LLMs في BlackRock: "السؤال هو الميزة".

LLMs في BlackRock: "السؤال هو الميزة".

LLMs في BlackRock: "السؤال هو الميزة". ذكاء البيانات في PlatoBlockchain. البحث العمودي. منظمة العفو الدولية.

إن النهج التكنولوجي أولاً لاستثمار الأموال ليس جديداً، ولكن الأدوات المستخدمة في الذكاء الاصطناعي تمنح الشركات فرصاً جديدة للتفوق في الأداء.

يقول جيف شين، كبير مسؤولي الاستثمار المشارك في سان فرانسيسكو والرئيس المشارك للأسهم النشطة المنهجية، إن نماذج تعلم اللغة أصبحت أدوات قوية.

وقال: "نحن في خضم ثورة". "تعمل البيانات الضخمة والبيانات البديلة والذكاء الاصطناعي الإنتاجي الآن على إحداث تحول في جميع الصناعات، بما في ذلك إدارة الأصول. هناك المزيد من البيانات المتاحة وخوارزميات أفضل لالتقاط تلك البيانات، وهذا يجعل الاستثمار المنهجي مثيرًا."

أربعة عقود من الكم

تعود أصول الفريق المنهجي إلى شركة باركليز جلوبال إنفستورز التي استحوذت عليها شركة بلاك روك في عام 2009. وقد ظهرت الصفقة عندما تخلى باركليز، الذي تضرر بشدة من الأزمة المالية العالمية، عن أعماله الاستثمارية من أجل البقاء ــ وجعلت بلاك روك أكبر مدير للأصول في العالم، بقيمة بلغت آنذاك 2.7 تريليون دولار. .

تعود جذور شركة BGI إلى عام 1985 باعتبارها ما يمكن اعتباره اليوم تقنية مالية: وهي عملية مقرها وادي السيليكون تستخدم البيانات الضخمة والأشكال البدائية للتعلم الآلي، قبل وقت طويل من ظهور هذه المصطلحات أو القدرات. إنه متجر كمي، يستخدم رؤى تعتمد على البيانات للتركيز على الكثير من الرهانات الصغيرة والسريعة التي تقوم بمراجحة سهم ضد آخر - كوكا كولا مقابل بيبسي.

ينجح هذا حتى لو كان أداء الصناعة أو السوق سيئًا - Country Garden مقابل Evergrande. ما يهم هو العثور على ميزة صغيرة وقصيرة الأجل يمكن للمدير التداول بها بسرعة وعلى نطاق واسع، ثم إغلاق المركز. قم بضرب هذه الصفقات بالمئات أو الآلاف عبر المحفظة، وستقوم الشركة بإنشاء استراتيجية أسهم كبيرة ذات ارتباط منخفض بالمعايير المرجعية.

مع المزيد من البيانات، والخوارزميات الأفضل، وزيادة قوة الحوسبة، وإلكترونية أسواق الأسهم، برزت BGI كقوة متطورة وتستمر كذراع نظامي لشركة BlackRock.

ومنذ ذلك الحين، انطلق عالم صناديق الاستثمار المتداولة، مما جعل شركة بلاك روك أكبر مدير للأصول في العالم. اعتبارًا من سبتمبر 2023، أعلنت الشركة عن 3.1 تريليون دولار من الصناديق المتداولة في البورصة (أعمال التجزئة) و2.6 تريليون دولار أخرى من صناديق المؤشرات (للمؤسسات). تعد مجموعة خدمات التكنولوجيا التابعة للشركة، بما في ذلك نظام مخاطر محفظة علاء الدين، مساهمًا مهمًا آخر في الإيرادات.

تقدم الذكاء الاصطناعي

وفي هذا السياق، فإن أعمال الأسهم المنهجية، وهي أعمال مؤسسية، متواضعة، حيث تبلغ قيمة الأصول الخاضعة للإدارة 237 مليار دولار. شين بالطبع متفائل بشأن تقسيمه. وقال: "إن الاستثمار الكمي المنهجي أصبح الآن في عصر ذهبي".

لكن الإثارة حول الذكاء الاصطناعي التوليدي، والذي يتضمن نماذج اللغة الطبيعية مثل ChatGPT، تمنح تفاؤل تشن بعض المصداقية.

في الأيام الخوالي، كانت التكتيكات الكمية تتألف من تصنيف الأسهم الأمريكية ذات رأس المال الكبير وفقا لمقاييس تقليدية (السعر إلى القيمة الدفترية، والسعر إلى الأرباح، وعائدات الأرباح). وحتى في ذلك الوقت، قامت أكبر صناديق التحوط الكمية ببناء مستودعات بيانات ذات حجم مذهل. وقد منحهم هذا القدرة على توليد الأداء بغض النظر عن اتجاهات السوق. حققت الشركات الأكثر نجاحًا الكثير من المال، بقيادة شركة Renaissance Technologies، التي كانت من عام 1988 إلى عام 2018 شركة الاستثمار الأكثر ربحية (وسرية) في العالم.



إن الخطوات المتبعة في تشغيل الاستراتيجيات النشطة، سواء كانت كمية أو غير ذلك، أصبحت آلية بشكل مطرد. أصبحت المعلومات الآن قابلة للقراءة آليًا، مثل تقارير الوسيط والبيانات المالية للشركة والقصص الإعلامية والإحصاءات الحكومية. جعلت معالجة اللغة الطبيعية من الممكن تحويل البيانات غير المنظمة (أي شيء بدءًا من ملف PDF إلى توقيع المحامي) إلى بيانات قابلة للقراءة آليًا. لقد وسعت إنترنت الأشياء وصور الأقمار الصناعية قائمة الأشياء التي يمكن قياسها وقياسها. علاوة على ذلك، فإن هذه تمنح مديري الصناديق الآن إمكانية الوصول إلى وجهات النظر في الوقت الحقيقي.

يستشهد شين بحركة الشاحنات. تتيح العلامات الجغرافية المكانية وإشارات WiFi وصور الأقمار الصناعية لمشتري هذه البيانات تتبع أساطيل الشاحنات. وهذا يمنحهم إحساسًا بالحركة بين الموردين والمتاجر، وهي نقطة بيانات واحدة لتحديد أداء الشركة. وبناء ما يكفي من هذه العناصر، يمكن للشركة توسيع نطاقها للحصول على رؤية كلية للاقتصاد.

أدخل جيناي

واليوم يضيف الذكاء الاصطناعي التوليدي مجموعة جديدة من الأدوات إلى هذا المزيج. لكنها ليست مجرد طريقة أخرى لمعالجة البيانات. إنه يغير في الواقع الطريقة التي يفهم بها مديرو المحافظ المعلومات.

يعطي شين مثالاً على تقرير إخباري عن تنحي رئيس تنفيذي. على مدار العشرين عامًا الماضية، استخدمت الشركات المتخصصة في مجال التكنولوجيا التعلم الآلي لاتباع نهج "حقيبة الكلمات". ستقوم الآلة بتحليل النص والبحث عن تركيزات الكلمات أو العبارات التي ترتبط بالخير أو الشر أو الشراء أو البيع.

في مثال الرئيس التنفيذي الذي فقد وظيفته، قد تحدد الآلة سبع كلمات ذات صلة في الفقرة الافتتاحية. سيتم تصنيفها على أنها مجموعات سلبية مثل "تنبيه"، و"ترك الشركة"، و"استبدال"، و"إحباط"، و"أضعف". كما أنه سيسلط الضوء أيضًا على تعبيرين متفائلين، "مفاجأة" و"الاستجابة بشكل إيجابي"، ولكن بشكل عام فإن ثقل السلبية من شأنه أن يدفع الكمبيوتر إلى التوصية بالبيع.

إذا كانت هذه الشركة جزءًا من ثنائي كوكا كولا مقابل بيبسي، فقد تقرر شركة بلاك روك أن هذه إشارة لبيع واحدة وشراء أخرى، مع الرافعة المالية. قد تستمر التجارة بضع ساعات أو بضعة أيام، ولكن سرعة التحليل من شأنها أن تعطي الفريق نتيجة مختلفة عن كتلة اللاعبين الأساسيين النشطين الذين يعتمدون على تفسير بشري.

وقال شين: "كان هذا هو الوضع الراهن في عام 2007". منذ ذلك الحين، تحسنت البيانات والتقارير، لكن نهج حقيبة الكلمات كان لا يزال هو القاعدة. LLMs مثل ChatGPT تغير هذا.

يأخذ طلاب ماجستير القانون نفس الفقرة، وفي مثال شين، يستنتجون أنها إيجابية للغاية وليست خبرًا سيئًا. وذلك لأن الأمر لا يقتصر على ترجمة النص فحسب، بل فهمه في السياق. يعلم LLM أنه على الرغم من وجود مجموعة من الكلمات السلبية في الأعلى، إلا أن العبارة الرئيسية موجودة في الأسفل: "نتوقع أن يستجيب السهم بشكل إيجابي".

قال شين: "على الرغم من أن هذه أخبار تتعلق بتنحي رئيس تنفيذي، إلا أن LLM تتفهم جوهر البيان الصحفي - فهي تحصل على الجملة النهائية".

البيانات والخوارزميات

على الرغم من أن هذا المثال مصمم لعروض BlackRock التقديمية للصحفيين، إلا أن المعنى الضمني هو أن المتجر المنهجي الذي يضيف ماجستير إدارة الأعمال إلى المزيج يجب أن يؤدي أداءً أفضل. في هذا المثال الأنيق، في الواقع، يتم إعطاء مدير المحفظة إجابة مختلفة تمامًا.

الحياة الحقيقية ليست بهذه الروعة، لكن شين يقول إن حاملي شهادة الماجستير في القانون هم الموجة التالية من الأدوات المصممة لمنح المدير ميزة صغيرة. وتستخدم شركات مثل بلاك روك الآن شهادات ماجستير إدارة الأعمال في مجموعات البيانات الخاصة، من أجل تدريب النماذج على البيانات المالية وغيرها من أنواع البيانات المحددة. ويقول إن شركة BlackRock وجدت أن شهادات LLM المملوكة لها تتمتع بميزة على ChatGPT (التي يتم تدريبها على الإنترنت بشكل عام).

وهذا يعيد المحللين الكميين إلى نفس الأساسيات القديمة: من الذي حصل على أفضل البيانات وأفضل الوسائل لتنقيحها؟ ومن ثم من حصل على أذكى الطحالب. لكن حاملي الماجستير في القانون يضيفون مشكلة أخرى هنا أيضًا، من خلال مساعدة البشر على تحسين وسائل حكمهم.

اللمسة الإنسانية

على الرغم من أن بعض المتاجر الكمية، مثل RenTec، كانت سيئة السمعة لأنها تتبع أجهزة الكمبيوتر الخاصة بها فقط، إلا أن شين يقول إن الاستراتيجيات المنهجية لا تزال تتطلب قرارات بشرية. ويصبح هذا واضحًا في الأوقات التي تكون فيها البيانات التاريخية غير كاملة أو غير موجودة. على سبيل المثال، كان تصميم نموذج لشركة خلال فترة كوفيد أمرا صعبا لأن آخر جائحة عالمي بهذا الحجم حدث قبل قرن من الزمان. لا توجد بيانات موثوقة من عام 1918 لاستخدامها اليوم. لذلك، في حين استخدم المحللون الكميون البيانات في الوقت الفعلي حول حركة المرور أو إعلانات الوظائف للحصول على عرض، إلا أن الأمر لا يزال يتطلب من الإنسان استقراء ما يعنيه ذلك في المستقبل القريب. ولم تكن البيانات الضخمة، في حد ذاتها، مؤشرا موثوقا للتنبؤ.

ولكن مع ماجستير إدارة الأعمال، يمكن للبشر أن يطرحوا على الآلة أسئلة دقيقة كان من المستحيل طرحها على نظام التعلم الآلي. وهذا يحول LLM إلى أداة إنتاجية، والأسئلة المختلفة تؤدي إلى نتائج مختلفة. كانت نماذج البيانات الضخمة القديمة في الثمانينيات والتسعينيات تعتمد على تحليل التقييمات، وفي العقد الأول من القرن الحادي والعشرين أضافت أشياء مثل معنويات السوق. والآن أصبح نطاق التساؤل واسعا، مما يمكن الإنسان من الإبداع.

قال شين: "يمكن أن يكون السؤال ميزة تنافسية".

وبالنظر إلى ما يصوره شين على أنه مستقبل مشرق، فهل يشير هذا إلى أن أساليب الإدارة النشطة ستبدأ في التفوق على الاستراتيجيات السلبية؟ هل الاستثمارات المنهجية مهيأة لاستعادة بعض الأصول التي تدفقت إلى جانب صناديق الاستثمار المتداولة في المنزل؟

ظل شين غير ملتزم. ويقول إن الفائزين في الصناعة هم تلك الشركات التي تتبنى الذكاء الاصطناعي، بغض النظر عن المنتج. إجابة آمنة. لذلك، سيكون الافتراض الآمن هو أن المنافسة الجديدة التي تستخدم التكنولوجيا ستفيد الشركات التي لديها الموارد اللازمة للحصول على أكبر قدر ممكن من البيانات.

الطابع الزمني:

اكثر من ديجفين