אולי השאלה אינה מתי לצאת מהשוק. אולי היא כמה סיכון נכון לקחת.

רעיונות שמעצבים את המוצר | 28.10.2026 סטטוס: כיוון מחקר, לא שירות מאושר לניהול סיכונים.

נניח שמנוע AI מזהה סיכון מוגבר וממליץ להקטין חשיפה. הוא אולי צודק. אבל כאן מגיעה שאלה מטרידה: מה היה קורה אם הלקוח פשוט היה מחזיק מלכתחילה תמהיל שמרני מעט יותר — בלי איתותים, בלי תחזיות ובלי מעברים?

במחקר ההיסטורי שלנו הפכה השאלה הזאת למבחן מוצר. במקום להעמיד אסטרטגיית תזמון רק מול חשיפה מלאה למסלול מסוים, הוספנו חלופות של 80% במסלול גילאי 50–60 ו־20% במסלול שקלי, וכן חלופות נוספות. המספר 80/20 הוא תרחיש השוואתי, לא המלצה כללית לפורשים.

בחלון מרץ 2017 עד דצמבר 2023, אסטרטגיית Hysteresis נראתה עדיפה תחת הנחת חשיפה מחודש M+1. תחת הנחת M+2, תמהיל 80/20 עלה עליה בשני הגופים שנבדקו — הן בתשואה המצטברת והן בירידה המרבית החודשית. ההשהיות הן הנחות חישוב על נתונים חודשיים, לא תיעוד של העברות לקוח בפועל.

לכן אנחנו מתחילים לחשוב על 'תקציב סיכון' לפני 'תחזית שוק'. השאלה הראשונה היא איזה סיכון מתאים למטרת החיסכון, לטווח הזמן, ליכולת לספוג הפסד ולצורך בכסף. השאלה השנייה היא האם מנגנון דינמי יודע לשפר את המצב ביחס לתקציב הזה. לא להפך.

יש כאן גם מלכודת נוספת: תמהיל פסיבי של 80/20 שאינו מאוזן מחדש לא שומר בהכרח על אותם משקלים. במסד הניסוי שלנו החשיפה למסלול גילאי 50–60 גדלה בהדרגה. כלומר גם הימנעות מפעולה היא מדיניות עם סיכונים שיש למדוד.

התפקיד העתידי של הבינה המלאכותית יכול להיות רחב מתזמון: לעקוב אחרי סיכון, לזהות שינוי ביחס למטרות, להשוות חלופות, להדגיש חריגות ולתעד החלטות. אך נכון לעכשיו אלה אפשרויות מוצר שיש לבחון, לא יכולות שכבר הוכחו כמועילות ללקוחות.

אנו מחפשים מערכת שתדע להבדיל בין רמת הסיכון הרצויה לבין הרעש היומי שמפתה לשנות אותה. לעיתים ההחלטה המתוחכמת ביותר תהיה להשאיר את התיק כפי שהוא — ולדעת להסביר מדוע.

מקורות: PRODUCT_RISK_BUDGET_BASELINE_GATE_20261026.md; PRODUCT_PASSIVE_NO_REBALANCE_BASELINE_20261026.md. המחקר היסטורי והיפותטי, ללא אימות ביצוע ברמת לקוח.