В погоне за альфой: рост принятия решений на основе данных с помощью технологий AI/ML.

В погоне за альфой: рост принятия решений на основе данных с помощью технологий AI/ML.

«Сегодня нет более мощной силы, чем технологии и их потенциал для преобразования индустрии управления активами»…Ларри Финк, председатель и главный исполнительный директор BlackRock Inc, в ежегодном письме акционерам за 2016 год

Фон

Последние несколько лет были сложными для индустрии управления активами по нескольким направлениям, поскольку активным инвестиционным стратегиям было трудно превзойти контрольные показатели / более широкие индексы. Альтернативные инвестиции в значительной степени не смогли превзойти показатели других классов активов, при этом средняя доходность хедж-фондов отстает от показателей S&P 500 (отставание на 6% по сравнению с S&P в 2016 году). Эта тенденция по-прежнему определяет постоянное смещение активов от активных стратегий к пассивным продуктам. Кроме того, в последние годы управляющие активами столкнулись с трудностями при соблюдении усиленного регулирующего надзора. Вдобавок к этому множество инновационных технологий от Fintechs (в первую очередь Robo Advisors) нарушили динамику рынка в этом секторе.

Поиск альфы в больших данных

Одним из центральных принципов превосходного управления активами всегда было создание преимущества в информационной асимметрии за счет доступа к новым и проницательным источникам информации. В этом контексте институциональные инвесторы всегда имели преимущество перед розничными инвесторами. В рамках институциональных активов управляющие фондами перешли от найма лучших аналитиков к проверке каналов сбыта, а затем к созданию экспертных сетей и так далее в погоне за альфой. Учитывая количество/типы источников данных и количество данных, которые были сгенерированы несколько лет назад, вышеупомянутый подход работал достаточно хорошо. С экспоненциальным ростом информации и огромных объемов данных, которые продолжают генерироваться каждый день, человеческий потенциал больше не может эффективно осмысливать эти данные. Это сделало поиск преимуществ в инвестировании труднее, чем когда-либо.

Между тем, вычислительная мощность и емкость хранения данных значительно улучшились за тот же период и доступны по сниженной цене. Это побудило нескольких участников внедрить алгоритмы искусственного интеллекта (ИИ)/машинного обучения (МО), которые используют науку о данных и другие количественные методы инвестирования в свою инвестиционную структуру.

Данные — это нефть 21 века

В последние несколько лет наблюдается экспоненциальный рост объема данных, генерируемых каждый день, при этом, по некоторым оценкам, 90% данных в современном мире были созданы только за последние два года. Значительное увеличение объема и разнообразия типов данных побудило нескольких управляющих активами строить свою бизнес-стратегию на основе инвестиционной структуры «больших данных».

В основе стратегии инвестирования в большие данные лежит возможность находить и анализировать информацию раньше конкурентов. Например, спутниковые снимки автомобильных парковок возле магазинов крупной розничной сети могут дать представление портфельному менеджеру сектора розничной торговли о продажах и спросе в конкретном магазине до того, как компания раскроет эту информацию в своих финансовых результатах. Несмотря на то, что внедрение больших данных в управление активами все еще находится в зачаточном состоянии, мы рассматриваем стратегии работы с большими данными как конкурентное преимущество, которое будет способствовать лучшему выбору активов/акций за счет превосходного понимания.

Взгляд на некоторые инициативы управляющих активами в области искусственного интеллекта и машинного обучения

BlackRock, крупнейший в мире управляющий активами, разрабатывает свою стратегию количественных исследований в области машинного обучения и изучает различные наборы данных социальных сетей и веб-поиска для получения уникальной информации. Успешные количественные идеи, проверенные на истории, будут использованы для создания интеллектуальных бета-продуктов Blackrock или для создания пассивных ETF, которые дают представление о конкретных факторах доходности. Merrill Lynch тестирует инструмент для подбора акций на основе искусственного интеллекта, чтобы определить привлекательную малую капитализацию, которую традиционные фундаментальные аналитики могли упустить.

В июне 2017 года в SEC США был подан новый ETF (названный «Equbot with Watson AI Total US ETF» от ETF Managers Group), который будет использовать платформу IBM Watson AI для выбора акций. Подход ETF к выбору акций «основан на результатах собственной количественной модели», которая проведет «объективный фундаментальный анализ обыкновенных акций и REIT, котирующихся в США, на основе исторических данных за десять лет и применит этот анализ к последние экономические и новостные данные». Растет признание ценности анализа данных в финансовых инвестициях.

Обеспокоенность по поводу «вытеснения» Джобса искусственным интеллектом/машинным обучением и ролью людей в будущем

Хотя рост автоматизации чреват риском замены нескольких рабочих мест в финансовой отрасли, мы считаем, что есть несколько областей, где автоматизация не может заменить людей-аналитиков/портфельных менеджеров. Трудно представить себе мир, в котором нет места человеческой интуиции и надзору. Мы склонны полагать, что в обозримом будущем люди будут по-прежнему справляться с работой гораздо лучше, чем машины, в понимании контекста, осмыслении нарративов, восприятии изменений в режимах и настроениях рынка, а также в предвидении реакции политических/центральных банков. Мы видели, что человеческая эволюция пережила каждую крупную технологическую революцию, приспособилась к вызванным ею изменениям и в целом извлекла из этого процесса огромные выгоды. Нет никаких оснований полагать, что на этот раз все будет по-другому. Однако очевидно, что на этот раз задача кажется более сложной, чем когда-либо прежде.

Вывод

Доступ к источникам информации, которые обеспечивают превосходное понимание, и уникальные методы извлечения таких данных всегда давали преимущество в инвестировании. Мы верим, что устойчивое альфа-генерирование в будущем все больше будет зависеть от уникально проницательных подходов к инвестированию, основанных на данных.

Восприятие науки о данных и ИИ/МО в управлении активами меняется, поскольку сомнения в эффективности технологий ИИ/МО уступают место опасениям упустить возможность использовать их в качестве прибыльного инструмента. Мы видим, как управляющие активами, использующие фундаментальные и количественные подходы, все чаще применяют методы AI/ML, и мы твердо верим, что такие управляющие активами будут лучше подготовлены для усиления своего ценностного предложения, завоевания доли рынка и выхода победителей в будущем.

Эта статья ранее была опубликована здесь http://decimalpointanalytics.com/in_pursuit_of_alpha/index.html