Spójrz w szklaną kulę, a sztuczna inteligencja podpowie Ci, w co inwestować. Czy ChatGPT przydaje się w zarabianiu na rynku kapitałowym?

Sztuczna inteligencja w inwestowaniu – czy wykorzystując ChatGPT albo inne narzędzia AI, można osiągać lepsze wyniki w lokowaniu pieniędzy na rynku kapitałowym? Są już pierwsze badania, które próbują odpowiedzieć na to pytanie. Inwestorze, czas zaprzyjaźnić się bliżej z ChatGPT, żeby zarabiać więcej pieniędzy?

W świecie technologii bodaj najbardziej gorącym tematem ostatnich miesięcy jest sztuczna inteligencja (AI). Pewnie mało kto o niej nie słyszał. No chyba że zamieszkuje bezludną wyspę i komunikuje się jednostronnie jedynie z jakimś nieożywionym towarzyszem. Wszyscy pozostali o ChatGPT musieli słyszeć.

Ciekawe? Po przeczytaniu wróć tutaj, kliknij i odkryj sprawdzone patenty Samcika na ochronę przed inflacją

Stało się o nim głośno pod koniec zeszłego roku, gdy OpenAI, twórca narzędzia, oficjalnie udostępnił je wszystkim, którzy chcieli wypróbować. Produkt spotkał się z gigantycznym odzewem. Sukces chatbota jest bezdyskusyjny. Powstają kolejne jego wersje – w marcu pojawił się ulepszony ChatGPT 4.0. A to z pewnością nie ostatnie słowo firmy.

Jednym z udziałowców OpenAI jest Microsoft – zdecydowanie uznana marka w świecie IT. I ten Microsoft zasilił w kolejnych rundach finansowania projekt kwotą co najmniej 10 mld dol. A do wyścigu o dusze konsumentów włączyli się też inni giganci technologiczni. Google ma sztuczną inteligencję Bard. Amazon zaproponował CodeWhisperer. Meta ma Make-A-Scene. Chińskie Baidu nieco odstaje od liderów, ale też uparcie pracuje na Ernie Bot.

To przykłady wdrożeń AI dostępnych dla wszystkich. Istnieją jednak również mniej znane produkty, wytwarzane w innych celach, a także wyłącznie na potrzeby własne firm. Firma Precedence sądzi, że wartość oprogramowania związanego ze sztuczną inteligencją będzie pączkowała w najbliższych latach. Ten sektor z obecnych nieco ponad 200 mld dol. osiągnie przeszło bilion dolarów wartości rynkowej do 2030 r.

Źródło: Precedence, Credit Suisse

Technologia budzi mieszane uczucia. Ręce zacierają przedsiębiorcy z wielu sektorów, ponieważ dzięki niej poprawi się produktywność biznesu. Temu zjawisku z pewnością przyklasną akcjonariusze, bo to najprawdopodobniej przełoży się na wyższe wyceny posiadanych aktywów. A apetyty inwestorów są bez wątpienia rozbudzone, choć z moich rozmów z inwestorami zza oceanu wynika, że wielu z nich obawia się powtórki z brutalnej bessy dot-comów z początku tego stulecia. Niemniej na Titanicu orkiestra wciąż gra.

Poniższa infografika pokazuje dwie krzywe. Kolorem szarym jest oznaczony indeks S&P 500, ale z wyłączeniem spółek AI, na czerwono zaś S&P 500, które je uwzględnia. S&P 500 ex-AI jest od początku roku zasadniczo w trendzie bocznym. Co innego indeks, który już zawiera firmy AI – ten cechuje wyraźna tendencja zwyżkowa.

Źródło: Societe Generale

Na razie debata o praktycznych efektach zastosowań AI jest domeną głównie kręgów akademickich. Naukowcy szacują, że dzięki wdrożeniom technologii sztucznej inteligencji globalna produktywność podniesie się o ok. 3 punkty procentowe rocznie.

Z drugiej strony na baczności powinni się mieć przedstawiciele niektórych profesji. Sztuczna inteligencja może doprowadzić do tego, że popyt ze strony pracodawców zmniejszy się, a niektóre zawody w skrajnych przypadkach staną się niepotrzebne. Analitycy Goldman Sachs ocenili w marcu tego roku, że w skali globalnej automatyzacja procesów biznesowych wskutek wdrożenia AI dotknie ok. 300 mln osób.

Sztuczna inteligencja pomaga w inwestowaniu?

AI dotknie też pracowników z branży inwestycyjnej. Tylko w jakim dokładnie zakresie? Przyjrzyjmy się tym specjalistom, którzy bezpośrednio odpowiadają za zarabianie pieniędzy. Czy AI może uderzyć w nich? Nie sposób tego wykluczyć. Istnieją bowiem badania, które dowodzą, że inwestowanie przy jej użyciu daje lepsze efekty niż w przypadku profesjonalnych zarządzających i analityków.

Ale tutaj istotna uwaga. Technologia na szerszą skalę funkcjonuje stosunkowo krótko, stąd jakiekolwiek backtesty (testy na danych historycznych porównujące efekty doboru akcji do portfela za pomocą AI, których wyniki są konfrontowane z rezultatami ludzi) są obarczone sporą dozą niepewności. Druga uwaga – każdy rynek ma swoją specyfikę. Nie da się wprost porównać na przykład polskiej giełdy z giełdami amerykańskimi. Dotarłem do dwóch badań dla rynków anglosaskich – brytyjskiego i amerykańskiego.

Wyniki obu z nich dowodzą, ze AI potrafi pokonać człowieka, jeśli chodzi o skuteczność inwestowania. Zacznijmy od bliższej nam geograficznie Wielkiej Brytanii. Analitycy finder.com zlecili ChatGPT wybór akcji firm wysokiej jakości, których emitentów charakteryzował niski poziom zadłużenia, trwały wzrost w przeszłości i posiadających aktywa dające przewagę nad konkurentami.

Aplikacja stworzyła portfel 38 akcji, gdzie znalazły się m.in. Microsoft, Visa, Coca-Cola, ASML, Procter and Gamble, Walmart czy NVIDIA (każda z nich miała taką samą wagę w portfelu). Z pełną listą spółek, jak i treścią badania finder.com, zapoznasz się pod tym linkiem. Następnie porównano wyniki portfela ChatGPT z rezultatami, jakie uzyskało 10 najpopularniejszych brytyjskich funduszy inwestycyjnych – w tym gronie znalazły się tak poważne marki jak Vanguard czy Fidelity. AI dała zarobić 7,20%, fundusze zaś 0,93%. Nie należy zapominać, że to były stopy zwrotu jedynie dla 15 wiosennych tygodni tego roku. Mało kto inwestuje w tak krótkiej perspektywie.

Źródło: finder.com

Przeskoczmy za ocean. W kwietniu br. ukazało się badanie naukowców z University of Florida. Alejandro Lopez-Lira and Yuehua Tang porównali różne odmiany aplikacji generatywnej sztucznej inteligencji z różnymi strategiami inwestycyjnymi. W analizie uwzględniono wszystkie mutacje GPT – od 1.0 do 4.0, a także BERT. Treść tego opracowania znajdziesz pod tym linkiem.

„Podstawowe modele, takie jak GPT-1, GPT-2 i BERT, nie mogą dokładnie prognozować zysków z akcji, jest to wyłaniającą się zdolnością bardziej złożonych modeli AI. Włączenie zaawansowanych modeli językowych do procesu podejmowania decyzji inwestycyjnych może przynieść dokładniejsze prognozy i poprawić wyniki ilościowych strategii handlowych”

– napisali. Zanim jednak przejdziemy do szczegółowych rezultatów analizy, to warto poświęcić nieco słów na temat metodologii, tym bardziej że jest ona odmienna od tego, jak działał finder.com. W tym przypadku Amerykanie skupili się na analizie nastroju.

Jej źródłem były nagłówki z agencji informacyjnych, stron internetowych z wiadomościami finansowymi i platform mediów społecznościowych dla spółek, które są notowane na NYSE, Nasdaq i AMEX. Łącznie przebadano 67 586 nagłówków dla 4138 firm. Zadaniem aplikacji AI była ocena, czy dany nagłówek jest „dobry” (czyli należy zakładać wzrost kursu), „zły” (przypuszczalny spadek ceny) czy też „trudno sprecyzować”, do której wcześniej wspomnianej kategorii należy go zaliczyć.

Następnie tworzone były portfele dla różnych aplikacji AI, które codziennie zmieniano – w dniu t+1 wypadały z niego firmy, których nagłówki były już „stare”, a wchodziły takie, dla których pojawiły się „nowe” nagłówki oceniane przez sztuczną inteligencję. Jak widać, jest to symulacja, która zakłada niezwykłą aktywność, a jeśli do tego dodać, że nagłówków będzie codziennie masa, to raczej mało wykonalna dla kogokolwiek.

Wyniki eksperymentu pokazały, że AI okazała się lepsza od portfeli rynkowych. Widać to na poniższej infografice. Ale, żeby ją dokładnie zrozumieć, warto wyjaśnić, co oznaczają krzywe w różnorakich kolorach:

– czarna – to portfel niestworzony przez AI zawierający akcje spółek, dla których pojawiły się nagłówki (dobre i złe),

– zielona – to portfel stworzony za pomocą ChatGPT 3.5 zawierający akcje spółek, dla których pojawiły się dobre nagłówki, a zatem dochodzi do kupna papierów,

– czerwona – to portfel stworzony za pomocą ChatGPT 3.5 zawierający akcje spółek, dla których pojawiły się złe nagłówki, a zatem dochodzi do sprzedaży papierów na krótko,

– jasnoniebieska – to portfel stworzony za pomocą ChatGPT 3.5 zawierający akcje spółek, dla których pojawiły się dobre nagłówki, a zatem dochodzi do kupna papierów, ale też akcje spółek, dla których pojawiły się złe nagłówki, a zatem dochodzi do sprzedaży papierów na krótko (strategia long-short),

– ciemnoniebieska – to portfel stworzony za pomocą ChatGPT 4.0, zawierający akcje spółek, dla których pojawiły się dobre nagłówki, a zatem dochodzi do kupna papierów, ale też akcje spółek, dla których pojawiły się złe nagłówki, a zatem dochodzi do sprzedaży papierów na krótko,

– żółta – to niestworzony przez AI portfel rynkowy ze spółkami o równych wagach,

– fioletowa – to niestworzony przez AI portfel rynkowy spółek ważonych ich kapitalizacją.

Stopy zwrotu z portfeli AI były nawet kilkukrotnie wyższe niż z portfeli rynkowych. Najlepsze wyniki dała strategia – kupuj dobre wieści i równocześnie sprzedaj na krótko złe wieści dla portfeli ustalonych przez ChatGPT 3.5 (pierwsze miejsce) i ChatGPT 4.0 (drugie miejsce).

Źródło: Lopez-Lira, Yuehua (2023)

Te wszystkie wyliczenia nie uwzględniają kosztów transakcyjnych, które przy codziennych roszadach portfelowych mogą być olbrzymie. Autorzy pochylili się także nad tym zagadnieniem. Siłą rzeczy stopy zwrotu były niższe, gdyż część ich „pożarły” prowizje maklerskie. Ale i tak wyniki okazały się nad wyraz zadowalające. Poniższa infografika pokazuje krzywe dla strategii long-short dla aplikacji ChatGPT 3.5. I tutaj również warto wyjaśnić dokładnie, co oznaczają kolory poszczególnych krzywych:

– czarna – portfel przygotowany przez ChatGPT 3.5 o zerowym koszcie (brak prowizji maklerskiej),

– ciemnozielona – portfel przygotowany przez ChatGPT 3.5 o koszcie w wysokości 5 pb (0,05%),

– jasnoniebieska – portfel przygotowany przez ChatGPT 3.5 o koszcie w wysokości 10 pb (0,10%),

– ciemnoniebieska – portfel przygotowany przez ChatGPT 3.5 o koszcie w wysokości 25 pb (0,25%),

– czerwona – to niestworzony przez AI portfel rynkowy ze spółkami o równych wagach.

Należałoby przyjąć, że prowizja maklerska dla większości inwestorów będzie bliższa 25 pb niż innym wartościom, ale i w takim przypadku rezultat z portfela wyznaczonego przez AI przewyższył istotnie portfel rynkowy.

Źródło: Lopez-Lira, Yuehua (2023)

Pierwsze koty za płoty, ale AI… stoi w blokach startowych

Badanie naukowców z Florydy potraktowałbym bardziej jako eksperyment zachęcający do refleksji niż coś, co da się wdrożyć w praktyce. A sztuczna inteligencja pewnie będzie miała póki co walor wspierający działania człowieka na polu inwestycyjnym niż zastępujący go. Niemniej, postęp w tej dziedzinie jest gigantyczny.

Wytwarzane są kolejne, coraz lepsze, wersje chatbotów, które wykazują coraz lepsze zdolności. Pewną wskazówką, że możliwe są korzyści w zakresie doboru i prognozowania zachowania się papierów wartościowych mogą być działania liderów bankowości inwestycyjnej.

JP Morgan ostatnio złożył do amerykańskiego urzędu patentowego wniosek o rejestrację znaku towarowego IndexGPT. Do czego ma ten produkt dokładnie służyć, nie wiadomo. Choć Josh Gerben, prawnik JP Morgan, ujawnił, że do wyboru papierów wartościowych. Wyścig zbrojeń w zakresie AI dopiero się rozkręca.

Informatycy Goldman Sachs budują kod aplikacji, natomiast Morgan Stanley jest w fazie konsultacji oprogramowania z doradcami finansowymi. To trzy największe banki inwestycyjne świata. Trudno nie zakładać, że w szranki nie staną niebawem inne uznane instytucje finansowe.

——————-

Dlaczego sztuczna inteligencja nie będzie umiała skutecznie inwestować? [ROZMOWA]

Zapewne sztuczna inteligencja stanie się jednym z istotnych narzędzi wspomagającym inwestowanie, ale wątpię, by była zdolna samodzielnie zarządzać pieniędzmi. Wiedza sztucznej inteligencji jest oparta na historii, nie uwzględnia teraźniejszości, bardzo ważnej na rynku kapitałowym. Słynna już „pewność siebie” sztucznej inteligencji w przypadku udzielania fałszywych informacji lub skłonność do generowania nie do końca tych samych rozwiązań w przypadku tego samego problemu pozostaje istotnym ryzykiem – mówi w rozmowie z Maciejem Samcikiem Sebastian Liński, szef działu International Equities w TFI UNIQA

Maciej Samcik: Czego sztuczna inteligencja będzie musiała się jeszcze nauczyć, żeby w pełni zastąpić “żywych” zarządzających aktywami? A może już wszystko to umie?

Sebastian Liński: Sztuczna inteligencja nigdy nie będzie “wiedzieć wszystkiego” z dwóch powodów. Po pierwsze jej “wiedza” jest budowana na podstawie przygotowanej historycznej bazy danych, która z definicji jest ograniczona decyzjami autorów, a ci określają jej zakres i poziom szczegółowości. Po drugie każdego dnia generowane są nowe informacje, dokonywane są nowe odkrycia, a tempo ich przyrostu wydaje się rosnąć z roku na rok.

Sprawia to, że z każdym dniem zasób wiedzy AI staje się coraz bardziej nieaktualny i jego użyteczność maleje. Ma to szczególne znaczenie w przypadku rynku kapitałowego i giełdy – historia zna wiele przypadków, gdy odkrycie i publikacja skutecznej strategii inwestycyjnej doprowadzało do zaniku jej skuteczności z biegiem czasu, a dzięki wzrostowi dostępu do informacji i coraz większej mocy obliczeniowej, okres ten ulega skróceniu.

Z podobną sytuacją mieliśmy do czynienia w przypadku algorytmów HFT (high frequency trading), machine learning i na ogół wszystkich metod bazujących na jak najszybszym, automatycznym podejmowaniu decyzji inwestycyjnych – w obszarze tym istnieje first mover advantage, ale po jakimś czasie coraz więcej podmiotów zaczyna stosować podobne rozwiązania, wtedy efektywność danego rozwiązania jest mniejsza. I dąży do zera.

Prawdopodobnie analogicznie będzie w przypadku wszelkich strategii inwestycyjnych bazujących na AI. Pojawiają się informacje o pomyślnym wykorzystaniu sztucznej inteligencji przy podejmowaniu decyzji inwestycyjnych poprzez – między innymi – analizowanie informacji publikowanych na temat poszczególnych spółek, natomiast często ignorują one koszty transakcyjne.

A gdy zastosowanie tych metod się upowszechni (na przykład funkcjonalność ta zostanie wbudowana w terminal Bloomberg używany przez praktycznie każdego inwestora instytucjonalnego), wartość dodana z ich wykorzystania spadnie do zera. Poniżej wykres różnych strategii inwestycyjnych opartych na dziennej analizie sentymentu przez ChatGPT z pominięciem kosztów transakcyjnych:

Source: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4412788

Modele sztucznej inteligencji zostały wyszkolone na różnych zbiorach danych, co do niektórych są wątpliwości prawne, jak na przykład książki, artykuły czy grafiki. W sytuacji, gdyby przyszłe modele miałyby zostać odcięte od tych źródeł danych, ich zasób wiedzy i skuteczność mogłyby się drastycznie skurczyć, co istotnie wpłynęłoby na ich użyteczność w profesjonalnych zastosowaniach.

AI stanie się prawdopodobnie bardzo użytecznym narzędziem w zarządzaniu aktywami, podobnie jak to miało miejsce z wieloma innymi innowacjami technologicznymi, które się pojawiały. Algorytmy inwestycyjne i różnego rodzaju modele ilościowe są intensywnie wykorzystywane w UNIQA TFI od wielu lat i stanowią istotną pomoc w zarówno selekcji spółek i ETF-ów do portfeli, jak i alokacji w akcje na rynku polskim i rynkach zagranicznych. Oczekuję, że podobna sytuacja będzie miała miejsce w przypadku modeli AI, które staną się elementem zestawu narzędzi w podejmowaniu decyzji inwestycyjnych.

Niezbędny będzie natomiast wciąż czynnik ludzki, ponieważ słynna już „pewność siebie” sztucznej inteligencji w przypadku udzielania fałszywych informacji lub skłonność do generowania nie do końca tych samych rozwiązań w przypadku tego samego problemu pozostaje istotnym ryzykiem, na które należy zwracać uwagę w procesie aplikowania AI w codziennej pracy.

Czy “czarna skrzynka” inwestycyjna, którą byłoby zarządzanie oparte na sztucznej inteligencji, może być przekonujące dla klientów? Wyobraża Pan sobie powierzanie przez ludzi dużych pieniędzy sztucznej inteligencji w zarządzanie? 

Jeżeli nie wiemy, jaki jest algorytm działania danej strategii inwestycyjnej, jakie są jej zasady i filozofia działania, nie będziemy wiedzieć, co sprawia, że jest ona skuteczna w danej sytuacji rynkowej i nieskuteczna w innej sytuacji. Nie będziemy w stanie stwierdzić, czy taka strategia jest rzeczywiście sensowna i fundamentalnie uzasadniona, czy może jest to jedynie quasi-losowy model podejmowania decyzji, który czasami działa, a czasami nie działa i jego pozytywny wynik na danych historycznych jest jedynie dziełem przypadku.

Albo może jest to model, który padł ofiarą overfitting, czyli jego parametry zostały tak dobrane, aby świetnie się dopasować do przeszłości, co ma natomiast zgubne skutki w przypadku użycia go w „czasie rzeczywistym”, przy wykorzystaniu bieżących danych.

W każdym razie brak wiedzy na temat specyfiki strategii uniemożliwia weryfikację jej faktycznej skuteczności, przeprowadzenie niezależnych testów oraz wprowadzanie dostosowań i usprawnień w trakcie jej wykorzystywania w praktyce. Są to bardzo poważne bariery, które w praktyce mogą być nie do przeskoczenia, jeśli chodzi o faktyczne zastosowanie AI w zarządzaniu pieniędzmi.

No ale ETF to też w zasadzie „automat”, a pieniądze płyną do tych instrumentów szerokim strumieniem…

W przypadku ETF-ów sytuacja jest inna – są to automaty, ale oparte na prostym i znanym algorytmie. Każdy wie, jak taki automat działa, i może to zweryfikować. Historycznie wiele funduszy hedgingowych stosowało strategię opartą na front runningu ETF-ów, czyli kupowaniu tych akcji, które z wysokim prawdopodobieństwem zostaną włączone do sporego ETF-u, co zazwyczaj powodowało wzrost ich ceny od momentu ogłoszenia zmiany do momentu wejścia w skład ETF-u. Obecnie stało się to na tyle popularne, że w praktyce nie ma szans na efektywne wykorzystanie algorytmu.

Załóżmy, że mam dostęp do sztucznej inteligencji, która jest w stanie ułożyć mi najbardziej efektywny portfel i potem pomóc nim zarządzać. Czy jednak może to być rozwiązanie dla inwestora pasywnego, który po prostu dopłaca kolejne pieniądze do portfela ETF-ów lub funduszy inwestycyjnych?

Zacznijmy od tego, że coś takiego jak najbardziej efektywny portfel nie istnieje w praktyce. W teorii możemy skorzystać z teorii portfelowej Markowitza, która została sformułowana w latach 50. XX wieku – w jej wyniku otrzymamy taki „najbardziej efektywny portfel”, który jednak będzie zbudowany na bazie historycznych danych i jest bardzo wrażliwy na dane wejściowe. Oznacza to, że to, co kiedyś działało i było optymalnym portfelem, w przyszłości zupełnie nie spełni pokładanych w nim nadziei.

Pasywne inwestowanie poprzez ETF-y lub fundusze w długim terminie wydaje się bardzo dobrym rozwiązaniem. Najczęściej największym wrogiem inwestora jest on sam, a dzięki usystematyzowaniu procesu inwestycyjnego poprzez regularne wpłaty środków do funduszu eliminujemy tzw. „czynnik ludzki”. Nowe wpłaty będą dokonywane cyklicznie, bez znaczenia, w jakim momencie cyklu jesteśmy, dzięki czemu unikniemy pokusy wypłaty środków „w dołku” i nadmiernego wpłacania „na górce”, co jest jednym z grzechów głównych w inwestowaniu.

Aby pokonać takie podejście, sztuczna inteligencja musiałaby skutecznie doradzać nam w jednym z dwóch obszarów. Po pierwsze w selekcji, czyli kupowaniu do naszego portfela takich spółek, które przyniosą ponadprzeciętne stopy zwrotu, i sprzedawaniu tych, które będą zachowywać się gorzej. Po drugie w alokacji, czyli informowaniu nas, kiedy akcje kupować i sprzedawać, aby wstrzelić się w dołki i górki.

Jest to teoretycznie możliwe, ale ponieważ bazowałoby na historycznych zależnościach, byłoby niezwykle trudne. Historia się nie powtarza, ale się rymuje – oznacza to, że zawsze istnieją pewne niuanse i elementy, z którymi wcześniej nie mieliśmy do czynienia, a które sprawiają, że wszystko rozgrywa się trochę inaczej, niż miało to miejsce w przeszłości.

Sztywne trzymanie się ram ustalonych na bazie historii może być bardzo kosztowne i nawet jeżeli teoretycznie będziemy mogli uzyskać pewną przewagę, może ona zostać łatwo zniwelowana przez koszty transakcyjne lub tzw. slippage, czyli różnicę pomiędzy teoretyczną ceną kupna/sprzedaży, a faktycznie zrealizowaną na rynku.

Dzięki za rozmowę!

————————————

ZAPROSZENIE:

Jedną z opcji inwestowania długoterminowego są fundusze inwestycyjne TFI UNIQA – ta firma jest Partnerem cyklu edukacyjnego „Wyciskanie emerytury”. W ofercie TFI UNIQA są fundusze pozwalające łatwo i bezpiecznie (czyli poprzez firmę, która ma siedzibę w Polsce, ma polskojęzyczną obsługę i spełnia wszystkie standardy wyznaczone przez polskich regulatorów) zainwestować pieniądze na całym świecie.

Wśród funduszy, które mają niską opłatę za zarządzanie (0,5% w skali roku) są następujące fundusze: UNIQA SFIO Globalny Akcji, UNIQA FIO Ostrożnego Inwestowania, UNIQA SFIO Akcji Amerykańskich, UNIQA SFIO Akcji Europejskich ESG, UNIQA SFIO Amerykańskich Obligacji Korporacyjnych, UNIQA SFIO Globalnych Strategii Dłużnych oraz UNIQA FIO Akcji Rynków Wschodzących.

Te fundusze można kupić z tą niską opłatą za zarządzanie przez internet, w ramach programu „Tanie Oszczędzanie”, jak również w ramach konta IKZE (dodatkowo ulga w podatku PIT) lub konta IKE (dodatkowo brak podatku Belki). Przy zakupie internetowym nie płaci się też, rzecz jasna, żadnych opłat manipulacyjnych. Żeby zagwarantować sobie najlepsze warunki, warto wpisać kod promocyjny: MSAMCIK23

Zerknij też: Na stronie akcji edukacyjnej „Wyciskanie emerytury” znajdziesz ważne wieści dla Twojej przyszłości finansowej. Jak zbudować bezpieczeństwo finansowe? Czy można być rentierem jeszcze przed emeryturą? Jak lokować oszczędności?

Czytaj także: Dlaczego tak trudno wykonać pierwszy krok w inwestowaniu? Tracimy lata (czasem dekady!), bo hamują nas te trzy mentalne przeszkody. Jak je pokonać?

Zapoznaj się też z tym: Oszczędzasz na emeryturę w ETF-ach, funduszach, akcjach. Czy wiesz, ile jeszcze krachów przeżyjesz? Ile ja już przeżyłem? Podpowiadam, jak je przeżyć w spokoju

Czytaj również: Fundusz kosztuje, ETF też. Opłaty mają ogromne znaczenie dla wyniku inwestycji. Co zrobić, żeby oszczędzanie było tanie?

Czytaj też: Czy inwestowanie w fundusze, które lokują pieniądze w akcje spółek działających odpowiedzialnie społecznie, może się opłacić?

Wniknij też w to: Jak wybrać fundusz inwestycyjny, który nie okaże się wielką pomyłką? Tak to robi sam Samcik

—————————

Cykl edukacyjny „Wyciskanie emerytury”, którego częścią jest niniejsza publikacja, blog „Subiektywnie o Finansach” już czwarty rok prowadzi z UNIQA TFI, pośrednikiem w inwestowaniu pieniędzy na spełnianie marzeń i na emeryturę, oferującym m.in. tanie fundusze inwestycyjne w ramach programu „Tanie Oszczędzanie”.

zdjęcie tytułowe: Bing AI