AI en de financiële markten: wat verwachten experts de komende 5 jaar?

Onze stelling: kunstmatige intelligentie gaat de komende vijf jaar niet zorgen voor betere rendementen voor de particuliere belegger — wel voor snellere, heftigere en moeilijker te verklaren koersbewegingen. Wie zich daarop voorbereidt, wint. Wie hoopt dat AI hem rijk maakt, verliest.

Er wordt momenteel veel geschreven over AI en beleggen, en het meeste ervan valt in twee kampen. Het eerste kamp belooft dat algoritmes binnenkort de markt structureel verslaan en dat iedereen met een abonnement op een slimme tool mee kan liften. Het tweede kamp waarschuwt voor een op handen zijnde ineenstorting waarin robots elkaar in een fractie van een seconde de afgrond in handelen. Wij denken dat beide kampen ernaast zitten — en dat de werkelijkheid ongemakkelijker en interessanter is.

Waarom wij denken dat AI geen rendementsmachine wordt

Reden 1: een voorsprong die iedereen heeft, is geen voorsprong

Rendement boven de markt komt voort uit informatie of inzicht dat anderen niet hebben. Dat is de kern van hoe koersen tot stand komen: zodra iedereen weet dat een aandeel ondergewaardeerd is, is het dat niet meer.

Precies daar zit het fundamentele probleem met AI als rendementsbelofte. De technologie verspreidt zich razendsnel en wordt goedkoper. Modellen die twee jaar geleden alleen voor grote instellingen betaalbaar waren, draaien nu op consumentenhardware. Als iedere belegger dezelfde kwartaalcijfers door dezelfde soort modellen haalt, wordt die analyse commodity. De uitkomst is niet dat iedereen wint, maar dat de winst uit die analyse verdampt.

Historisch zien we hetzelfde patroon. Toen jaarverslagen digitaal doorzoekbaar werden, toen kwantitatieve factormodellen breed beschikbaar kwamen, toen realtime koersdata gratis werd: elke keer verdween het voordeel binnen enkele jaren naar de partij die het het eerst en het grootst deed. De rest kreeg alleen hogere kosten en dezelfde rendementen.

Reden 2: de echte winst gaat naar de infrastructuur, niet naar de gebruiker

Wie verdient er wél aan AI in de financiële sector? Naar onze inschatting vooral de partijen die data, rekenkracht en toegang leveren — plus de handelshuizen die milliseconden dichter bij de beurs zitten dan jij ooit zult komen.

Voor een particuliere belegger die via een broker een order plaatst, is snelheid geen speelveld. Je concurreert niet op reactietijd met partijen die hun servers fysiek naast de handelsplatformen zetten. Een AI-tool op je laptop verandert daar niets aan. De marginale waarde van "iets slimmer analyseren" is voor jou veel kleiner dan de marginale waarde van "iets sneller handelen" voor hen — en dat tweede kun je niet kopen.

Reden 3: modellen zijn overtuigend, ook als ze fout zitten

Dit is misschien wel het onderschatte risico. Taalmodellen produceren vloeiende, zelfverzekerde analyses. Ze klinken als een ervaren analist. Maar ze zijn getraind om plausibele tekst te genereren, niet om waarheid te garanderen. Een model dat een verzonnen cijfer of een verkeerd geïnterpreteerde balanspost netjes formuleert, is gevaarlijker dan een model dat duidelijk onzin uitkraamt — want het eerste geloof je.

Beleggers hebben al last van overmoed. Onderzoek naar beleggersgedrag laat al decennia zien dat mensen die zichzelf beter geïnformeerd voelen, vaker handelen en daardoor gemiddeld slechter presteren door kosten en timingfouten. AI voedt precies dat gevoel van goede informatie. Onze verwachting: de komende vijf jaar stijgt het aantal transacties per particuliere belegger, en dat is zelden goed nieuws voor het nettorendement.

Waar AI wél het verschil maakt: de vorm van risico verandert

Hier wordt het interessant. Wij denken niet dat AI de markt efficiënter of rustiger maakt. Wij denken dat het de aard van marktbewegingen verandert, op drie manieren.

Correlatie in gedrag. Als een groot deel van de markt vergelijkbare modellen gebruikt, getraind op vergelijkbare data, reageren die partijen vergelijkbaar op hetzelfde nieuws. Diversiteit van meningen is wat markten liquide houdt: er moet altijd iemand zijn die wil kopen als jij wilt verkopen. Convergentie van modellen betekent dat op stressmomenten iedereen aan dezelfde kant van de trade staat. Dat is het recept voor scherpe, korte koersuitslagen.

Snellere verwerking van nieuws. Waar het vroeger uren of dagen duurde voordat een persbericht volledig in de koers verwerkt zat, gebeurt dat nu in minuten. Prettig voor de efficiëntie, vervelend voor wie denkt op nieuws te kunnen handelen. De kans dat jij als particulier op nieuws nog een voordeel behaalt, wordt praktisch nul.

Meer en overtuigender ruis. Gegenereerde teksten, nepnieuws en manipulatieve berichten worden goedkoper om te maken en moeilijker te herkennen. Markten die snel op tekst reageren, zijn kwetsbaar voor tekst die expres misleidt. We hebben in het verleden al gezien hoe één vals bericht op sociale media korte, felle koersreacties kan veroorzaken. Die aanvalsvector wordt breder.

De optelsom: reken de komende jaren op meer korte, heftige uitslagen zonder duidelijke fundamentele oorzaak. Niet op een permanente crash, wel op een markt die vaker even hikt.

Het sterkste tegenargument — en waarom het niet overtuigt

De beste tegenwerping tegen ons standpunt luidt zo: "Je vergelijkt AI met eerdere technologiegolven, maar dit is categorisch anders. Eerdere hulpmiddelen maakten bestaande analyse sneller. AI kan zelfstandig verbanden vinden in ongestructureerde data — satellietbeelden, transcripties van analistencalls, klantreviews, logistieke stromen — die mensen simpelweg niet kunnen overzien. Dat is geen efficiëntiewinst, dat is een nieuwe informatiebron. En nieuwe informatiebronnen leveren wél voorsprong op."

Dat argument is serieus en gedeeltelijk waar. Er ontstaan inderdaad analysemogelijkheden die er tien jaar geleden niet waren. Maar het argument sneuvelt op twee punten.

Ten eerste: die nieuwe databronnen zijn duur en schaars. Toegang tot exclusieve satellietdata, betaalde sentimentfeeds of realtime transactiedata kost bedragen die alleen institutionele partijen betalen. De particulier krijgt geen toegang tot de nieuwe informatiebron — hij krijgt toegang tot een chatinterface die publiek beschikbare informatie herkauwt. Dat is geen nieuwe informatie, dat is oude informatie in een nieuw jasje. De kloof tussen professioneel en particulier wordt door AI eerder groter dan kleiner.

Ten tweede: zelfs als een voordeel bestaat, is het vluchtig. Zodra een verband wordt gevonden en erop wordt gehandeld, verdwijnt het. Dat is geen theorie maar de dagelijkse praktijk van kwantitatieve beleggers: strategieën slijten. De houdbaarheid van een gevonden patroon wordt korter naarmate meer partijen sneller zoeken. AI versnelt het vinden van voordelen én het wegconcurreren ervan. Netto blijft er voor de gemiddelde deelnemer weinig over.

Wat wij dan wél zouden doen

Onze conclusie is niet defaitistisch, wel nuchter. Drie dingen die naar onze mening de moeite waard zijn:

1. Gebruik AI voor begrip, niet voor voorspelling. Laat een model een prospectus, jaarverslag of pensioenoverzicht voor je samenvatten en uitleggen. Daar is het goed in. Vraag het niet welk aandeel gaat stijgen — controleer bovendien altijd de brondocumenten, want cijfers kunnen fout worden overgenomen.
2. Bouw je portefeuille zo dat volatiliteit je niet raakt. Spreiding, een tijdshorizon die past bij je doelen, en een buffer die voorkomt dat je moet verkopen op een slecht moment. Dat is de enige echt effectieve bescherming tegen bewegingen die je niet kunt voorspellen.
3. Wees streng op kosten en handelsfrequentie. In een omgeving die je aanmoedigt om vaker te handelen, is niets doen een actieve, waardevolle keuze.

De komende vijf jaar worden waarschijnlijk rumoeriger dan de vorige vijf. De belegger die daar het beste doorheen komt, is niet degene met de slimste tool — het is degene met het saaiste plan en het meeste geduld.

Dit artikel bevat een redactionele mening en is geen persoonlijk beleggingsadvies. Beleggen brengt risico's met zich mee; je kunt je inleg verliezen.