Otwieram aplikację XTB — pierwszy ekran: moduł AI (Perplexity) i oferta „AI ETF” z wyszczególnionymi sektorami oraz TER w okolicach 0,1–0,2%.
Pierwsze wrażenie
Wygląda schludnie: lista sektorów, kilka nazw spółek, estetyczna grafika i rynkowy żargon. Na zachodzie można łatwiej składać portfel z indeksowych ETF-ów o kosztach rzędu 0,1–0,2% rocznie, widok niskiego TER sprzedaje komfort szybciej niż analiza. Perplexity w aplikacji ma sens jako filtr informacji — pokaże skład, podsumuje TER i ryzyka — ale sama informacja to nie wynik inwestycji.
Co znaczy „AI zarządza” operacyjnie
Rzeczy, które robi AI w kontekście ETF, są prozaiczne: selekcja indeksów, rebalance według reguł, optymalizacja wykonania zleceń. To może obniżyć slippage i koszty realizacji, a w praktyce zabrać kilkaset punktów bazowych z nieefektywności wykonywania transakcji. Jednak fundament pozostaje: ETF ma swój TER, skład i reguły śledzenia indeksu — to one determinują długoterminową składkę kosztową portfela.
Dlaczego „pickowanie” to mit operacyjny
Bot, który ma „wybierać zwycięzców”, generuje aktywność, a aktywność = obrót + prowizje + podatki. Miałem epizod z automatycznym botem w świecie kryptowalut — kilka miesięcy intensywnego handlu, wysoki rotacja, a wynik netto gorzej niż prosty koszyk indeksowy po odjęciu opłat. Nawet jeżeli model trafiał okresowo lepiej, przewyższał go prosty portfel indeksowy pod względem kosztów i przewidywalności.
To nie znaczy, że algorytmy są bezużyteczne.
W praktyce spojrzeć na ofertę przez pryzmat mechaniki produktów: jak ETF śledzi indeks, jaki ma TER, jakie są podatkowe konsekwencje realizacji zysków po stronie uczestnika oraz jak często system będzie dokonywał transakcji. To są twarde parametry, które decydują o efektywności strategii, nie marketingowe slogany o „sztucznej inteligencji”.
Testując narzędzia, często wracam do swoich zasad. Część z nich opisałem wcześniej w moje podejście do inwestowania: mniej przewidywania, więcej reakcji, bo dobre narzędzie powinno ułatwiać wdrożenie reguł, a nie je zastępować.
Jak to testować samodzielnie
Mały eksperyment: porównaj dwa scenariusze przez 12 miesięcy — (1) koszyk indeksowy z ETF-ami o TER 0,1–0,2% i rocznym rebalancingiem, (2) ten sam koszyk, ale z botem AI wykonującym aktywny rebalancing i optymalizację wykonania. Mierz koszt całkowity (TER + prowizje + slippage + podatki) i liczbę transakcji. W większości przypadków różnica w kosztach operacyjnych wyjaśni więcej niż krótkoterminowe odchylenia wyników.
Sprawy administracyjne też mają znaczenie — raportowanie transakcji, korekty stopek podatkowych, zamykanie lotów. Jeśli narzędzie automatyzuje te procesy rzetelnie, to realna oszczędność czasu może przekroczyć oszczędność na prowizjach.
W Warszawie, przy rozmowie z kilkoma inwestorami detalicznymi, najczęstszym rozczarowaniem było to, że „inteligentne” narzędzie ukrywało prosty mechanizm kosztów pod atrakcyjnym interfejsem.
