BlackRock’s LLMs: “The Question Is The Advantage.”

Republicat de Platon

Urmaritori: 0

BlackRock’s LLMs: “The question is the advantage.” PlatoBlockchain Data Intelligence. Vertical Search. Ai.

O abordare bazată pe tehnologie pentru a investi bani nu este nouă, dar instrumentele din inteligența artificială oferă afacerii noi oportunități de a depăși performanțe.

Jeff Shen, co-șef de investiții din San Francisco și co-șef al capitalului propriu sistematic activ, spune că modelele de învățare a limbilor străine devin instrumente puternice.

„Suntem în mijlocul unei revoluții”, a spus el. „Datele mari, datele alternative și acum AI generativă transformă toate industriile, inclusiv managementul activelor. Există mai multe date disponibile și algoritmi mai buni pentru a capta acele date, ceea ce face ca investițiile sistematice să fie interesante.”

Patru decenii de quant

Originile echipei sistematice sunt afacerea Barclays Global Investors pe care BlackRock a achiziționat-o în 2009. Acordul a apărut atunci când Barclays, lovită puternic de criza financiară globală, și-a cedat afacerea de investiții pentru a supraviețui – și a făcut din BlackRock cel mai mare administrator de active din lume, apoi la 2.7 trilioane de dolari. .

Rădăcinile BGI datează din 1985, ca ceea ce astăzi ar putea fi considerat un fintech: o operațiune bazată pe Silicon Valley, care utilizează date mari și forme primitive de învățare automată, cu mult înainte ca acești termeni sau capabilități să intre în modă. Este un magazin quant, care folosește informații bazate pe date pentru a se concentra pe o mulțime de pariuri mici, rapide, care arbitrajează un stoc față de altul – Coca Cola versus Pepsi.

Acest lucru funcționează chiar dacă industria sau piața merge prost – Country Garden versus Evergrande. Ceea ce contează este găsirea unui avantaj mic, de scurtă durată, pe care managerul îl poate tranzacționa rapid, la scară, și apoi închide poziția. Înmulțiți astfel de tranzacții cu sute sau mii într-un portofoliu, iar firma creează o strategie mare de acțiuni cu o corelație scăzută cu valorile de referință.

Cu mai multe date, algoritmi mai buni, creșterea puterii de calcul și electronificarea piețelor de valori, BGI a apărut ca o putere de ultimă oră și continuă ca brațul sistematic al BlackRock.

De atunci, lumea ETF a decolat, făcând BlackRock cel mai mare administrator de active din lume. În septembrie 2023, firma a raportat 3.1 trilioane de dolari în fonduri tranzacționate la bursă (o afacere cu amănuntul) și alte 2.6 trilioane de dolari în fonduri indexate (pentru instituții). Grupul de servicii tehnologice al companiei, inclusiv sistemul de risc al portofoliului Aladdin, este un alt contributor important la venituri.

progresul AI

În acest context, afacerea cu acțiuni sistematice, o afacere instituțională, este modestă, la 237 de miliarde de dolari active în administrare. Shen este, desigur, optimist cu privire la divizia sa. „Investiția cuantică sistematică se află acum într-o epocă de aur”, a spus el.

Dar entuziasmul în jurul AI generativ, care include modele în limbaj natural, cum ar fi ChatGPT, oferă optimismului lui Chen oarecare credință.

Pe vremuri, tacticile cuantitatice constau în clasificarea acțiunilor americane cu capitalizare mare în funcție de valorile tradiționale (preț la carte, preț la câștig, randamentul dividendelor). Chiar și atunci, cele mai mari fonduri speculative quant au construit depozite de date de dimensiuni uimitoare. Acest lucru le-a oferit capacitatea de a genera performanță indiferent de tendințele pieței. Cele mai de succes firme au făcut mulți bani, conduse de Renaissance Technologies, care din 1988 până în 2018 a fost cea mai profitabilă (și secretă) firmă de investiții din lume.

Pașii implicați în rularea strategiilor active, cuantice sau de altă natură, s-au automatizat în mod constant. Acum informațiile pot fi citite automat, cum ar fi rapoartele brokerilor, situațiile financiare ale companiei, articolele media și statisticile guvernamentale. Procesarea în limbaj natural a făcut posibilă transformarea datelor nestructurate (orice de la un PDF până la semnătura unui avocat) citibile automat. Internetul lucrurilor și imaginile prin satelit au extins lista lucrurilor care pot fi măsurate și cuantificate. În plus, acestea oferă acum administratorilor de fonduri acces la vizualizări în timp real.

Shen citează mișcarea camioanelor. Etichetarea geospațială, balizele WiFi și imaginile prin satelit permit cumpărătorilor acestor date să urmărească flotele de camioane. Acest lucru le oferă un sentiment de trafic între furnizori și magazine, un punct de date pentru a determina cum se descurcă o companie. Construiți suficient din acestea și o firmă își poate lărgi domeniul de aplicare pentru a obține o viziune macro asupra economiei.

Introduceți GenAI

Astăzi, IA generativă adaugă un nou set de instrumente la mix. Dar nu este doar un alt mod de a analiza datele. De fapt, schimbă modul în care managerii de portofoliu înțeleg informațiile.

Shen dă exemplul unui raport de știri despre demisia unui CEO. În ultimii douăzeci de ani, firmele experte în tehnologie au folosit învățarea automată pentru a urma o abordare de tip „sac de cuvinte”. Aparatul ar analiza un text și ar căuta concentrații de cuvinte sau expresii care se corelează cu bine sau cu rău, cumpără sau vinde.

În exemplul în care CEO-ul își pierde locul de muncă, aparatul ar putea identifica șapte cuvinte relevante în paragraful de deschidere. Ar eticheta ca grupuri negative, cum ar fi „alertă”, „părăsirea companiei”, „înlocuit”, „frustrare” și „mai slab”. De asemenea, ar evidenția două expresii optimiste, „surprinzător” și „răspunde pozitiv”, dar în general greutatea negativității ar determina computerul să recomande o vânzare.

Dacă această companie ar face parte dintr-un duo Coca Cola versus Pepsi, BlackRock ar putea decide că acesta este un semnal de a trece scurt pe unul și lung pe celălalt, cu pârghie. Schimbul ar putea dura câteva ore sau câteva zile, dar viteza analizei ar oferi echipei un rezultat diferit față de masa de jucători fundamentali activi care se bazează pe o interpretare umană.

„Asta a fost stadiul tehnicii în 2007”, a spus Shen. De atunci, datele și aglosul s-au îmbunătățit, dar abordarea „bag-of-words” era încă norma. LLM-urile precum ChatGPT schimbă acest lucru.

LLM-urile iau același paragraf și, în exemplul lui Shen, concluzionează că este mai degrabă o veste pozitivă masivă decât o veste proastă. Asta pentru că nu înseamnă doar traducerea textului, ci înțelegerea acestuia în context. LLM știe că, deși există o mulțime de cuvinte negative în sus, expresia cheie este în partea de jos: „ne așteptăm ca stocul să răspundă pozitiv”.

„În ciuda faptului că este vorba despre o știre despre demisia unui CEO, LLM înțelege esența comunicatului de presă – primește concluzia”, a spus Shen.

Date și algos

Deși acest exemplu este conceput pentru prezentările BlackRock către jurnaliști, implicația este că un magazin sistematic care adaugă LLM-uri la mix ar trebui să aibă rezultate mai bune. În acest exemplu ordonat, de fapt, managerului de portofoliu i se dă un răspuns complet diferit.

Viața reală nu este atât de îngrijită, dar Shen spune că LLM-urile sunt următorul val de instrumente concepute pentru a oferi unui manager un avantaj mic. Firme precum BlackRock folosesc acum LLM-uri pe seturi de date proprietare, pentru a instrui modelele pe date financiare și alte tipuri specifice de date. El spune că BlackRock găsește că LLM-urile sale proprietare au un avantaj față de ChatGPT (care este antrenat pe internet în general).

Acest lucru aduce quants înapoi la aceleași vechi elemente de bază: cine are cele mai bune date și cele mai bune mijloace de a le curăța; și apoi cine are cei mai deștepți algos. Dar LLM-urile adaugă și aici o altă zbârcire, ajutând oamenii să-și îmbunătățească mijloacele de judecată.

Atingerea umană

Deși unele magazine quantistice, cum ar fi RenTec, erau renumite pentru că își urmăreau computerele, Shen spune că strategiile sistematice necesită încă decizii umane. Acest lucru devine clar uneori când datele istorice sunt incomplete sau nu există. De exemplu, modelarea unei companii în timpul Covid a fost dificilă, deoarece ultima pandemie globală de această amploare a avut loc acum un secol. Nu există date fiabile din 1918 care să fie folosite astăzi. Așadar, în timp ce quants foloseau date în timp real despre trafic sau postări de locuri de muncă pentru a obține o vizionare, era totuși nevoie de un om pentru a extrapola ceea ce înseamnă acest lucru pentru viitorul apropiat. Big Data, în sine, nu a fost un predictor de încredere.

Dar cu LLM-urile, oamenii pot pune mașinii întrebări nuanțate care erau imposibil de adresat unui sistem de învățare automată. Acest lucru transformă LLM într-un instrument de productivitate, iar întrebări diferite duc la rezultate diferite. Vechile modele de date mari din anii 1980 și 1990 s-au bazat pe analizarea evaluărilor, iar în anii 2010 au adăugat lucruri precum sentimentul pieței. Acum, domeniul de aplicare a întrebărilor este larg, ceea ce permite creativitatea umană.

„Întrebarea poate fi un avantaj competitiv”, a spus Shen.

Având în vedere ceea ce Shen descrie ca un viitor strălucit, sugerează acest lucru că stilurile de management activ vor începe să depășească performanța față de strategiile pasive? Sunt investițiile sistematice gata să recupereze unele dintre activele care au ajuns în partea ETF a casei?

Shen a rămas fără angajament. Câștigătorii din industrie, spune el, sunt acele firme care îmbrățișează AI, indiferent de produs. Un răspuns sigur. Prin urmare, o presupunere sigură va fi că noua competiție care folosește tehnologia va avantaja firmele cu resursele necesare pentru a pune mâna pe cât mai multe date posibil.