LLM BlackRock: “Pertanyaannya Adalah Keuntungannya.”

Diterbitkan Ulang Oleh Plato

Followers: 0

LLM BlackRock: “Pertanyaannya adalah keuntungannya.” Kecerdasan Data PlatoBlockchain. Pencarian Vertikal. Ai.

Pendekatan yang mengutamakan teknologi dalam menginvestasikan uang bukanlah hal baru, namun alat-alat dalam kecerdasan buatan memberikan peluang baru bagi bisnis untuk menghasilkan kinerja yang lebih baik.

Jeff Shen, salah satu kepala investasi dan salah satu kepala ekuitas aktif sistematis yang berbasis di San Francisco, mengatakan model pembelajaran bahasa menjadi alat yang ampuh.

“Kita berada di tengah-tengah revolusi,” katanya. “Data besar, data alternatif, dan kini AI generatif mengubah seluruh industri, termasuk manajemen aset. Ada lebih banyak data yang tersedia dan algoritma yang lebih baik untuk menangkap data tersebut, dan hal ini membuat investasi sistematis menjadi menarik.”

Kuantitas empat dekade

Asal usul tim sistematis ini adalah bisnis Barclays Global Investors yang diakuisisi BlackRock pada tahun 2009. Kesepakatan tersebut muncul ketika Barclays, yang terpukul oleh krisis keuangan global, menyerahkan bisnis investasinya untuk bertahan hidup – dan menjadikan BlackRock sebagai manajer aset terbesar di dunia, yang saat itu bernilai $2.7 triliun. .

BGI bermula pada tahun 1985 sebagai apa yang saat ini dianggap sebagai fintech: operasi berbasis di Silicon Valley yang menggunakan data besar dan bentuk pembelajaran mesin primitif, jauh sebelum istilah atau kemampuan ini menjadi populer. Ini adalah toko kuantitas, menggunakan wawasan berbasis data untuk membidik banyak taruhan kecil dan cepat yang melakukan arbitrase antara satu saham dengan saham lainnya – Coke versus Pepsi.

Hal ini berhasil bahkan ketika kondisi industri atau pasar sedang buruk – Country Garden versus Evergrande. Yang penting adalah menemukan keuntungan kecil dan berumur pendek yang dapat diperdagangkan oleh manajer dengan cepat, dalam skala besar, dan kemudian menutup posisinya. Lipat gandakan perdagangan tersebut dengan ratusan atau ribuan di seluruh portofolio, dan perusahaan akan menciptakan strategi ekuitas besar dengan korelasi rendah terhadap tolok ukur.

Dengan lebih banyak data, algoritme yang lebih baik, peningkatan daya komputasi, dan elektronifikasi pasar saham, BGI telah muncul sebagai pembangkit tenaga listrik terdepan dan terus berlanjut sebagai cabang sistematis BlackRock.

Sejak itu, dunia ETF semakin berkembang, menjadikan BlackRock sebagai manajer aset terbesar di dunia. Pada September 2023, perusahaan tersebut melaporkan $3.1 triliun dana yang diperdagangkan di bursa (bisnis ritel) dan $2.6 triliun dana indeks lainnya (untuk institusi). Grup layanan teknologi perusahaan, termasuk sistem risiko portofolio Aladdin, merupakan kontributor penting lainnya terhadap pendapatan.

kemajuan AI

Dalam konteks ini, bisnis ekuitas sistematis, sebuah bisnis institusional, tergolong sederhana, dengan aset yang dikelola sebesar $237 miliar. Shen tentu saja optimis dengan divisinya. “Investasi kuantitas yang sistematis kini berada dalam masa keemasan,” katanya.

Namun kegembiraan seputar AI generatif, yang mencakup model bahasa alami seperti ChatGPT, memberikan keyakinan pada optimisme Chen.

Di masa lalu, taktik kuantitas terdiri dari pemeringkatan saham-saham berkapitalisasi besar AS berdasarkan metrik tradisional (harga berdasarkan buku, harga terhadap pendapatan, hasil dividen). Meski begitu, hedge fund dengan jumlah terbesar membangun gudang data dengan ukuran yang menakjubkan. Hal ini memberi mereka kemampuan untuk menghasilkan kinerja terlepas dari tren pasar. Perusahaan-perusahaan paling sukses menghasilkan banyak uang, dipimpin oleh Renaissance Technologies, yang dari tahun 1988 hingga 2018 merupakan perusahaan investasi paling menguntungkan (dan rahasia) di dunia.

Langkah-langkah yang terlibat dalam menjalankan strategi aktif, baik dalam jumlah maupun tidak, terus diotomatisasi. Informasi kini dapat dibaca oleh mesin, seperti laporan broker, keuangan perusahaan, berita media, dan statistik pemerintah. Pemrosesan bahasa alami memungkinkan data tidak terstruktur (mulai dari PDF hingga tanda tangan pengacara) dapat dibaca mesin. Internet of Things dan citra satelit telah memperluas daftar hal-hal yang dapat diukur dan diukur. Selain itu, hal ini kini memberi pengelola dana akses ke pandangan real-time.

Shen mengutip pergerakan truk. Penandaan geospasial, sinyal WiFi, dan citra satelit memungkinkan pembeli data ini melacak armada truk. Hal ini memberi mereka gambaran lalu lintas antara pemasok dan toko, satu titik data untuk menentukan bagaimana kinerja perusahaan. Bangun secukupnya, dan perusahaan dapat memperluas cakupannya untuk mendapatkan pandangan makro perekonomian.

Masuk ke GenAI

Saat ini AI generatif menambahkan seperangkat alat baru ke dalamnya. Namun ini bukan sekadar cara lain untuk mengolah data. Ini sebenarnya mengubah cara manajer portofolio memahami informasi.

Shen memberi contoh laporan berita tentang pengunduran diri seorang CEO. Selama dua puluh tahun terakhir, perusahaan yang paham teknologi menggunakan pembelajaran mesin untuk mengikuti pendekatan 'sekantong kata'. Mesin akan mengurai teks dan mencari konsentrasi kata atau frasa yang berkorelasi dengan baik atau buruk, beli atau jual.

Dalam contoh CEO yang kehilangan pekerjaannya, mesin tersebut mungkin mengidentifikasi tujuh kata yang relevan di paragraf pembuka. Ini akan ditandai sebagai kelompok negatif seperti 'waspada', 'keluar dari perusahaan', 'diganti', 'frustasi', dan 'lebih lemah'. Hal ini juga akan menyoroti dua ekspresi optimis, 'mengejutkan' dan 'merespon secara positif', namun secara keseluruhan bobot negatif akan mengarahkan komputer untuk merekomendasikan penjualan.

Jika perusahaan ini adalah bagian dari duo Coke versus Pepsi, BlackRock mungkin memutuskan bahwa ini adalah sinyal untuk melakukan short dan long pada yang lain, dengan leverage. Perdagangan mungkin berlangsung beberapa jam atau beberapa hari, namun kecepatan analisis akan memberikan tim hasil yang berbeda dibandingkan kumpulan pemain fundamental aktif yang mengandalkan interpretasi manusia.

“Itulah yang paling mutakhir pada tahun 2007,” kata Shen. Sejak saat itu, data dan aglos menjadi lebih baik, namun pendekatan yang menggunakan kata-kata masih tetap menjadi hal yang lazim. LLM seperti ChatGPT mengubah ini.

LLM mengambil paragraf yang sama dan, dalam contoh Shen, menyimpulkan bahwa ini adalah berita positif dan bukan berita buruk. Itu karena bukan sekedar menerjemahkan teks, tapi memahaminya dalam konteks. LLM mengetahui bahwa, meskipun ada banyak kata-kata negatif di bagian atas, frasa kuncinya ada di bagian bawah: 'kami berharap saham akan merespons secara positif'.

“Meskipun ini adalah berita tentang pengunduran diri seorang CEO, LLM memahami inti dari siaran pers tersebut – hal ini mendapatkan inti lucunya,” kata Shen.

Data dan algo

Meskipun contoh ini dirancang untuk presentasi BlackRock kepada jurnalis, implikasinya adalah bahwa toko sistematis yang menambahkan LLM ke dalamnya akan memiliki kinerja yang lebih baik. Faktanya, dalam contoh rapi ini, manajer portofolio diberikan jawaban yang sangat berbeda.

Kehidupan nyata tidak begitu rapi, namun Shen mengatakan LLM adalah alat gelombang berikutnya yang dirancang untuk memberikan sedikit keunggulan bagi manajer. Perusahaan seperti BlackRock sekarang menggunakan LLM pada kumpulan data kepemilikan, untuk melatih model pada jenis data keuangan dan jenis data spesifik lainnya. Dia mengatakan BlackRock menemukan bahwa LLM miliknya memiliki keunggulan dibandingkan ChatGPT (yang dilatih di internet secara luas).

Hal ini membawa quants kembali ke dasar-dasar lama yang sama: siapa yang memiliki data terbaik dan cara terbaik untuk menghapusnya; lalu siapa yang memiliki algo paling pintar. Namun LLM juga menambah masalah lain dengan membantu manusia meningkatkan cara mereka dalam menilai.

Sentuhan manusia

Meskipun beberapa toko kuantitas seperti RenTec terkenal hanya mengikuti komputer mereka, Shen mengatakan strategi sistematis masih memerlukan keputusan manusia. Hal ini menjadi jelas ketika data historis tidak lengkap atau tidak ada. Misalnya saja, membuat model perusahaan di masa pandemi ini sulit dilakukan karena pandemi global terakhir sebesar ini terjadi satu abad yang lalu. Tidak ada data yang dapat diandalkan dari tahun 1918 untuk digunakan saat ini. Jadi, meskipun quants menggunakan data real-time seputar lalu lintas atau lowongan pekerjaan untuk mendapatkan gambaran, masih diperlukan manusia untuk memperkirakan apa artinya ini dalam waktu dekat. Big data sendiri bukanlah alat prediksi yang dapat diandalkan.

Namun dengan LLM, manusia dapat mengajukan pertanyaan bernuansa mesin yang tidak mungkin ditanyakan pada sistem pembelajaran mesin. Hal ini mengubah LLM menjadi alat produktivitas, dan pertanyaan yang berbeda akan menghasilkan hasil yang berbeda. Model big data lama pada tahun 1980an dan 1990an bertumpu pada penguraian penilaian, dan pada tahun 2010an menambahkan hal-hal seperti sentimen pasar. Sekarang ruang lingkup bertanyanya luas, sehingga memungkinkan kreativitas manusia.

“Pertanyaannya bisa menjadi keunggulan kompetitif,” kata Shen.

Mengingat apa yang digambarkan Shen sebagai masa depan cerah, apakah hal ini menunjukkan bahwa gaya manajemen aktif akan lebih unggul dibandingkan strategi pasif? Apakah investasi sistematis siap untuk mendapatkan kembali sebagian aset yang telah mengalir ke sisi ETF?

Shen tetap tidak berkomitmen. Pemenang industri ini, katanya, adalah perusahaan-perusahaan yang menggunakan AI, apa pun produknya. Jawaban yang aman. Oleh karena itu, asumsi yang masuk akal adalah bahwa persaingan baru dalam penggunaan teknologi akan menguntungkan perusahaan dengan sumber daya untuk mendapatkan data sebanyak mungkin.