Svaki dan, dok spavaš, algoritmi trguju dionicama u tvoje ime — čak i ako nemaš ni jednu dionicu.
Mirovinski fond u koji uplaćuje tvoj poslodavac, osiguranje koje imaš, banka u kojoj čuvaš ušteđevinu — svi oni koriste AI algoritme koji donose financijske odluke brzinom koja je nezamisliva ljudskom mozgu. Mikrosekundama. Milijunima transakcija dnevno.
AI i novac više nisu tema za financijske stručnjake i Wall Street insajdere. To je svakodnevna realnost koja utječe na kamatne stope koje plaćaš, kredit koji možeš dobiti, posao koji imaš i mirovinu koja te čeka.
U ovom tekstu razotkrivamo kako algoritmi zaista upravljaju globalnom ekonomijom — što rade, kako rade, gdje griješe i što to znači za tebe.
Kako je AI preuzeo financijske tržišta
Od parketa do algoritama — transformacija koja je već gotova
Zamislaj newyoršku burzu iz 1980-ih. Parketi puni ljudi koji viču, gestikuliraju, trguju papirnatim narudžbama. Kaos koji funkcionira.
Danas je taj parket gotovo prazan. Tišina. Poneki tehničar koji gleda monitore.
Posao se odvija negdje drugdje — u data centrima u New Jerseyju, Londonu i Tokiju, gdje serveri razmjenjuju narudžbe brzinom svjetlosti, bez ijednog ljudskog posrednika.
Uspon algoritmičkog trgovanja
Algoritmičko trgovanje — korištenje računalnih programa za automatsko izvršavanje trgovinskih narudžbi — počelo je u 1970-ima, ali eksplodiralo je s razvojem interneta i procesorske snage.
Danas prema procjenama, između 60 i 75% volumena trgovanja na američkim burzama generiraju algoritmi — ne ljudi. Na nekim europskim tržištima, taj udio je još viši.
High-Frequency Trading — trka za mikrosekundu
High-Frequency Trading (HFT) je krajnji izraz algoritmičkog trgovanja — sustavi koji izvršavaju tisuće narudžbi u sekundi, profitiraju na razlikama cijena koje su manji od jednog centa, i drže pozicije mjerene mikrosekundama.
Tvrtke poput Citadel Securities, Virtu Financial i Jane Street grade fizičku infrastrukturu — optičke kablove, mikrovalove antene, servere što bliže burzama — samo da bi smanjile latenciju za nekoliko mikrosekunada.
Ovo nije metafora za brzinu. IEX burza u New Yorku fizički je ugradila 61 kilometar namotanog optičkog kabla — “speed bump” — da bi usporila HFT algoritme za 350 mikrosekunadi i dala malo vremena sporijim, ljudskim traderima.
Flash crash — kada algoritmi polude
U svibnju 2010., u roku od 36 minuta, američka burza izgubila je i povratila gotovo trilijun dolara tržišne kapitalizacije. Dow Jones pao je za gotovo 1.000 bodova — tada najveći jednodnevni pad u povijesti — i oporavio se gotovo potpuno u istom danu.
Uzrok: interakcija između automatiziranih algoritama koji su pojačali jedni drugima signal za prodaju u pozitivnoj petlji straha.
Flash crash iz 2010. nije ostao usamljen slučaj. Slični, manji incidenti događaju se redovito — ali prolaze nezapaženo jer su previše kratki da bi ih ljudsko oko pratilo.
AI u bankama — od kreditnih odluka do prevencije prijevara
Algoritam koji odlučuje o tvom kreditu
Ideš u banku po kredit. Sjediš s bankarom, razgovaraš, objašnjavaš situaciju. Bankar te pogleda u oči i procijeni.
Ili tako misliš.
U stvarnosti, bankarak unosi tvoje podatke u sustav — a AI model donosi odluku. Bankar je u većini slučajeva samo sučelje prema algoritmu koji je procijenio tvoju kreditnu sposobnost na temelju stotina varijabli koje ti nisi ni svjestan/a.
Što AI gleda kada procjenjuje kreditni rizik
Klasični kreditni scoring — FICO u SAD-u, slični modeli u Europi — temelji se na relativno malom broju varijabli: povijest plaćanja, iznos dugova, duljina kreditne historije.
Moderni AI kreditni modeli idu daleko dalje.
Neke tvrtke — posebno u fintech sektoru — koriste alternativne podatke koji tradicionalne banke ne bi ni razmatrale. Kako plaćaš pretplate na streaming servise. Koliko često mijenjаš posao. Kojim aplikacijama koristiš mobitel. Kako tipkaš — brzina i uzorci tipkanja kao mjera konzistentnosti i pažnje.
U Kini, Alibabini Sesame Credit i Ant Financial modeli analiziraju podatke o kupovini, kretanju i socijalnim vezama — s razinom granularnosti koja je u europskom regulatornom okviru nedopustiva, ali govori o smjeru u kojem tehnologija ide.
Prevencija financijskih prijevara
Ovo je možda najuspješnija AI primjena u financijama — i ona s kojom si se vjerojatno već susreo/la, iako nisi bio/la svjestan/a.
Svaki put kad koristiš kreditnu karticu, AI sustav u djeliću sekunde analizira transakciju i procjenjuje je li fraudulentna. Uspoređuje s tvojim uobičajenim uzorcima, lokacijom, iznosom i tisućama drugih varijabli.
Mastercard procjenjuje da njihovi AI sustavi smanjuju lažne pozitivne detekcije — blokirane legitimne transakcije — za 50%, dok istovremeno povećavaju detekciju stvarnih prijevara.
Visa je u 2023. spriječila prijevare vrijedne procijenjenih 40 milijardi dolara — uz AI kao primarni obrambeni alat.
Investicijski fondovi i AI — kako se upravlja trilijunima
Kvantitativni fondovi — pioniri koji su promijenili industriju
Renaissance Technologies — vjerojatno najuspješniji hedge fond u povijesti — koristi matematičke modele i AI algoritme za trgovanje od 1980-ih. Njihov Medallion fond ostvario je prosječan godišnji prinos od oko 66% prije naknada između 1988. i 2018. — rezultat koji nijedan poznati investitor nije ni blizu replicirao.
Osnivač Jim Simons nije bio bankar ni broker — bio je matematičar koji je regrutrirao fizičare, statistišare i lingviste, ne ekonomiste.
Kako kvantitativni fondovi koriste AI
Kvantitativni fondovi — “quant funds” — koriste AI za identificiranje uzoraka u tržišnim podacima koji su nevidljivi ljudskom oku. Korelacije između naizgled nepovezanih varijabli. Sezonski uzorci. Anomalije u mikrostrukturi tržišta.
Dva Sigma, Citadel, AQR Capital — fondovi koji upravljaju stotinama milijardi dolara — koriste tisuće istraživača koji razvijaju AI modele koji trguju autonomno.
Pasivno investiranje i AI optimizacija
Uspon pasivnog investiranja — indeksnih fondova koji prate tržišne indekse umjesto aktivnog biranja dionice — nije suprotnost AI-ju. To je AI primjena drugačije vrste.
BlackRock, Vanguard i State Street — koji upravljaju zajedno s više od 20 trilijuna dolara imovine — koriste sofisticirane AI sustave za optimizaciju portfelja, minimizaciju transakcijskih troškova i upravljanje rizicima u razmjeru koji je bez AI nemoguć.
Centralne banke i AI — monetarna politika u digitalnom dobu
Kako AI pomaže odlukama koje određuju kamatne stope
Kada Europska centralna banka ili američki Fed odlučuju o kamatnim stopama — odluke koje direktno utječu na hipoteke, kredite i štednju milijuna ljudi — dio analitičke infrastrukture koja podupire te odluke temelji se na AI modelima.
Predviđanje inflacije i ekonomskih trendova
Klasični ekonomski modeli — DSGE modeli koji su bili standard centralnih banaka — imali su poznati problem: nisu dobro predviđali u kriznim situacijama. Financijska kriza 2008. i COVID šok 2020. pokazali su njihove granice.
AI modeli koji mogu procesirati alternativne podatke u stvarnom vremenu — satelitske snimke parkirališta kao mjera ekonomske aktivnosti, podaci o kreditnim karticama kao mjera potrošnje, tonalitet vijesti kao mjera tržišnog sentimenta — nude potencijal za brže i preciznije predviđanje.
Natural Language Processing u centralnim bankama
Fed, ECB i Bank of England koriste NLP modele za analizu tisuća ekonomskih dokumenata, novinskih članaka i financijskih izvještaja — identificirajući promjene u sentimentu i trendove koji bi inače ostali nevidljivi u moru podataka.
Fintech revolucija — AI koji demokratizira financije
Servisi koji su promijenili što financijska usluga znači
Robo-advisori — investicijsko savjetovanje za svakoga
Betterment, Wealthfront, Nutmeg — robo-advisori koji koriste AI za automatsko upravljanje investicijskim portfeljima — demokratizirali su pristup sofisticiranom investicijskom savjetovanju.
Ranije, personalizirani investicijski savjet bio je dostupan samo bogatima — minimalni iznosi od 100.000 dolara ili više, uz godišnje naknade od 1-2%.
Robo-advisori rade s minimalnim iznosima od 100 dolara, naplaćuju 0,25% godišnje i koriste iste optimizacijske tehnike — Markowitz portfolio teorija, tax-loss harvesting, automatska rebalanciranja — koje su ranije bile privilegija bogatih.
Buy Now Pay Later — AI koji mijenja potrošnju
Klarna, Affirm, Afterpay — BNPL platforme koje su eksplodirale u popularnosti — koriste AI za instant kreditnu procjenu u trenutku kupnje.
U sekundi, bez tradicionalnih provjera kreditne sposobnosti, AI odlučuje možeš li kupiti nešto sada i platiti u ratama. Model koji je privukao stotine milijuna korisnika — ali i regulatornu pažnju zbog zabrinutosti o prezaduženosti.
Kriptovalute i DeFi — AI u decentraliziranim financijama
Decentralizirane financije — DeFi — ekosustav financijskih usluga na blockchainu bez posrednika — koriste AI algoritme za automatiziranu likvidnost, upravljanje rizicima i arbitražu.
Ovo je možda najeksperimentalnija granica AI-ja i financija — s ogromnim potencijalom i jednako ogromnim rizicima koje regulatori tek počinju razumjeti.
Rizici i sistemska pitanja
Kada algoritmi griješe — i posljedice koje slijede
Homogenizacija strategija
Jedan od najzabrinjavajućih rizika modernih financijskih tržišta jest homogenizacija. Kada tisuće fondova koriste slične AI modele trenirane na sličnim podacima — svi dolaze do sličnih zaključaka i trguju u istom smjeru istovremeno.
Ovo može pojačati tržišne kretnje — i volatilnost — na načine koji povećavaju sistemski rizik umjesto da ga smanjuju.
Neprozirnost koja plaši regulatore
“Black box” problem — nemogućnost objašnjenja zašto je AI model donio određenu odluku — posebno je problematičan u financijama gdje regulatori traže objašnjive odluke.
Europska regulativa — uključujući GDPR i EU AI Act — zahtijeva pravo na objašnjenje za automatizirane odluke koje značajno utječu na ljude. Kreditna odluka donijeta algoritmom mora biti objašnjiva — što je tehnički izazov za kompleksne deep learning modele.
Kibernetička sigurnost i manipulacija
AI financijski sustavi su meta sofisticiranih kibernetičkih napada. Adversarial attacks — male, pažljivo dizajnirane promjene u ulaznim podacima koje zbunjuju AI model — mogle bi potencijalno manipulirati tržišnim algoritmima s katastrofalnim posljedicama.
Što to znači za tebe osobno
Kako AI financijski sustavi utječu na tvoj novčanik
Tvoj kreditni score koji nisi vidio
Postoje šanse da tvoja kreditna sposobnost u nekoj bazi podataka nije ona koja misliš. Fintech tvrtke, insurtech kompanije i čak telekomi koriste alternativne podatkovne modele za procjenu kreditnog rizika koji su neprozirni i teško osporivani.
GDPR ti daje pravo na objašnjenje automatiziranih odluka koje te se tiču — ali u praksi, to pravo je teško ostvariti kad ne znaš ni koji model je korišten.
Kamate koje plaćaš
Dinamično određivanje cijena — koje AI sustavi primjenjuju u kreditiranju — znači da dvije osobe s sličnim profilom mogu dobiti različitu kamatnu stopu. Algoritam koji procjenjuje vjerojatnošće da ćeš usporediti ponude, promijeniti banku ili pregovarati — može utjecati na ponuđenu stopu.
Mirovinska štednja
Ako imaš mirovinski fond — a ako radiš u formalnom sektoru, vjerojatno imaš — tvoja ušteđevina je u portfelju koji upravlja AI sustav. Kvaliteta tog AI sustava direktno utječe na iznos koji ćeš imati u mirovini.
Regulativa i budućnost
Kako vlade pokušavaju kontrolirati AI financije
EU pristup — regulacija koja pokušava pratiti tehnologiju
EU je najaktivniji regulator u ovom prostoru. MiFID II regulativa postavlja zahtjeve za algoritmičko trgovanje. EU AI Act klasificira kreditne bodovne sustave kao visoko rizičnu AI primjenu s posebnim zahtjevima transparentnosti.
Problem regulatorne zaostalosti
Regulativa uvijek kasni za tehnologijom — ali u financijama, gdje brzina inovacije je posebno visoka, ovaj jaz je posebno izražen.
Regulatori koji pokušavaju razumjeti HFT algoritme koji trguju u mikrosekundama, DeFi protokole koji postoje na blockchainu izvan jurisdikcija i AI modele koji su po definiciji neprozirni — suočavaju se s izazovom koji nema precedent.
Najčešće zablude o AI-ju i financijama
- “AI algoritmi su objektivni i nepristrani” — nisu. Nasljeđuju pristranosti iz podataka na kojima su trenirani. Kreditni modeli trenirani na historijskim podacima koji reflektiraju diskriminaciju — reproduciraju tu diskriminaciju.
- “HFT algoritmi manipuliraju tržištem na štetu malih investitora” — djelomično točno, ali kompleksno. HFT povećava likvidnost i smanjuje bid-ask spreadove — što koristi svim investitorima. Ali određene strategije su regulatorno problematične.
- “AI će uskoro potpuno zamijeniti financijske savjetnike” — neće potpuno. Kompleksno financijsko planiranje, upravljanje emocijama u krizama i holistički pristup životu i novcu ostaju ljudske domene.
- “Robo-advisori su uvijek bolji od aktivnih managera” — uglavnom točno dugoročno, ali ne uvijek. Pasivni robo-advisori prate tržište — što znači da padaju s tržištem u krizama, bez sposobnosti taktičkog prilagođavanja.
- “Moj novac u banci je sigurniji jer banka ne koristi AI” — svaka ozbiljna banka koristi AI. Pitanje je koliko dobro i odgovorno.
⚡ Brzi savjeti — navigacija AI financijskim sustavima
- Zatraži objašnjenje ako ti je kredit odbijen automatski — GDPR ti daje to pravo u EU
- Provjeri svoju kreditnu historiju u HROK-u — hrvatska kreditna baza koja utječe na bankarske odluke
- Istraži robo-advisore za dugoročnu štednju — niže naknade od aktivnih fondova dugoročno donose razliku
- Pazi na BNPL usluge — lake za korištenje, ali AI modeli koji ih pokreću optimizirani su za konverziju, ne za tvoje financijsko zdravlje
- Diversifikacija ostaje ključna — bez obzira na sofisticiranost AI sustava koji upravljaju portfeljima, sistemski rizici postoje
FAQ
- Može li AI predvidjeti financijske krize? Djelomično — i ovo je aktivno istraživačko područje. AI modeli koji analiziraju alternativne podatke ponekad detektiraju rane signale stresa koji konvencionalni modeli propuštaju. Ali financijske krize često su rezultat nepredvidivih događaja i kaskadnih efekata koji nadilaze kapacitete predviđanja čak i najnaprednijih modela. Nitko nije predvidio točan timing COVID šoka, iako su sistemski rizici bili vidljivi.
- Je li algoritmičko trgovanje dobro ili loše za tržišta? Nijansiran odgovor: HFT povećava likvidnost i smanjuje transakcijske troškove — što koristi svim investitorima. Ali povećava i sistemsku međupovezanost koja može pojačati krizne momente. Flash crashevi su direktna posljedica algoritmičke dominacije. Neto efekt ovisi o perspektivi i vremenskom horizontu.
- Kako AI kreditni modeli mogu biti diskriminatorni? Ako su trenirani na historijskim podacima koji reflektiraju diskriminatorne prakse — npr. niže stope odobravanja kredita u određenim četvrtima ili za određene demografske grupe — AI model će reproducirati i pojačati te uzorke. Problem je što korelacije koje model uočava mogu biti proxy za zaštićene karakteristike poput rase ili spola, čak i bez eksplicitnog uključivanja tih varijabli.
- Što je s kriptovalutama i AI — je li to sigurna investicija? Kriptovalute su inherentno visoko volatilna imovina — neovisno o AI sustavima koji njima trguju. AI trading botovi u kripto prostoru mogu biti sofisticirani, ali i tržište je puno manipulacije i neprozirnosti. Za prosječnog investitora, kripto ostaje spekulativna imovina s visokim rizicima koja zahtijeva razumijevanje prije ulaganja.
- Hoće li AI dovesti do veće ili manje nejednakosti u financijama? Obje sile djeluju istovremeno. Demokratizacija — robo-advisori, fintech krediti, mobilno bankarstvo za neopslužene populacije — smanjuje određene oblike nejednakosti. Ali algoritmi koji reproduciraju sistemske pristranosti, predatorski BNPL modeli i neprozirni kreditni scoring — mogu pojačati nejednakost. Ishod ovisi o regulatornim odlukama koje se donose sada.
Zaključak — novac kojim upravljaju strojevi, ljudima koji plaćaju posljedice
Algoritmi upravljaju globalnom ekonomijom. Ovo nije metafora ni pretjerivanje. To je opis stvarnosti koja se odvijala tiho, bez javne debate, u periodu od nekoliko desetljeća.
Brzina kojom se ove promjene odvijaju — i kompleksnost sustava koji nastaju — daleko nadilazi kapacitet regulatora, istraživača i javnosti da ih prate.
Ono što ostaje jasno: AI financijski sustavi donose stvarne prednosti — efikasnost, dostupnost, prevenciju prijevara — i stvarne rizike — sistemsku nestabilnost, neprozirnost i reprodukciju nejednakosti.
Pitanje nije treba li AI upravljati financijama. On već upravlja. Pitanje je kako osigurati da to radi na način koji koristi svima — ne samo onima koji su izgradili algoritme.
To je politički i regulatorni izazov koji nije manji od tehnološkog.