Kan AI aandelenkoersen voorspellen met 90% nauwkeurigheid ?

De mogelijkheid van AI om aandelenkoersen te voorspellen is de afgelopen jaren een onderwerp van discussie geweest. Met de opkomst van machine learning en big data geloven veel experts dat AI kan worden gebruikt om nauwkeurige voorspellingen te doen over aandelenkoersen. Anderen beweren echter dat de aandelenmarkt van nature onvoorspelbaar is en dat AI nog niet ver genoeg is ontwikkeld om nauwkeurige voorspellingen te doen. Recente studies hebben aangetoond dat AI kan worden gebruikt om grote hoeveelheden gegevens te analyseren en voorspellingen te doen over aandelenkoersen. Maar kan AI aandelenkoersen echt met 90% nauwkeurigheid voorspellen? Dit is een vraag die veel debat heeft ontketend in de financiële gemeenschap. De mogelijke gevolgen van AI die aandelenkoersen met hoge nauwkeurigheid kan voorspellen zijn aanzienlijk en zouden mogelijk de manier waarop investeerders beslissingen nemen kunnen veranderen. Naarmate AI-technologie zich blijft ontwikkelen, zal het interessant zijn om te zien of het zijn belofte in dit gebied waar kan maken.

Background

The ability of AI to predict stock prices has been a topic of discussion in recent years. With the rise of machine learning and big data, many experts believe that AI can be used to make accurate predictions about stock prices. However, others argue that the stock market is inherently unpredictable and that AI is not yet advanced enough to make accurate predictions. Recent studies have shown that AI can be used to analyze large amounts of data and make predictions about stock prices.

AI cannot currently predict stock prices with 90 % accuracy. While machine learning models, including deep learning and transformers, can process vast amounts of market data to identify patterns or trends, financial markets are inherently noisy, non-stationary, and influenced by unpredictable external factors such as geopolitical events or black swan occurrences. State-of-the-art research reports best-case accuracies for directional movement predictions (e.g., up vs. down) in the range of 50–60 %, far below the 90 % threshold, and even those models typically fail to generalize across different market regimes. High-frequency trading firms with proprietary models and extensive data resources still face significant uncertainty, underscoring the fundamental difficulty of achieving such precision.

— Enriched May 12, 2026 · Source: best-effort summary, no public reference