BlackRock の LLM: 「質問は利点です。」

プラトン再発行

フォロワー： 0

BlackRock の LLM: 「問題は利点です。」 PlatoBlockchain データインテリジェンス。垂直検索。あい。

資金を投資するためのテクノロジー優先のアプローチは新しいものではありませんが、人工知能のツールはビジネスに優れたパフォーマンスを発揮する新たな機会を与えています。

サンフランシスコを拠点とする共同最高投資責任者でシステマティック・アクティブ・エクイティの共同責任者であるジェフ・シェン氏は、言語学習モデルが強力なツールになりつつあると語る。

「私たちは革命の真っ只中にいます」と彼は言いました。「ビッグデータ、代替データ、そして現在では生成型 AI が、資産管理を含むあらゆる業界を変革しつつあります。利用可能なデータが増え、そのデータを取得するためのより優れたアルゴリズムが存在するため、体系的な投資が魅力的になっています。」

XNUMX年にわたるクオンツ

この体系的なチームの起源は、ブラックロックが2009年に買収したバークレイズ・グローバル・インベスターズ事業である。この取引は、バークレイズが世界金融危機で大きな打撃を受け、生き残るために投資事業を放棄したときに浮上し、ブラックロックを当時2.7兆XNUMX億ドルの世界最大の資産運用会社にした。。

BGI のルーツは、今日フィンテックとみなされるものとして 1985 年に遡ります。これは、これらの用語や機能が流行するずっと前に、ビッグデータと原始的な形式の機械学習を使用したシリコンバレーを拠点とする事業です。これはクオンツショップであり、データ主導の洞察を使用して、ある銘柄と別の銘柄、つまりコーラ対ペプシの裁定を行う多数の小規模で迅速な賭けに的を絞ります。

これは、カントリーガーデンとエバーグランデのように、業界や市場の業績が悪い場合でも機能します。重要なのは、マネージャーが迅速かつ大規模に取引してポジションを決済できる、小さくて短命なエッジを見つけることです。このような取引をポートフォリオ全体で数百、数千倍に増やすと、企業はベンチマークとの相関性が低い大規模な株式戦略を作成します。

より多くのデータ、より優れたアルゴリズム、増大するコンピューティング能力、株式市場の電子化により、BGI は最先端の有力企業として台頭し、現在も BlackRock の組織部門として活動を続けています。

それ以来、ETF の世界は飛躍し、ブラックロックは世界最大の資産運用会社になりました。 2023年3.1月の時点で、同社は上場投資信託（個人事業）が2.6兆ドル、インデックスファンド（機関投資家向け）がさらにXNUMX兆ドルあると報告している。 Aladdin ポートフォリオリスクシステムを含む同社のテクノロジーサービスグループも、収益に大きく貢献しています。

AIの進歩

これに関連して、機関投資家向けビジネスであるシステマティック・エクイティ・ビジネスの運用資産は237億ドルと小規模である。もちろんシェン氏は自分の部門については強気だ。同氏は「体系的なクオンツ投資は現在黄金時代にある」と述べた。

しかし、ChatGPT などの自然言語モデルを含む生成 AI をめぐる興奮は、チェン氏の楽観論にある程度の信憑性を与えています。

かつてのクオンツ戦術は、伝統的な指標（純資産価値、利益収益率、配当利回り）に基づいて米国の大型株をランク付けすることで構成されていました。それでも、最大手のクオンツヘッジファンドは驚くべき規模のデータウェアハウスを構築した。これにより、市場の傾向に関係なくパフォーマンスを生み出すことができるようになりました。最も成功した企業は、1988 年から 2018 年まで世界で最も収益性の高い（そして秘密主義の）投資会社であったルネッサンステクノロジーズを筆頭に、多額の利益を上げました。

クオンツかどうかにかかわらず、アクティブ戦略の実行に関わるステップは着実に自動化されてきました。ブローカーのレポート、企業財務、メディア記事、政府統計などの情報が機械で読み取り可能になりました。自然言語処理により、非構造化データ (PDF から弁護士の署名まで) を機械可読に変換できるようになりました。モノのインターネットと衛星画像により、測定および定量化できるもののリストが拡大しました。さらに、これらによりファンドマネージャーはリアルタイムのビューにアクセスできるようになりました。

沈氏はトラックの動きを挙げた。地理空間タグ付け、WiFi ビーコン、衛星画像により、このデータの購入者はトラック群を追跡できます。これにより、サプライヤーと店舗間のトラフィックを把握でき、企業の経営状況を判断する XNUMX つのデータポイントが得られます。これらを十分に構築すれば、企業は経済のマクロな視点を得るために範囲を広げることができます。

GenAIを入力してください

現在、生成 AI には新しいツールセットが追加されています。しかし、これは単なるデータ処理の方法ではありません。実際、ポートフォリオマネージャーが情報を理解する方法が変わります。

シェン氏は、CEOの辞任に関する報道の例を挙げています。過去 XNUMX 年間、テクノロジーに精通した企業は機械学習を使用して「バッグオブワード」アプローチを採用してきました。機械はテキストを解析し、良いか悪いか、売りか買いかに関連する単語やフレーズの集中を探します。

CEO が職を失った例では、マシンは冒頭の段落で XNUMX つの関連する文言を識別する可能性があります。これには、「警戒」、「会社を辞める」、「異動」、「不満」、「弱体化」などのネガティブなクラスターとしてタグ付けされます。また、「驚くべき」と「前向きな反応」という XNUMX つの明るい表現も強調表示されますが、全体的には否定的な表現が多いため、コンピューターは売りを推奨することになります。

もしこの会社がコーラとペプシのコンビの一員だったら、ブラックロックはこれがレバレッジをかけて一方をショートし、もう一方をロングする合図だと判断するかもしれない。トレードは数時間または数日続くかもしれないが、分析のスピードにより、人間の解釈に依存する大勢のアクティブなファンダメンタルズプレーヤーとは異なる結果がチームに与えられるだろう。

「それが 2007 年の最先端技術でした」とシェン氏は言います。それ以来、データとアグロは改善されましたが、バッグオブワードアプローチは依然として標準でした。 ChatGPT などの LLM はこれを変えようとしています。

LLM も同じ段落を取り上げ、Shen 氏の例では、これは悪いニュースではなく、非常に前向きなニュースであると結論付けています。それは単にテキストを翻訳するだけではなく、文脈を理解する必要があるからです。 LLM は、上部には否定的な言葉がたくさんあるものの、キーワードは下部にあることを知っています。「株価は前向きに反応すると予想しています」ということです。

「これはCEOの辞任に関するニュースであるにもかかわらず、LLMはプレスリリースの要点を理解しており、それがオチになっている」とシェン氏は語った。

データとアルゴリズム

この例はジャーナリストに対する BlackRock のプレゼンテーション用に設計されていますが、これは、体系的に LLM をミックスに追加するショップのパフォーマンスが向上するはずであることを意味します。このきちんとした例では、実際、ポートフォリオマネージャーにはまったく異なる答えが与えられています。

現実の生活はそれほどきれいなものではありませんが、LLM はマネージャーにわずかな優位性を与えるために設計されたツールの次の波であるとシェン氏は言います。 BlackRock などの企業は現在、財務データやその他の特定の種類のデータでモデルをトレーニングするために、独自のデータセットで LLM を使用しています。同氏は、BlackRock は自社独自の LLM が ChatGPT (インターネット全体でトレーニングされる) よりも優位性があることに気づいていると述べています。

これにより、クオンツは同じ古い基本に戻ります。つまり、誰が最良のデータとそれをスクラブする最良の手段を持っているのかということです。そして誰が最も賢いアルゴリズムを持っているのか。しかし、LLM は人間の判断手段の向上を支援することで、ここにもさらなる問題を追加します。

人間のタッチ

RenTec などのクオンツショップの一部はコンピューターに従っているだけで悪名高いが、体系的な戦略には依然として人間の判断が必要だとシェン氏は言う。これは、履歴データが不完全であるか存在しない場合に明らかになります。たとえば、この規模の最後の世界的パンデミックは 1918 世紀前に発生したため、新型コロナウイルス感染症の最中に企業をモデル化するのは困難でした。現在使用できる XNUMX 年の信頼できるデータはありません。したがって、クオンツは状況を把握するために交通状況や求人情報に関するリアルタイムデータを使用していましたが、これが近い将来に何を意味するかを推定するには依然として人間が必要でした。ビッグデータ自体は信頼できる予測材料ではありませんでした。

しかし、LLM を使用すると、人間は機械学習システムには不可能だった微妙な質問を機械に尋ねることができます。これにより、LLM が生産性ツールに変わり、質問が異なれば結果も異なります。 1980 年代と 1990 年代の古いビッグデータモデルは評価の解析に基づいていましたが、2010 年代には市場センチメントなどが追加されました。今では問いの範囲が広くなり、人間の創造性が可能になりました。

「この質問が競争上の優位性になる可能性があります」とシェン氏は言う。

シェン氏が明るい未来として描いていることを考えると、これはアクティブな管理スタイルがパッシブな戦略よりも優れたパフォーマンスを発揮し始めることを示唆しているのでしょうか? 計画的な投資はETF側に流れた資産の一部を取り戻す準備ができているのだろうか？

沈氏は態度を変えなかった。同氏によれば、業界の勝者は、製品に関係なく、AIを導入している企業だという。無難な答え。したがって、テクノロジーを利用した新たな競争により、可能な限り多くのデータを入手するリソースを持つ企業が有利になると考えて間違いありません。