Проверяемость важнее сложности: назначение, доказательства, наблюдаемые ограничения и план отказа должны быть конкретными.

Слова «искусственный интеллект», «нейросеть» и «собственная технология» звучат убедительно. Но сложная терминология не доказывает наличие устойчивой инвестиционной системы.

Частному инвестору не нужно воспроизводить математику фонда. Полезно начать с вопросов, которые показывают, понимает ли управляющий собственную систему и способен ли её контролировать.

ВОПРОС 1. КАКУЮ КОНКРЕТНО РАБОТУ ВЫПОЛНЯЕТ КАЖДАЯ МОДЕЛЬ?

Хороший ответ можно сформулировать одним предложением.

Например: «Модель оценивает диапазон волатильности на следующий месяц, но не выбирает активы и не отправляет заявки».

Плохой ответ: «Наш ИИ анализирует тысячи факторов и находит скрытые возможности».

Важно понять не только полномочия модели, но и то, что ей запрещено делать.

ВОПРОС 2. КАК ПРОВЕРЯЛСЯ РЕЗУЛЬТАТ?

Исторический тест, или бэктест, показывает, как стратегия могла бы работать на прошлых данных. Он полезен, но легко вводит в заблуждение.

В прошлом посте разобрали, что доходность хедж-фондов не упала, а раскололась. Сегодня о том, как ИИ меняет саму архитектуру индустрии — и почему побеждают не те, у кого лучшая модель, а те, у кого лучшая инфраструктура.

Масштаб внедрения ИИ за два года вырос с 18% до 46%. Ещё 30% активно изучают. Но ключевой момент: доступ к ChatGPT и стандартным конвейерам машинного обучения выровнялся. «Дифференцированная альфа почти никогда не получается из коробки», — фиксируют исследователи. Преимущество сместилось от самих моделей к данным, оркестрации и исполнению.

Вот пять структурных сдвигов, которые уже необратимы.

1. Доминирование мультистратегий. Мультиуправляющие — крупнейший сегмент индустрии: 27,26% в 2025 году, растут примерно в 6 раз быстрее рынка. Вершину рейтинга AFI 500 занимают Millennium, Citadel, Point72, Balyasny, Schonfeld, ExodusPoint. Только тройка лидеров контролирует около $1,86 трлн регуляторных активов. Почему платформы побеждают? Они размазывают расходы на ИИ-инфраструктуру и данные по сотням команд. Мелкий фонд такого себе позволить не может.

Популярный нарратив: «ИИ убил доходность фондов». Это неправда.

Средняя доходность хедж-фондов в 2025 году составила около 11,8% — второй двузначный год подряд. Индекс HFRI прибавил 13,9% за 12 месяцев по июль 2026. Капитал индустрии вырос до рекордных $5,22 трлн. Доходность в среднем выше, чем в большинство лет 2010-х.

Но вот что изменилось: предсказуемость доходности исчезла.

Разрыв между лучшим и худшим десятыми децилями фондов достиг 58,6 процентных пунктов в 2025 году. За один только второй квартал 2026-го — 44,6 п.п. Верхний дециль HFRI заработал +36,4%, нижний — минус 8,2%. Это не просто разброс. Это раскол.

Что происходит? ИИ не снизил доходность индустрии — он её перераспределил. Фонды с данными, инфраструктурой и дисциплиной стали зарабатывать больше. Остальные — оказались в нижнем дециле.

Взгляните на цифры лидеров 2025 года:
— Bridgewater Pure Alpha: +33% (лучший результат за 50 лет)
— D.E. Shaw Composite: +18,5%
— ExodusPoint: +18,0% (лучший год в истории фонда)

Распространённое убеждение: если основная стратегия работает, то её вариации — другое окно, другой фильтр, другая метрика — дадут примерно тот же результат. Проверим на данных, потому что в эпоху ИИ-агентов, перебирающих тысячи параметров за ночь, этот вопрос стал критическим.

Гипотеза в слабой форме подтверждается. Знак премии действительно наследуется.

Возьмём следование за трендом. Исследование Хёрста, Ои и Педерсена (2017, Journal of Portfolio Management) протестировало стратегию на 67 рынках четырёх классов активов за 137 лет — с 1880 по 2016. Результат: положительная доходность в каждом десятилетии, на каждом из 67 рынков, в войны и рецессии, при высоких и низких ставках. Три разных окна наблюдения — 1, 3 и 12 месяцев — работали одновременно. Это говорит о том, что «семейство тренда» — одна устойчивая премия, а не случайный подбор параметров.

Похожая картина у моментума в акциях. Все основные варианты сортировки — стандартный, отраслевой, факторный — дают положительные средние доходности со значимыми статистиками. У фактора стоимости пять классических метрик оценки (EBITDA/TEV, FCF/TEV, P/E, P/B и др.) дают доходности дешёвых акций в узком диапазоне 15.0–17.7%.

В прошлом посте разобрали, почему период жизни торгового сигнала сократился с 5–7 лет до 12–18 месяцев. Сегодня о главном: если сигналы обесцениваются, кто зарабатывает? И что делать специалисту, который не хочет стать дорогой копией факторного ETF?

Самый вероятный сценарий — «гонка без победителя». Это равновесие, где каждый участник индивидуально рационален (вкладываться в ИИ, иначе проиграешь), но коллективный результат — ноль. Суммарная альфа от вложений в модели стремится к нулю, а прибыль концентрируется у тех, кто контролирует «ключи доступа»:

— Уникальные данные. Когда 95% конкурентов используют одни и те же модели на одних и тех же данных, эксклюзивный источник — единственный устойчивый актив. Речь не обязательно о «тёмных» данных. Это может быть собственная разметка, связывание сущностей, нормализация событий — то, что создаёт ценность через обработку, а не через факт владения.

— Инфраструктура исполнения. В условиях, когда все заходят в одни и те же позиции, скорость и качество исполнения становятся отдельной премией. Кто первым вышел из скученной позиции — тот и заработал.

Ещё в конце 2021 года казалось, что языковые модели взломали рынок. Исследователи Лопес-Лира и Танг показали: GPT, читая новостные заголовки, предсказывает направление акций с точностью 93%. Стратегия на этом давала коэффициент Шарпа 6.54 — цифра, о которой обычный квант может только мечтать.

Прошло два с половиной года. Шарп упал до 1.22. А к концу 2025 года точность прогнозов опустилась до 51% — это уровень подбрасывания монеты. Стратегия умерла.

Важно понимать: её никто не опубликовал в научном журнале. Обычно, когда академики выкладывают статью об аномалии, рынок её «съедает» за несколько лет. Здесь всё случилось без публикации. Просто GPT стал массовым инструментом, и тысячи участников стали делать одно и то же.

Это симптом глобального сдвига.

Раньше, если верить классической работе Маклина и Понтиффа в Journal of Finance, торговый сигнал после публикации в журнале терял половину доходности за 3–5 лет. Сейчас, по оценкам свежей модели Chen–Meng (август 2026), период полураспада сигнала сократился до 12–18 месяцев. То есть сигнал умирает в 4–5 раз быстрее, чем десять лет назад.