BlackRocks LLM-er: "Spørsmålet er fordelen."

Publisert av Platon

Følgere: 0

BlackRocks LLM-er: "Spørsmålet er fordelen." PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

En teknologi-første tilnærming til å investere penger er ikke ny, men verktøyene innen kunstig intelligens gir virksomheten nye muligheter til å prestere bedre.

Jeff Shen, San Francisco-basert investeringsdirektør og medsjef for systematisk aktiv egenkapital, sier språklæringsmodeller blir kraftige verktøy.

"Vi er midt i en revolusjon," sa han. "Big data, alternative data og nå generativ AI transformerer alle bransjer, inkludert kapitalforvaltning. Det er mer data tilgjengelig og bedre algoritmer for å fange disse dataene, og det gjør systematisk investering spennende.»

Fire tiår med kvant

Det systematiske teamets opprinnelse er Barclays Global Investors-virksomheten som BlackRock kjøpte opp i 2009. Avtalen oppsto da Barclays, hardt rammet av den globale finanskrisen, overga sin investeringsvirksomhet for å overleve – og gjorde BlackRock til verdens største kapitalforvalter, da på 2.7 billioner dollar. .

BGIs røtter går tilbake til 1985 som det som i dag kan betraktes som en fintech: en Silicon Valley-basert operasjon som bruker big data og primitive former for maskinlæring, lenge før disse begrepene eller egenskapene kom på moten. Det er en kvant butikk som bruker datadrevet innsikt for å nullstille mange små, raske veddemål som arbitragerer en aksje mot en annen – Cola versus Pepsi.

Dette fungerer selv om industrien eller markedet gjør det dårlig – Country Garden versus Evergrande. Det som teller er å finne en liten, kortvarig fordel som lederen kan handle raskt, i stor skala og deretter lukke posisjonen. Multipliser slike handler med hundrevis eller tusenvis på tvers av en portefølje, og firmaet lager en stor aksjestrategi med lav korrelasjon til benchmarks.

Med mer data, bedre algoritmer, økende datakraft og elektronifisering av aksjemarkeder, hadde BGI dukket opp som et banebrytende kraftsenter og fortsetter som BlackRocks systematiske arm.

Siden den gang har ETF-verdenen tatt fart, noe som gjør BlackRock til verdens største kapitalforvalter. Fra september 2023 rapporterte firmaet 3.1 billioner dollar i børshandlede fond (en detaljhandel) og ytterligere 2.6 billioner dollar i indeksfond (for institusjoner). Firmaets teknologitjenestegruppe, inkludert Aladdin-porteføljerisikosystemet, er en annen viktig bidragsyter til inntektene.

AIs fremgang

I denne sammenhengen er den systematiske aksjevirksomheten, en institusjonell virksomhet, beskjeden, med 237 milliarder dollar i forvaltningskapital. Shen er selvfølgelig optimistisk om divisjonen sin. "Systematiske kvantinvesteringer er nå i en gullalder," sa han.

Men spenningen rundt generativ AI, som inkluderer naturlige språkmodeller som ChatGPT, gir Chens optimisme en viss tro.

I gamle dager besto kvanttaktikken i å rangere amerikanske storselskapsaksjer etter tradisjonelle beregninger (pris til bok, pris til inntjening, utbytteavkastning). Selv da bygde de største kvant hedgefondene datavarehus av forbløffende størrelse. Dette ga dem muligheten til å generere ytelse uavhengig av markedstrender. De mest suksessrike firmaene tjente mye penger, ledet av Renaissance Technologies, som fra 1988 til 2018 var verdens mest lønnsomme (og hemmelighetsfulle) investeringsselskap.

Trinnene som er involvert i å kjøre aktive strategier, kvant eller annet, har jevnlig automatisert. Informasjon er nå maskinlesbar, slik som meglerrapporter, selskapsøkonomi, mediehistorier og statlig statistikk. Naturlig-språkbehandling gjorde det mulig å gjøre ustrukturerte data (alt fra en PDF til en advokats signatur) maskinlesbare. Internet of Things og satellittbilder har utvidet listen over ting som kan måles og kvantifiseres. Dessuten gir disse nå fondsforvaltere tilgang til sanntidsvisninger.

Shen siterer bevegelsen av lastebiler. Geospatial tagging, WiFi-beacons og satellittbilder gjør det mulig for kjøpere av disse dataene å spore lastebilflåter. Dette gir dem en følelse av trafikk mellom leverandører og butikker, ett datapunkt for å bestemme hvordan et selskap har det. Bygg nok av disse, og et firma kan utvide sitt omfang for å få et makrobilde av økonomien.

Skriv inn GenAI

I dag legger generativ AI til et nytt sett med verktøy til blandingen. Men det er ikke bare en annen måte å knuse data på. Det endrer faktisk måten porteføljeforvaltere forstår informasjon på.

Shen gir eksempel på en nyhetsrapport om en administrerende direktør som går av. De siste tjue årene har teknologikyndige firmaer brukt maskinlæring for å følge en "bag of words"-tilnærming. Maskinen ville analysere en tekst og se etter konsentrasjoner av ord eller setninger som korrelerer med godt eller dårlig, kjøp eller salg.

I eksemplet med administrerende direktør som mister jobben, kan maskinen identifisere syv relevante formuleringer i åpningsavsnittet. Det vil merkes som negative klynger som 'varsling', 'forlate selskapet', 'erstattes', 'frustrasjon' og 'svakere'. Det vil også fremheve to positive uttrykk, "overraskende" og "reager positivt", men totalt sett vil vekten av negativitet få datamaskinen til å anbefale et salg.

Hvis dette selskapet var en del av en Coke versus Pepsi-duo, kan BlackRock bestemme at dette var et signal om å gå kort den ene og forlenge den andre, med innflytelse. Handelen kan vare noen timer eller noen dager, men hastigheten på analysen vil gi laget et annet resultat enn massen av aktive fundamentale spillere som stoler på en menneskelig tolkning.

"Det var toppmoderne i 2007," sa Shen. Siden den gang har dataene og agloene blitt bedre, men bag-of-word-tilnærmingen var fortsatt normen. LLM-er som ChatGPT endrer dette.

LLM-er tar samme avsnitt og konkluderer i Shens eksempel at det er en massiv positiv snarere enn en dårlig nyhet. Det er fordi det ikke bare er å oversette tekst, men å forstå den i sammenheng. LLM vet at selv om det er en haug med negative ord øverst, er nøkkelsetningen nederst: "vi forventer at aksjen vil reagere positivt".

"Til tross for at dette er en nyhet om at en administrerende direktør går av, forstår LLM kjernen av pressemeldingen - den får punchline," sa Shen.

Data og algoer

Selv om dette eksemplet er designet for BlackRock-presentasjoner til journalister, er implikasjonen at en systematisk butikk som legger til LLM-er til blandingen, bør gi bedre resultater. I dette ryddige eksemplet får faktisk porteføljeforvalteren et helt annet svar.

Det virkelige livet er ikke så pent, men Shen sier at LLM-er er den neste bølgen av verktøy utviklet for å gi en leder en liten fordel. Firmaer som BlackRock bruker nå LLM-er på proprietære datasett, for å trene modellene på økonomiske og andre spesifikke typer data. Han sier at BlackRock finner ut at deres proprietære LLM-er har en fordel over ChatGPT (som er trent på internett for øvrig).

Dette bringer kvanter tilbake til det samme gamle grunnleggende: hvem har de beste dataene og de beste måtene å skrubbe dem på; og så hvem har de smarteste algoene. Men LLM-er legger til en annen rynke her også, ved å hjelpe mennesker med å forbedre dømmekraften.

Den menneskelige berøring

Selv om noen quant-butikker som RenTec var beryktet for bare å følge datamaskinene sine, sier Shen at systematiske strategier fortsatt krever menneskelige beslutninger. Dette blir tydelig til tider når de historiske dataene er ufullstendige eller ikke eksisterer. For eksempel var det vanskelig å modellere et selskap under Covid fordi den siste globale pandemien av denne størrelsesorden fant sted for et århundre siden. Det er ingen pålitelige data fra 1918 å bruke i dag. Så mens quants brukte sanntidsdata rundt trafikk eller stillingsannonser for å få en visning, krevde det fortsatt et menneske å ekstrapolere hva dette betydde for den nærmeste fremtiden. Big data i seg selv var ikke en pålitelig prediktor.

Men med LLM-er kan menneskene stille maskinnyanserte spørsmål som var umulig å stille et maskinlæringssystem. Dette gjør LLM til et produktivitetsverktøy, og ulike spørsmål fører til ulike utfall. De gamle big-data-modellene på 1980- og 1990-tallet hviler på å analysere verdivurderinger, og på 2010-tallet la de til ting som markedssentiment. Nå er omfanget av avhør bredt, noe som muliggjør menneskelig kreativitet.

"Spørsmålet kan være et konkurransefortrinn," sa Shen.

Gitt det Shen skildrer som en lys fremtid, tyder dette på at aktive ledelsesstiler vil begynne å prestere bedre enn passive strategier? Er systematiske investeringer klar til å ta igjen noen av eiendelene som har strømmet til ETF-siden av huset?

Shen forble uforpliktende. Bransjevinnerne, sier han, er de firmaene som omfavner AI, uavhengig av produktet. Et trygt svar. Derfor vil en sikker antagelse være at den nye konkurransen som bruker teknologi, vil fordele bedrifter med ressurser til å få tak i så mye data som mulig.