LLM های بلک راک: "سوال مزیت است."

LLM های بلک راک: "سوال مزیت است."

تمبر زمان: 17 اکتبر 2023، 5:43 صبح
LLM های بلک راک: "سوال مزیت است." هوش داده PlatoBlockchain. جستجوی عمودی Ai.

رویکرد فناوری اول برای سرمایه‌گذاری پول جدید نیست، اما ابزارهای هوش مصنوعی به کسب‌وکار فرصت‌های جدیدی برای عملکرد بهتر می‌دهند.

جف شن، مدیر سرمایه‌گذاری مستقر در سانفرانسیسکو و رئیس مشترک سهام فعال سیستماتیک، می‌گوید مدل‌های یادگیری زبان در حال تبدیل شدن به ابزارهای قدرتمند هستند.

او گفت: «ما در بحبوحه یک انقلاب هستیم. «داده‌های بزرگ، داده‌های جایگزین و اکنون هوش مصنوعی مولد همه صنایع از جمله مدیریت دارایی‌ها را متحول می‌کند. داده‌های بیشتری در دسترس و الگوریتم‌های بهتری برای جمع‌آوری آن داده‌ها وجود دارد و این سرمایه‌گذاری سیستماتیک را هیجان‌انگیز می‌کند.»

چهار دهه کوانت

خاستگاه این تیم سیستماتیک، تجارت جهانی سرمایه گذاران بارکلیز است که بلک راک در سال 2009 آن را خریداری کرد. این معامله زمانی پدید آمد که بارکلیز، که به شدت تحت تأثیر بحران مالی جهانی قرار گرفت، تجارت سرمایه گذاری خود را برای بقای خود تسلیم کرد - و بلک راک را به بزرگترین مدیر دارایی جهان تبدیل کرد، سپس با 2.7 تریلیون دلار. .

ریشه BGI به سال 1985 برمی‌گردد، به‌عنوان چیزی که امروزه می‌توان آن را یک فین‌تک در نظر گرفت: یک عملیات مبتنی بر دره سیلیکون با استفاده از داده‌های بزرگ و اشکال ابتدایی یادگیری ماشین، مدت‌ها قبل از اینکه این اصطلاحات یا قابلیت‌ها مد شوند. این یک فروشگاه کوانت است که از بینش های مبتنی بر داده استفاده می کند تا در بسیاری از شرط بندی های کوچک و سریع که یک سهام را در مقابل سهام دیگر آربیتر می کند - کک در مقابل پپسی به صفر برسد.

این کار حتی اگر صنعت یا بازار بد عمل کند - کانتری گاردن در مقابل اورگراند. آنچه مهم است، یافتن یک مزیت کوچک و کوتاه مدت است که مدیر بتواند به سرعت، در مقیاس، معامله کند و سپس موقعیت را ببندد. چنین معاملاتی را در صدها یا هزاران در یک سبد ضرب کنید، و شرکت یک استراتژی سهام بزرگ با همبستگی کم با معیارها ایجاد می کند.

با داده های بیشتر، الگوریتم های بهتر، افزایش قدرت محاسباتی و الکترونیکی شدن بازارهای سهام، BGI به عنوان یک نیروگاه پیشرفته ظاهر شد و به عنوان بازوی سیستماتیک BlackRock ادامه می یابد.

از آن زمان، دنیای ETF شروع به کار کرد و بلک راک را به بزرگترین مدیر دارایی جهان تبدیل کرد. تا سپتامبر 2023، این شرکت 3.1 تریلیون دلار در صندوق های قابل معامله در بورس (یک کسب و کار خرده فروشی) و 2.6 تریلیون دلار دیگر از صندوق های شاخص (برای موسسات) گزارش کرد. گروه خدمات فناوری شرکت، از جمله سیستم ریسک پورتفولیوی علاءالدین، یکی دیگر از عوامل مهم در درآمد است.

پیشرفت هوش مصنوعی

در این زمینه، کسب و کار سیستماتیک سهام، یک تجارت نهادی، متوسط ​​است و دارایی های تحت مدیریت 237 میلیارد دلار است. البته شن نسبت به تقسیم بندی خود خوشبین است. او گفت: «سرمایه‌گذاری کمی سیستماتیک اکنون در عصر طلایی است.

اما هیجان در مورد هوش مصنوعی مولد، که شامل مدل‌های زبان طبیعی مانند ChatGPT است، به خوش‌بینی چن اعتبار می‌دهد.

در روزهای قدیم، تاکتیک‌های کمی شامل رتبه‌بندی سهام با سرمایه کلان ایالات متحده بر اساس معیارهای سنتی (قیمت به دفتر، قیمت به درآمد، بازده سود سهام) بود. حتی در آن زمان، بزرگ‌ترین صندوق‌های تامینی، انبارهای داده‌ای با اندازه شگفت‌انگیز ساختند. این به آنها توانایی ایجاد عملکرد بدون توجه به روند بازار را داد. موفق ترین شرکت ها، به رهبری Renaissance Technologies، که از سال 1988 تا 2018 سودآورترین (و مخفی ترین) شرکت سرمایه گذاری جهان بود، پول زیادی به دست آوردند.

مراحل درگیر در اجرای استراتژی های فعال، به صورت کمی یا غیر آن، به طور پیوسته خودکار شده اند. اطلاعات در حال حاضر قابل خواندن با ماشین هستند، مانند گزارش های کارگزار، مالی شرکت، داستان های رسانه ای، و آمار دولتی. پردازش زبان طبیعی امکان خواندن داده های بدون ساختار (هر چیزی از PDF گرفته تا امضای وکیل) را به صورت ماشینی امکان پذیر کرد. اینترنت اشیا و تصاویر ماهواره ای فهرست چیزهایی را که می توان اندازه گیری و کمیت کرد را گسترش داده است. علاوه بر این، اینها اکنون به مدیران صندوق دسترسی به نماهای بلادرنگ می دهد.

شن به حرکت کامیون ها اشاره می کند. برچسب گذاری جغرافیایی، چراغ های فای و تصاویر ماهواره ای خریداران این داده ها را قادر می سازد ناوگان کامیون ها را ردیابی کنند. این به آنها احساس ترافیک بین تامین کنندگان و فروشگاه ها می دهد، یک نقطه داده برای تعیین وضعیت یک شرکت. به اندازه کافی از این موارد بسازید، و یک شرکت می تواند دامنه خود را برای دستیابی به یک دید کلان از اقتصاد گسترش دهد.

GenAI را وارد کنید

امروزه هوش مصنوعی مولد مجموعه جدیدی از ابزارها را به ترکیب اضافه می کند. اما این فقط راه دیگری برای خرد کردن داده ها نیست. در واقع نحوه درک مدیران پورتفولیو اطلاعات را تغییر می دهد.

شن مثالی از گزارش خبری درباره کناره‌گیری یک مدیر عامل می‌دهد. در بیست سال گذشته، شرکت‌های متبحر فناوری از یادگیری ماشینی برای پیروی از رویکرد «کیف کلمات» استفاده کردند. دستگاه یک متن را تجزیه می‌کند و به دنبال غلظت کلمات یا عباراتی می‌گردد که با خوب یا بد، خرید یا فروش مرتبط هستند.

در مثال مدیر عاملی که شغل خود را از دست می دهد، دستگاه ممکن است هفت عبارت مرتبط را در پاراگراف آغازین شناسایی کند. به عنوان خوشه‌های منفی مانند «هشدار»، «ترک شرکت»، «جایگزین شده»، «ناامیدی» و «ضعیف‌تر» برچسب‌گذاری می‌شود. همچنین دو عبارت خوش بینانه، "غافلگیر کننده" و "پاسخ مثبت" را برجسته می کند، اما به طور کلی وزن منفی باعث می شود رایانه به فروش پیشنهاد دهد.

اگر این شرکت بخشی از دو کوکاکولا در مقابل پپسی بود، بلک راک ممکن بود تصمیم بگیرد که این سیگنالی برای کوتاه‌تر شدن و طولانی شدن دیگری با اهرم است. این معامله ممکن است چند ساعت یا چند روز طول بکشد، اما سرعت آنالیز به تیم نتیجه متفاوتی نسبت به انبوه بازیکنان بنیادی فعال که بر تفسیر انسانی تکیه دارند می دهد.

شن گفت: «این وضعیت در سال 2007 بود. از آن زمان، داده‌ها و glos بهتر شده‌اند، اما رویکرد کیسه‌ای از کلمات همچنان معمول بود. LLM ها مانند ChatGPT در حال تغییر این هستند.

LLM ها همین پاراگراف را می گیرند و در مثال شن نتیجه می گیرند که این یک خبر مثبت بزرگ است تا یک خبر بد. به این دلیل که این فقط ترجمه متن نیست، بلکه درک آن در متن است. LLM می داند که، در حالی که یک دسته از کلمات منفی در بالا وجود دارد، عبارت کلیدی در پایین است: "ما انتظار داریم سهام پاسخ مثبت دهد".

شن گفت: «علی‌رغم اینکه این خبر در مورد کناره‌گیری یک مدیرعامل است، LLM اصل بیانیه مطبوعاتی را می‌فهمد – این موضوع از اهمیت بالایی برخوردار است.

داده ها و الگوها

اگرچه این مثال برای ارائه های BlackRock به خبرنگاران طراحی شده است، اما نتیجه این است که یک فروشگاه سیستماتیک که LLM ها را به ترکیب اضافه می کند باید عملکرد بهتری داشته باشد. در این مثال مرتب، در واقع به مدیر پورتفولیو پاسخ کاملا متفاوتی داده می شود.

زندگی واقعی آنقدرها هم مرتب نیست، اما شن می گوید که LLM ها موج بعدی ابزارهایی هستند که برای ایجاد یک مزیت کوچک به یک مدیر طراحی شده اند. شرکت هایی مانند BlackRock اکنون از LLM ها بر روی مجموعه داده های اختصاصی استفاده می کنند تا مدل ها را در مورد مالی و سایر انواع خاص داده ها آموزش دهند. او می‌گوید بلک‌راک متوجه می‌شود که LLM‌های اختصاصی‌اش نسبت به ChatGPT (که به طور گسترده در اینترنت آموزش داده می‌شود) برتری دارند.

این کوانت ها را به همان اصول اولیه بازمی گرداند: چه کسی بهترین داده ها و بهترین ابزار را برای پاک کردن آن دارد. و سپس چه کسی هوشمندترین الگوها را دارد. اما LLM ها با کمک به انسان در بهبود ابزار قضاوت خود، چین و چروک دیگری را در اینجا نیز اضافه می کنند.

لمس انسان

اگرچه برخی از فروشگاه‌های کوچک مانند RenTec به دلیل دنبال کردن رایانه‌هایشان بدنام بودند، شن می‌گوید که استراتژی‌های سیستماتیک هنوز نیاز به تصمیمات انسانی دارند. این در مواقعی مشخص می شود که داده های تاریخی ناقص هستند یا وجود ندارند. به عنوان مثال، مدل سازی یک شرکت در طول کووید سخت بود زیرا آخرین بیماری همه گیر جهانی به این بزرگی یک قرن پیش رخ داد. هیچ داده قابل اعتمادی از سال 1918 برای استفاده امروز وجود ندارد. بنابراین، در حالی که کوانت‌ها از داده‌های بی‌درنگ پیرامون ترافیک یا آگهی‌های شغلی برای دریافت دیدگاه استفاده می‌کردند، هنوز هم نیاز بود که یک انسان معنای این موضوع را برای آینده نزدیک بیان کند. کلان داده به خودی خود یک پیش بینی قابل اعتماد نبود.

اما با LLM، انسان ها می توانند سوالات ظریفی را از ماشین بپرسند که پرسیدن آنها از یک سیستم یادگیری ماشینی غیرممکن بود. این LLM را به یک ابزار بهره وری تبدیل می کند و سوالات مختلف به نتایج متفاوتی منجر می شود. مدل‌های قدیمی کلان داده در دهه‌های 1980 و 1990 مبتنی بر تجزیه و تحلیل ارزش‌گذاری بودند و در دهه 2010 چیزهایی مانند احساسات بازار را به آن اضافه کردند. اکنون دامنه پرسش گسترده است که خلاقیت انسان را قادر می سازد.

شن گفت: "این سوال می تواند یک مزیت رقابتی باشد."

با توجه به آنچه شن به عنوان آینده ای روشن ترسیم می کند، آیا این نشان می دهد که سبک های مدیریت فعال نسبت به استراتژی های منفعل بهتر عمل خواهند کرد؟ آیا سرمایه‌گذاری‌های سیستماتیک برای بازپس‌گیری برخی از دارایی‌هایی که به سمت ETF خانه سرازیر شده‌اند، آماده هستند؟

شن متعهد باقی ماند. او می‌گوید برندگان صنعت آن دسته از شرکت‌هایی هستند که بدون توجه به محصول، هوش مصنوعی را پذیرفته‌اند. یک پاسخ مطمئن بنابراین، یک فرض مطمئن این خواهد بود که رقابت جدید با استفاده از فناوری، بنگاه‌ها را با منابعی برای به دست آوردن حداکثر داده‌های ممکن در اختیار شرکت‌ها قرار دهد.

تمبر زمان:

بیشتر از DigFin