LLM de BlackRock: "La pregunta es la ventaja".

LLM de BlackRock: "La pregunta es la ventaja".

Marca de tiempo: 17 de octubre de 2023 5:43 a. M.
LLM de BlackRock: "La pregunta es la ventaja". PlatoBlockchain Inteligencia de Datos. Búsqueda vertical. Ai.

Un enfoque que prioriza la tecnología para invertir dinero no es nuevo, pero las herramientas de inteligencia artificial están brindando a las empresas nuevas oportunidades para obtener mejores resultados.

Jeff Shen, codirector de inversiones y codirector de capital activo sistemático con sede en San Francisco, dice que los modelos de aprendizaje de idiomas se están convirtiendo en herramientas poderosas.

"Estamos en medio de una revolución", dijo. “Los macrodatos, los datos alternativos y ahora la IA generativa están transformando todas las industrias, incluida la gestión de activos. Hay más datos disponibles y mejores algoritmos para capturar esos datos, y eso hace que la inversión sistemática sea emocionante”.

Cuatro décadas de cuantificación

Los orígenes del equipo sistemático son el negocio Barclays Global Investors que BlackRock adquirió en 2009. El acuerdo surgió cuando Barclays, duramente golpeado por la crisis financiera global, abandonó su negocio de inversión para sobrevivir y convirtió a BlackRock en el administrador de activos más grande del mundo, entonces con 2.7 billones de dólares. .

Las raíces de BGI se remontan a 1985 como lo que hoy podría considerarse una fintech: una operación con sede en Silicon Valley que utiliza big data y formas primitivas de aprendizaje automático, mucho antes de que estos términos o capacidades se pusieran de moda. Es una tienda cuantitativa que utiliza conocimientos basados ​​en datos para concentrarse en muchas apuestas pequeñas y rápidas que arbitran una acción frente a otra: Coca-Cola versus Pepsi.

Esto funciona incluso si a la industria o al mercado le va mal: Country Garden versus Evergrande. Lo que cuenta es encontrar una ventaja pequeña y de corta duración con la que el gestor pueda negociar rápidamente, a escala, y luego cerrar la posición. Multiplique dichas operaciones por cientos o miles en una cartera y la empresa creará una gran estrategia de acciones con una baja correlación con los puntos de referencia.

Con más datos, mejores algoritmos, mayor potencia informática y la electrificación de los mercados bursátiles, BGI surgió como una potencia de vanguardia y continúa como el brazo sistemático de BlackRock.

Desde entonces, el mundo de los ETF ha despegado, convirtiendo a BlackRock en el mayor gestor de activos del mundo. En septiembre de 2023, la empresa reportó 3.1 billones de dólares en fondos cotizados en bolsa (un negocio minorista) y otros 2.6 billones de dólares en fondos indexados (para instituciones). El grupo de servicios tecnológicos de la empresa, incluido su sistema de riesgo de cartera Aladdin, es otro contribuyente importante a los ingresos.

El progreso de la IA

En este contexto, el negocio sistemático de acciones, un negocio institucional, es modesto, con 237 mil millones de dólares de activos bajo administración. Por supuesto, Shen es optimista acerca de su división. "La inversión cuantitativa sistemática se encuentra ahora en una época dorada", afirmó.

Pero el entusiasmo en torno a la IA generativa, que incluye modelos de lenguaje natural como ChatGPT, da cierto crédito al optimismo de Chen.

En los viejos tiempos, las tácticas cuantitativas consistían en clasificar las acciones estadounidenses de gran capitalización según métricas tradicionales (precio contable, precio contable, ganancias, rendimiento de dividendos). Incluso entonces, los mayores fondos de cobertura cuantitativos construyeron almacenes de datos de tamaño asombroso. Esto les dio la capacidad de generar rendimiento independientemente de las tendencias del mercado. Las empresas más exitosas ganaron mucho dinero, encabezadas por Renaissance Technologies, que de 1988 a 2018 fue la empresa de inversión más rentable (y reservada) del mundo.

Los pasos involucrados en la ejecución de estrategias activas, cuantitativas o no, se han automatizado constantemente. La información ahora es legible por máquina, como informes de corredores, finanzas de empresas, historias de los medios y estadísticas gubernamentales. El procesamiento del lenguaje natural hizo posible convertir datos no estructurados (cualquier cosa, desde un PDF hasta la firma de un abogado) en legibles por máquina. El Internet de las cosas y las imágenes satelitales han ampliado la lista de cosas que se pueden medir y cuantificar. Además, ahora brindan a los administradores de fondos acceso a vistas en tiempo real.

Shen cita el movimiento de camiones. El etiquetado geoespacial, las balizas WiFi y las imágenes satelitales permiten a los compradores de estos datos rastrear flotas de camiones. Esto les da una sensación de tráfico entre proveedores y tiendas, un dato para determinar cómo le está yendo a una empresa. Si se construyen suficientes de estos, una empresa podrá ampliar su alcance para obtener una visión macro de la economía.

Ingrese a GenAI

Hoy en día, la IA generativa está añadiendo un nuevo conjunto de herramientas a la mezcla. Pero no es sólo otra forma de procesar datos. De hecho, cambia la forma en que los gestores de carteras entienden la información.

Shen da el ejemplo de un informe de noticias sobre la renuncia de un director ejecutivo. Durante los últimos veinte años, las empresas conocedoras de la tecnología utilizaron el aprendizaje automático para seguir un enfoque de "bolsa de palabras". La máquina analizaría un texto y buscaría concentraciones de palabras o frases que se correlacionaran con lo bueno o lo malo, con la compra o la venta.

En el ejemplo del director ejecutivo que pierde su trabajo, la máquina podría identificar siete palabras relevantes en el párrafo inicial. Etiquetaría grupos negativos como "alerta", "abandono de la empresa", "reemplazado", "frustración" y "más débil". También destacaría dos expresiones optimistas, "sorprendente" y "responder positivamente", pero en general el peso de la negatividad llevaría al ordenador a recomendar una venta.

Si esta empresa fuera parte de un dúo entre Coca-Cola y Pepsi, BlackRock podría decidir que esto era una señal para ponerse corto en uno y largo en el otro, con apalancamiento. La operación podría durar unas horas o unos días, pero la velocidad del análisis le daría al equipo un resultado diferente al de la masa de actores fundamentales activos que dependen de una interpretación humana.

"Ese era el estado del arte en 2007", dijo Shen. Desde entonces, los datos y los aglos han mejorado, pero el enfoque de bolsa de palabras seguía siendo la norma. Los LLM como ChatGPT están cambiando esto.

Los LLM toman el mismo párrafo y, en el ejemplo de Shen, concluyen que es una gran noticia positiva en lugar de una mala noticia. Esto se debe a que no se trata sólo de traducir el texto, sino de comprenderlo en contexto. El LLM sabe que, si bien hay un montón de palabras negativas arriba, la frase clave está abajo: "esperamos que las acciones respondan positivamente".

"A pesar de que se trata de una noticia sobre la renuncia de un director ejecutivo, el LLM comprende la esencia del comunicado de prensa: capta el remate", dijo Shen.

Datos y algos

Aunque este ejemplo está diseñado para presentaciones de BlackRock a periodistas, la implicación es que un taller sistemático que agregue LLM a la combinación debería funcionar mejor. De hecho, en este claro ejemplo, el gestor de cartera recibe una respuesta completamente diferente.

La vida real no es tan buena, pero Shen dice que los LLM son la próxima ola de herramientas diseñadas para darle al gerente una pequeña ventaja. Empresas como BlackRock ahora están utilizando LLM en conjuntos de datos propietarios, para entrenar los modelos en datos financieros y otros tipos de datos específicos. Dice que BlackRock considera que sus LLM patentados tienen una ventaja sobre ChatGPT (que se capacita en Internet en general).

Esto hace que los cuantos vuelvan a los mismos viejos conceptos básicos: quién tiene los mejores datos y los mejores medios para eliminarlos; y luego quién tiene los algos más inteligentes. Pero los LLM también añaden otro aspecto aquí, al ayudar a los humanos a mejorar sus medios de juicio.

El toque humano

Aunque algunas tiendas cuantitativas como RenTec eran conocidas por simplemente seguir sus computadoras, Shen dice que las estrategias sistemáticas aún requieren decisiones humanas. Esto queda claro en momentos en que los datos históricos están incompletos o no existen. Por ejemplo, modelar una empresa durante el Covid fue difícil porque la última pandemia global de esta magnitud ocurrió hace un siglo. No hay datos confiables de 1918 para usar hoy. Entonces, si bien los cuantitativos utilizaron datos en tiempo real sobre el tráfico o las ofertas de trabajo para obtener una vista, todavía era necesario que un humano extrapolara lo que esto significaba para el futuro cercano. Los macrodatos, por sí solos, no eran un predictor fiable.

Pero con los LLM, los humanos pueden hacerle a la máquina preguntas matizadas que eran imposibles de formular a un sistema de aprendizaje automático. Esto convierte el LLM en una herramienta de productividad y diferentes preguntas conducen a diferentes resultados. Los viejos modelos de big data de las décadas de 1980 y 1990 se basaban en el análisis de valoraciones, y en la década de 2010 añadieron cosas como el sentimiento del mercado. Ahora el alcance del cuestionamiento es amplio, lo que permite la creatividad humana.

"La cuestión puede ser una ventaja competitiva", dijo Shen.

Dado lo que Shen describe como un futuro brillante, ¿sugiere esto que los estilos de gestión activa comenzarán a tener mejores resultados que las estrategias pasivas? ¿Están las inversiones sistemáticas preparadas para recuperar algunos de los activos que han fluido hacia el lado de los ETF?

Shen no se comprometió. Los ganadores de la industria, afirma, son aquellas empresas que adoptan la IA, independientemente del producto. Una respuesta segura. Por lo tanto, una suposición segura será que la nueva competencia que utiliza la tecnología beneficiará a las empresas con los recursos para tener en sus manos la mayor cantidad de datos posible.

Sello de tiempo:

Mas de cavar