Уроки из опыта финансов с искусственным интеллектом. Техническое перетягивание каната, в котором люди могут победить машины

Кто первым освоил новые технологии? 

Передовые вещи, как правило, стоят дорого, а это означает, что часто осваивают новое очень богатые. 

Беспощадная конкуренция побуждает первых последователей выйти за рамки статус-кво. Таким образом, вряд ли найдется группа с большей вероятностью освоить новые инструменты, чем сверхбогатая и гиперконкурентная индустрия хедж-фондов.

Похоже, это правило справедливо для искусственного интеллекта (ИИ) и машинного обучения, которые впервые были использованы хедж-фондами несколько десятилетий назад, задолго до недавнего ажиотажа. 

Первыми пришли «кванты», или количественные инвесторы, которые используют данные и алгоритмы для выбора акций и делают краткосрочные ставки на то, какие активы будут расти, а какие падать. 

Two Sigma, квантовый фонд из Нью-Йорка, экспериментирует с этими методами с момента своего основания в 2001 году. 

Man Group, британская компания с крупным квантовым подразделением, запустила свой первый фонд машинного обучения в 2014 году. 

aqr Capital Management начали использовать искусственный интеллект примерно в то же время. 

Затем последовала остальная часть отрасли. Опыт хедж-фондов демонстрирует способность искусственного интеллекта революционизировать бизнес, но также показывает, что для этого требуется время и что прогресс может быть прерван.

ИИ и фонды машинного обучения казались последним шагом на пути к роботам. Дешевые индексные фонды с акциями, выбранными алгоритмами, уже увеличились в размерах, а активы под управлением в 2019 году затмили активы традиционных активных фондов. участие человека. 

Флагманский фонд Renaissance Technologies, первой в истории компании, занимающейся количественными расчетами, основанный в 1982 году, на протяжении десятилетий зарабатывал в среднем 66% годовых. 

В 2000-х годах быстрые кабели породили высокочастотных маркетмейкеров, включая Citadel Securities и Virtu, которые могли торговать акциями с точностью до наносекунды. Новые квантовые компании, такие как AQR и Two Sigma, превзошли доходы людей и поглотили активы.

К концу 2019 года автоматизированные алгоритмы захватили обе стороны сделок; 

чаще всего высокочастотные трейдеры противостояли количественным инвесторам, автоматизировавшим свои инвестиционные процессы; 

алгоритмы управляли большинством активов инвесторов в пассивных индексных фондах; и все крупнейшие и наиболее успешные хедж-фонды использовали количественные методы, по крайней мере, в некоторой степени. 

Филипп Жабр, известный инвестор, обвинил компьютерные модели, которые «незаметно заменили» традиционных действующих лиц, когда он закрыл свой фонд в 2018 году. 

В результате всей этой автоматизации фондовый рынок стал более эффективным, чем когда-либо прежде. Исполнение было молниеносным и почти ничего не стоило. Физические лица могли инвестировать сбережения за доли копейки.

Машинное обучение обещало еще большие плоды. Один инвестор описал это так: количественное инвестирование началось с гипотезы импульса, или идеи о том, что акции, которые росли быстрее, чем остальная часть индекса, будут продолжать расти. 

Эта гипотеза позволяет тестировать отдельные акции на основе исторических данных, чтобы оценить, будет ли их стоимость продолжать расти. Напротив, с машинным обучением инвесторы могут «начать с данных и искать гипотезу». Другими словами, алгоритмы могут решить, что выбрать и почему.

Тем не менее великий марш вперед автоматизации не ослабевает — люди дали отпор. К концу 2019 года все крупные розничные брокеры, включая Charles Schwab, e*trade и td Ameritrade, сократили комиссионные до нуля перед лицом конкуренции со стороны нового участника, Robinhood. 

Несколько месяцев спустя, вызванные пандемией скуки и стимулирующими чеками, розничная торговля начала расти. Она достигла пика в лихорадочные первые месяцы 2021 года, когда внутридневные трейдеры, координируя свои действия в социальных сетях, вложили средства в нелюбимые акции, что привело к резкому росту их цен. 

В то же время многие количественные стратегии, казалось, зашли в тупик.

В 2020 г. и начале 2021 г. результаты большинства аналитиков отставали от рынков, а также хедж-фондов. AQR закрыл несколько фондов после постоянного оттока.

Когда в 2022 году рынки развернулись, многие из этих тенденций изменились. Доля розничной торговли сократилась по мере накопления убытков. Кванты вернулись с местью. 

Самый долгоживущий фонд AQR принес колоссальные 44%, даже когда рынки потеряли 20%.

Этот зигзаг и растущая роль роботов преподносят уроки другим отраслям. 

Во-первых, люди могут неожиданным образом реагировать на новые технологии.

Падение стоимости исполнения сделок, казалось, усилило инвестиционные машины — до тех пор, пока затраты не упали до нуля, после чего это привело к возрождению розничной торговли. Даже если доля розничной торговли не достигла своего пика, она остается повышенной по сравнению с периодом до 2019 года. 

В настоящее время розничная торговля составляет треть объема торгов акциями (без учета маркетмейкеров). Их доминирование в опционах на акции, своего рода деривативной ставке на акции, еще больше.

Во-вторых, не все технологии делают рынки более эффективными. 

Так, вероятно, одним из объяснений периода неэффективности фонда AQR является то, насколько экстремальными стали оценки и как долго сохранялся «пузырь во всем». Отчасти это может быть результатом чрезмерного энтузиазма розничных инвесторов. 

Получение информации и получение ее быстро не означает, что она хорошо обрабатывается.

Вероятно, соцсети делают рынок менее, а не более эффективным…

Люди не слышат противоположных мнений, они слышат свое собственное, и в политике, которая может привести к опасному привести к действительно странному ценовому действию.

В-третьих, роботам нужно время, чтобы найти свое место.

Фонды машинного обучения существуют уже некоторое время и, по-видимому, превосходят конкурентов-людей, по крайней мере, немного. Но они не накопили огромных активов, отчасти потому, что их трудно продать. 

В конце концов, мало кто понимает связанные с этим риски. Те, кто посвятил свою карьеру машинному обучению, прекрасно это осознают. 

Чтобы укрепить доверие, «мы вложили гораздо больше средств в объяснение клиентам, почему мы думаем, что стратегии машинного обучения делают то, что они делают», — сообщает Грег Бонд из Man Numeric, количественного подразделения Man Group.

Было время, когда все думали, что кванты это поняли. Сегодня это не так. Когда дело доходит до фондового рынка, по крайней мере, автоматизация не была событием, когда победитель получает все, чего многие опасаются в других местах. Это больше похоже на перетягивание каната между людьми и машинами. И хотя машины побеждают, люди пока не сдаются.

Оригинал статьи

P.S. Подпишитесь на проект «КОГоть» — “КраткоОГлавном” в Телеграм

Дзен увеличивает цензуру и блокирует посты.

Поэтому, возможно, основной площадкой для проекта «КОГоть» станет Телеграм.

Подпишитесь на телеграм-канал «Коготь» — давайте не теряться и оставаться на связи.

«Коготь» на других платформах: Дзен, VK и Youtube