En forskare från University of Bath har skapat en algoritm som syftar till att ta bort slumpens element, partiskhet eller känslor från investeringsbanksbeslut, en utveckling som har potential att minska fel i finansiellt beslutsfattande och förbättra finansiell avkastning på globala marknader.

"Det pågår en global kapplöpning för att hitta en hållbar lösning för att skapa mer tillförlitliga – och bättre presterande – investeringsbeslut inom finansiell handel. Vår modell erbjuder konsekvent högre avkastning jämfört med andra som utvecklats hittills, säger Dr Arman Hassanniakalager vid universitetets Handelshögskola.

Hassanniakalager, som kommer att presentera forskningen på Financial Management Association-konferensen i Glasgow den här veckan, säger att hans modell har visat sig resultera i en 3% högre avkastning än referensräntan för amerikanska Federal Reserve Funds, baserat på bevis från 12 börsindex från hela världen. En förbättring på 0,5-1,0 % skulle betraktas som signifikant.

Sökandet efter en allsmäktig investeringsalgoritm har ökat de senaste åren och tidiga resultat har varit blandade. Utmaningen är att skapa en nivå av tillförlitlighet som konsekvent överträffar investeringsbanker och finansiärer och ett verktyg som kan fungera lika bra på stigande och fallande marknader.

Den fortsatta utvecklingen av algoritmer och deras upplevda fördelar väcker förhoppningar och optimism hos många på marknaderna. Men det ökande beroendet av verktygen har också skapat viss nervositet i de översta nivåerna i världens finansiella system – och viss skepsis från dem som tror att det alltid kommer att finnas en roll för den inspirerade mänskliga beröringen.

Hassanniakalager, vars expertis är att utveckla nya artificiell intelligens och statistiska metoder för ekonomiskt beslutsfattande, sa att hans algoritm har nått den punkt där den konsekvent överträffar både konventionella investeringsmetoder och algoritmiska verktyg.

"Det finns mycket teoretiskt tänkande och ambitioner kring sådana investeringsverktyg men nyckelfrågan är att lösa hur man får dem att fungera i den verkliga världen. Vi tror att vi har tagit itu med den frågan, sa Hassanniakalager.

Algoritmen kan kopplas till artificiell intelligens, som kommer att lära av investeringsbeslut och finjustera sig själv automatiskt. Han tänker sig en svart-box-lösning för investeringsförvaltare som kommer att kunna köra komplexa alternativa investeringsscenarier i realtid.

Den primära användningen skulle vara i handelsrum, särskilt inom området för teknisk analys, bedöma hur aktiemarknaderna reagerar på företagsnyheter eller mäta prestanda för derivatinstrument och erbjuda olika investeringsvägar till förvaltare.

Verktyget kommer att förändra beslutsprocessen och potentiellt själva marknadslandskapet – dagarna med flera skärmar i handelsrum och chefer som försöker förstå en alltmer komplex mångfald av realtidsdata och historiska data kan vara räknade.

Det kan till och med finnas ett frågetecken över framtiden för beslutsfattarna själva.

"Den som lyckas med detta har potential att förändra finansmarknaderna och i synnerhet investment banking och aktiehandel. Det kommer att finnas vinnare och förlorare - det är inte svårt att föreställa sig den radikala inverkan på sysselsättningen på de högsta banknivåerna om investeringsbeslut blir alltmer automatiserade , " säger Hassanniakalager.

Algoritmen, som Hassanniakalager beskriver som universell, kan ha tillämpningar utanför finansmarknaderna. "Om du lär dig vad som förändras statistiskt, du kan tillämpa det på andra fält, såsom genetik. Det är det fina med statistik, " han säger.

Hassanniakalager kommer att presentera forskargruppens resultat, som inkluderar akademiker från universiteten i Glasgow och St Andrews, fredagen den 14 juni på FMA International-konferensen vid University of Strathclyde.