منظور از مدل جعبه سیاه چیست؟

 توضیحات نتایج آن نیز مبهم یا «سیاه» هستند. تقریباً هر چیزی را می توان جعبه سیاه نامید: یک ترانزیستور، یک الگوریتم یا حتی مغز انسان.

نقطه مقابل جعبه سیاه، سیستمی است که اجزای داخلی یا منطق آن را می‌توانب بررسی کرد و معمولاً به عنوان جعبه سفید (که می‌توان آن را «جعبه شفاف» یا «جعبه شیشه‌ای» نیز نامید) شناخته می‌شود.

شرح مدل جعبه سیاه

در بازارهای مالی، ظهور و کاربرد روزافزون روش‌های جعبه سیاه نگرانی‌های متعددی در مدیریت ریسک ایجاد کرده است.

مدل‌های جعبه سیاه به طور ذاتی پرریسک نیستند اما سوالاتی را در حوزه‌های حکمرانی و اخلاقی مطرح می‌کنند.

مهمتر از همه این است که استراتژی های معاملاتی جعبه سیاه به مخفی‌سازی خطر نظام‌مند اضافی کمک می کند. سرمایه‌گذاران در هنگام استفاده از روش‌های جعبه سیاه می‌توانند ریسک واقعی دارایی‌ها را که برای خرید پیشنهاد می‌کنند تحت پوشش فناوری اختصاصی پنهان کنند. این مسئله سازمان‌های نظارتی و سرمایه‌گذاران دیگر را از حقایقی که برای ارزیابی دقیق ریسک سرمایه‌گذاری محروم می‌سازد.

آیا مزایای روش های جعبه سیاه معایب این روش‌ها را جبران می کنند؟ نظرات متفاوتی در این زمینه وجود دارد.

مدل جعبه سیاه در طول سالیان متمادی

در طول سالیان متمادی استفاده از مدل‌های جعبه سیاه برای تحلیل سرمایه‌گذاری‌ها بارها از مد افتاده و مجدد باب روز شده است که معمولاً این مسئله به روند صعودی و نزولی بازارهای مالی بستگی داشته است.

در طول دوره‌های پرنوسان بازارهای مالی استراتژی‌های جعبه سیاه به دلیل ماهیت مخربشان متمایز شده‌اند. مانند دوشنبه سیاه و بحران بیمه سبد سرمایه‌گذاری سال 1987. سقوط بازار مدیریت سرمایه بلندمدت در سال 1998. و اخیراً «سقوط سریع» در آگوست 2015. ریسک این روش‌ها معمولا تا محقق نشدن ضررهای شدید آشکار نمی‌شود.

پیشرفت‌ها در قدرت محاسباتی، کاربردهای کلان داده‌ها، هوش مصنوعی و قابلیت‌های یادگیری ماشینی به افزایش روزافزون کاربرد مدل‌های جعبه سیاهی را که از روش‌های کمی پیچیده استفاده می‌کنند منجر شده‌اند و آن‌ها را اسرارآمیزتر کرده‌اند.

صندوق‌های پوششی و برخی از بزرگترین مدیران سرمایه‌گذاری جهان اکنون به طور معمول از مدل جعبه سیاه یا مدل مشابه آن برای مدیریت استراتژی‌های پیچیده سرمایه‌گذاری خود استفاده می‌کنند.