η διαφοροποίηση, επομένως, δεν αποτελεί έλλειψη πίστης σε μια επενδυτική ιδέα. Αποτελεί προστασία απέναντι στο ενδεχόμενο τα πράγματα να μην εξελιχθούν ακριβώς όπως τα περιμένουμε.

Τι μπορεί να κρατήσει ο απλός επενδυτής ιστορία του Άσενμπρενερ αφήνει ορισμένα χρήσιμα μαθήματα για κάθε επενδυτή:

• Δεν επενδύουμε θεωρώντας ότι γνωρίζουμε με βεβαιότητα τι θα συμβεί στο μέλλον.
• Δεν θεωρούμε ότι μια μεγάλη τεχνολογική αλλαγή συνεπάγεται αυτομάτως εγγυημένα επενδυτικά κέρδη.
• Δεν χρησιμοποιούμε δανεικά χρήματα για να επενδύσουμε.
• Διατηρούμε επαρκή ρευστότητα και κατανέμουμε τα χρήματά μας σε διαφορετικές επενδύσεις.
• Χτίζουμε ένα χαρτοφυλάκιο που μπορεί να αντέξει τις αναταράξεις και να μας επιτρέπει να παραμένουμε επενδεδυμένοι, ακόμη και όταν προσωρινά κάνουμε λάθος ή όταν η πρόβλεψή μας αργεί να επιβεβαιωθεί.

Γιατί στις επενδύσεις δεν αρκεί να προβλέψεις σωστά το μέλλον. 

Πρέπει να έχεις χτίσει το χαρτοφυλάκιό σου με τέτοιον τρόπο, ώστε να μπορείς να περιμένεις μέχρι να φτάσει.