A GenAI a mennyiségi alapokat egy nehézséggel mutatja be

A mennyiségi alapok régóta a mesterséges intelligencia legnagyobb felhasználói a vagyonkezelési világban. A generatív mesterséges intelligencia megjelenése azonban előnyben részesítheti a hagyományos, fundamentumok által vezérelt vagyonkezelőket a kvantumokkal szemben.

Több ázsiai alapkezelő és adatszolgáltató is ezt hangoztatja DigFin.

 „Az AI-alkalmazások a pénzügyekben még mindig ritkák” – mondta egy kvantummenedzser. „Az adatkutatók nem alkalmazzák a tőkepiacokon. De ha ezeket az eszközöket részvényekkel való kereskedésre használják, az megváltoztatja a tájat. Lesznek új nyertesek és vesztesek.”

Mi az a kvantum?

A Quants hatalmas számítási teljesítmény és befektetési stratégiákat modellező, testreszabott szoftverek alapján vásárol és ad el részvényeket. A mennyiségek emelkedése egybeesett a kamatlábak évtizedek óta tartó csökkenésével és a passzív befektetések térnyerésével – két olyan trend, amely az emberek által végzett aktív készletezést egyre kevésbé versenyképes üzletté tette.

Az algoritmikus vagy szisztematikusan programozott ügyletek alkalmazása a „szisztematikus befektetések” iparágát eredményezte, ahol a cégek egy stratégiát alkalmazó menedzserek platformjait üzemeltetik, akik egy bizonyos stratégiát vagy „tényezőt” (például kamatlábakat vagy a piac volatilitását) követnek.

Az ilyen befektetők nem érdekeltek abban, hogy részvényesek legyenek, csak a részvények gyors vétele és eladása a stratégiák irányítása érdekében: long/short, piacsemleges, statisztikai arbitrázs, eseményvezérelt. Átfedés van a nagyfrekvenciás kereskedési világgal, ahol a közös jellemzőket a tisztán számszerű fogalmak alapján megalkotott és irányított kereskedések jelentik.

Régi mesterséges intelligencia

Ezek az ötletek nem újak, de a számítási teljesítmény és a nagy adathalmazok rendelkezésre állása ösztönözte a kvantumok növekedését az elmúlt két évtizedben. Az elmúlt tíz évben a kvantumok korán alkalmazták az új mesterséges intelligencia technikákat, például a gépi tanulást és a neurális hálózatok használatát. Ők falánk fogyasztói lettek az alternatív adatoknak, például a közösségi média hírfolyamaiból származó hangulatelemzéseknek.

A kvantitatív befektetőkkel a legnagyobb probléma a „magyarázhatóság” volt, amely az AI egy újabb kifejezése, amely a kvantumok „fekete dobozára” nyúlik vissza. A Long-Term Capital Management 1998-as összeomlása megtestesíti ezt a kockázatot, különösen mivel a mennyiségeket jellemzően tőkeáttételre használják fel.

---

---

Azóta azonban az olyan nagyüzletek, mint a Citadel, a DE Shaw, a Man AHL, a Millennium Management, a Renaissance Technologies és a Two Sigma a legnagyobb és legbefolyásosabb vásárlóoldali cégek lettek a Wall Streeten. Sikerük arra késztette a hagyományos alapházakat, mint a BlackRock vagy a Fidelity, hogy elindítsák saját mennyiségi stratégiájukat.

Nem amerikai piacokon is működnek, ahol likviditást, alacsony késleltetésű kereskedési infrastruktúrát és fedezeti eszközöket (például ETF-eket vagy helyi piaci indexeket követő határidős kontraktusokat) találhatnak. Japán volt a legnagyobb piac az ázsiai csendes-óceáni térségben, de India ma már jelentős játéktere. (Ázsiában az egyik probléma a szabályozási szeszély, amint azt a közelmúltban dél-koreai shortolási tilalom és a növekvő kormányzati beavatkozás Kínában tanúsítja.)

A mennyiségi alapok tehát nem csupán befolyásos csúcsragadozók, hanem az új digitális technológiák bevezetésében is élen járnak.

Írja be a GenAI-t

Ez a mesterséges intelligencia új fejlesztéseit a kvantumok rejtvényévé teszi.

Ezek a cégek természetesen a generatív előképzett transzformátorok által lehetővé tett nagynyelvű modelleket (LLM-eket) teljes terjedelmében használják majd.

A kvantumok szent Grálja az lesz, hogy az LLM-eket prediktív eszközökké alakítják. Az ember interakcióba lép számítógépes haverjaival, hogy felismerje az idősorok és más adatkészletek mintáit. Valójában a kvantumok már ezt teszik, csak arról van szó, hogy az LLM-eknek intuitívabbá kell tenniük a folyamatot, jobban integrálniuk kell a nem szöveges adatokat, és lehetővé kell tenniük a fejlesztők számára, hogy sokkal gyorsabban építsenek modelleket.

A Quant shopok a genAI-t hétköznapibb célokra is használják majd, például megtanulják, hogyan kell szabályozói jelentéseket írni, hogyan kell értelmezni a bevételi jelentéseket, vagy átkutatják a pitch deckeket. Tovább automatizálható az ügyfél-onboarding és egyéb back-office funkciók.

De nincs abban semmi titokzatos, ha egy quant shop megteszi ezeket a dolgokat, mert ez ugyanaz, amire mindenki más fogja használni a genAI-t.

Mindenki csinálja

A különbség a prediktív befektetési modellek és a végrehajtási algoritmusok fejlesztésében van. Ez az, ami különlegessé teszi a kvantumokat, de a korai jelek arra utalnak, hogy a genAI lehetővé teszi a hagyományos vagyonkezelők számára is, hogy ezeket a dolgokat megtegyék. Ugyanez vonatkozik a magántőke-alapok kezelőire is – egy köztudottan nem automatizált üzletág, amely az LLM-eket használhatja arra, hogy befektetési döntéseit szisztematikusabbá és adatközpontúbbá tegye.

A vagyonkezelőknek mindannyian kérdésekkel kell megküzdeniük az LLM-ekkel és a dolgok kitalálására való hajlamukkal. Az olyan termékek, mint az OpenAI ChatGPT, a tökéletes fekete doboz. Bár a mennyiségi alapok az MI-re támaszkodnak az isteni stratégiákban, ezeket továbbra is engedéllyel rendelkező szakemberek irányítják, akik megértik egy kereskedelmi ötlet következményeit. Nem ez a helyzet a genAI eszközökkel.

Az azonnali tervezés hozzáadott értéket biztosít az átláthatóság egy részének biztosításával, az LLM-ek kikérdezésével, hogy megértsék folyamataikat, valamint a döntéshozatalhoz használt tényezőket és forrásokat. Elméletileg lehetséges, hogy egy napon az LLM-ek átláthatóbbak és elszámoltathatóbbak lesznek, mint az emberek.

Bár az ötlet, hogy a befektetéseket átadják a gépnek, jó címet ad, a kvantumok valószínűleg konkrétabb módon használják az LLM-eket.

Például olyan eszközökre lesz szükségük, amelyekkel azonosítani lehet a kereskedés valódi súrlódási költségeit, ami magában foglalja a mikropiaci struktúrák alapos tanulmányozását. A kereskedő teljesítményének mérésére szolgáló tipikus mérőszámot „megvalósítási hiánynak” nevezik, hogy kitaláljuk, mennyire közelítik meg egy adott kereskedés költségvetését. Az ilyen algok már egyre kifinomultabbak, mivel a cégek keresik a nap folyamán azokat a pillanatokat, amikor megérett a likviditás, vagy amikor a kezük felfedése nélkül kereskedhetnek.

Ez a piaci jelzések megtalálásáról szól, ami a kvantum küldetésének lényege. Valószínű, hogy a quant shopok a genAI-t fogják használni, hogy jobb módszereket fejlesszenek ki a legjobb időpontok és helyszínek előrejelzésére a kereskedés végrehajtására.

Ez még mindig nagyon hasznos, de nem olyan, mintha valaki odaadná az autókulcsokat a Terminátornak. A mesterséges intelligencia sem veszi át az ázsiai piacok legnagyobb akadályait, amelyek a fedezeti eszközök hiánya, majd a fedezeti magas költségek, amikor a szerződés elérhető.

Ennél is fontosabb, hogy ez nem a kvantumokra vonatkozik. A nagy hagyományos vételi oldalak is használják ezeket a végrehajtási algoritmusokat, akár házon belül, akár egy eladási oldali bróker által tervezett.

A kvantumok egzisztenciális kérdése az, hogy hogyan tudják megőrizni előnyüket, amikor a genAI eszközök sokkal könnyebben elérhetővé tehetik az alapvető vagyonkezelők számára, amit csinálnak. A Quant üzletek részben azért kerülik a rivaldafényt, mert mesterséges intelligencia-modelljeiket és végrehajtási algoritmusaikat titkos szószoknak tekintik. A genAI ezeket árucikké alakíthatja? Mennyire differenciált a gyors tervezés?

Ahogy az egyik kvantum fogalmazott: „Az AI évek óta része eszközkészletünknek. A GenAI nem szabadul meg az akadályoktól, de több hasznot hoz az alapvető aktív vezetők számára, mivel hatékonyabbá teszi őket az adatok összesítésében és elemzésében. Amint ezek a cégek megértik a megtérülés mozgatórugóit, versenytársunkká válnak.”

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
• PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
• PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
• PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
• Forrás: https://www.digfingroup.com/genai-quants/