GenAI นำเสนอ Quant Funds ด้วยความไม่แน่ใจ

เผยแพร่ซ้ำโดยเพลโต

ผู้ติดตาม: 0

GenAI นำเสนอกองทุนเชิงปริมาณด้วย PlatoBlockchain Data Intelligence ที่ไม่แน่ใจ ค้นหาแนวตั้ง AI.

กองทุนเชิงปริมาณเป็นผู้ใช้ปัญญาประดิษฐ์รายใหญ่ที่สุดในโลกแห่งการจัดการสินทรัพย์มายาวนาน อย่างไรก็ตาม การเกิดขึ้นของ generative AI อาจเป็นประโยชน์ต่อผู้จัดการสินทรัพย์ที่ขับเคลื่อนด้วยปัจจัยพื้นฐานแบบดั้งเดิมมากกว่าปริมาณ

นั่นคือข้อกังวลที่ผู้จัดการกองทุนควอนต์และผู้ให้บริการข้อมูลหลายรายในเอเชียแสดงออกมา ดิกฟิน.

“แอปพลิเคชัน AI ในด้านการเงินยังหาได้ยาก” ผู้จัดการฝ่ายควอนตัมคนหนึ่งกล่าว “นักวิทยาศาสตร์ด้านข้อมูลไม่ได้นำข้อมูลดังกล่าวไปใช้กับตลาดทุน แต่หากใช้เครื่องมือเหล่านี้เพื่อซื้อขายหุ้น ภาพรวมก็จะเปลี่ยนไป จะมีผู้ชนะและผู้แพ้รายใหม่”

ปริมาณคืออะไร?

Quants ซื้อและขายหุ้นตามพลังการประมวลผลมหาศาลและโปรแกรมซอฟต์แวร์ที่ปรับแต่งเองซึ่งจำลองกลยุทธ์การลงทุน ปริมาณที่เพิ่มขึ้นเกิดขึ้นพร้อมกับการที่อัตราดอกเบี้ยลดลงมานานหลายทศวรรษและการลงทุนเชิงรับที่เพิ่มขึ้น ซึ่งเป็นแนวโน้มสองประการที่ทำให้การหยิบสินค้าโดยมนุษย์กลายเป็นธุรกิจที่มีการแข่งขันน้อยลง

การใช้การซื้อขายแบบอัลกอริทึมหรือแบบตั้งโปรแกรมอย่างเป็นระบบได้ก่อให้เกิดอุตสาหกรรม 'การลงทุนอย่างเป็นระบบ' โดยบริษัทที่ใช้แพลตฟอร์มของผู้จัดการกลยุทธ์เดียวที่ไล่ตามกลยุทธ์เฉพาะหรือ 'ปัจจัย' (เช่น อัตราดอกเบี้ยหรือความผันผวนของตลาด)

นักลงทุนดังกล่าวไม่สนใจที่จะเป็นผู้ถือหุ้น เพียงแต่ต้องการซื้อและขายหุ้นอย่างรวดเร็วเพื่อขับเคลื่อนกลยุทธ์: ยาว/สั้น ตลาดเป็นกลาง การเก็งกำไรทางสถิติ ขับเคลื่อนด้วยเหตุการณ์ มีการทับซ้อนกับโลกการซื้อขายที่มีความถี่สูง โดยที่ความเหมือนกันคือการเทรดที่มีแนวคิดและขับเคลื่อนด้วยตัวเลขล้วนๆ

AI ผู้จับเวลาเก่า

แนวคิดเหล่านี้ไม่ใช่เรื่องใหม่ แต่ความพร้อมใช้งานของพลังการประมวลผลและชุดข้อมูลขนาดใหญ่ได้กระตุ้นให้ปริมาณปริมาณเพิ่มขึ้นในช่วงสองทศวรรษที่ผ่านมา ในช่วงสิบปีที่ผ่านมา Quants เป็นผู้ริเริ่มนำเทคนิค AI ใหม่ๆ เช่น การเรียนรู้ของเครื่อง และการใช้โครงข่ายประสาทเทียม พวกเขากลายเป็นผู้บริโภคข้อมูลทางเลือกอย่างโลภ เช่น การวิเคราะห์ความรู้สึกจากฟีดโซเชียลมีเดีย

ปัญหาใหญ่ที่สุดของนักลงทุนเชิงปริมาณคือ 'ความสามารถในการอธิบาย' ซึ่งเป็นคำศัพท์ล่าสุดสำหรับ AI ที่ย้อนกลับไปถึง 'กล่องดำ' ของเชิงปริมาณ การล่มสลายของการจัดการทุนระยะยาวในปี 1998 เป็นตัวอย่างที่ชัดเจนของความเสี่ยงนี้ โดยเฉพาะอย่างยิ่งเมื่อมีการใช้ปริมาณเป็นหลัก

แต่ตั้งแต่นั้นเป็นต้นมา ร้านควอนต์อย่าง Citadel, DE Shaw, Man AHL, Millennium Management, Renaissance Technologies และ Two Sigma ได้กลายเป็นบริษัทด้านการซื้อที่ใหญ่ที่สุดและมีอิทธิพลมากที่สุดใน Wall Street ความสำเร็จของพวกเขาได้กระตุ้นให้บริษัทกองทุนแบบดั้งเดิม เช่น BlackRock หรือ Fidelity เปิดตัวกลยุทธ์เชิงปริมาณของตนเอง

พวกเขายังดำเนินการในตลาดที่ไม่ใช่สหรัฐอเมริกาซึ่งพวกเขาสามารถค้นหาสภาพคล่อง โครงสร้างพื้นฐานการซื้อขายที่มีความหน่วงต่ำ และเครื่องมือป้องกันความเสี่ยง (เช่น ETF หรือสัญญาซื้อขายล่วงหน้าที่ติดตามดัชนีตลาดท้องถิ่น) ญี่ปุ่นเป็นตลาดที่ใหญ่ที่สุดในเอเชียแปซิฟิก แต่ปัจจุบันอินเดียเป็นตลาดหลัก (ปัญหาหนึ่งในเอเชียคือความไม่แน่นอนด้านกฎระเบียบ เนื่องจากการสั่งห้ามการขายชอร์ตของเกาหลีใต้และการแทรกแซงของรัฐบาลที่เพิ่มขึ้นในจีนเมื่อเร็ว ๆ นี้ เป็นหลักฐานยืนยัน)

Quant fund จึงไม่ใช่แค่ผู้ล่าที่มีอิทธิพลเท่านั้น แต่ยังอยู่ในระดับแนวหน้าในการนำเทคโนโลยีดิจิทัลใหม่ๆ มาใช้อีกด้วย

เข้าสู่ GenAI

ซึ่งทำให้การพัฒนาใหม่ๆ ใน AI กลายเป็นปริศนาสำหรับปริมาณ

แน่นอนว่าบริษัทเหล่านี้จะใช้โมเดลภาษาขนาดใหญ่ (LLM) ซึ่งเกิดขึ้นได้จากหม้อแปลงไฟฟ้าที่ผ่านการฝึกอบรมมาแล้วเต็มขอบเขต

จอกศักดิ์สิทธิ์สำหรับควอนต์คือการเปลี่ยน LLM ให้เป็นเครื่องมือในการทำนาย มนุษย์จะมีปฏิสัมพันธ์กับเพื่อนคอมพิวเตอร์เพื่อตรวจจับรูปแบบข้ามอนุกรมเวลาและชุดข้อมูลอื่นๆ ในความเป็นจริง Quant ทำเช่นนี้แล้ว เพียงแต่ว่า LLM ควรทำให้กระบวนการนี้ใช้งานง่ายขึ้น ผสานรวมข้อมูลที่ไม่ใช่ข้อความได้ดีขึ้น และช่วยให้นักพัฒนาสร้างโมเดลได้เร็วขึ้นมาก

นอกจากนี้ Quant stores จะใช้ genAI เพื่อวัตถุประสงค์ทั่วไป เช่น การเรียนรู้วิธีการเขียนรายงานด้านกฎระเบียบ การตีความรายงานรายได้ หรือกรองข้อมูลในการนำเสนอข้อมูล การเริ่มต้นใช้งานลูกค้าและฟังก์ชัน back-office อื่นๆ สามารถเป็นแบบอัตโนมัติเพิ่มเติมได้

แต่ไม่มีอะไรลึกลับเกี่ยวกับร้านค้า Quant ที่ทำสิ่งเหล่านี้ เพราะมันเป็นสิ่งเดียวกับที่คนอื่นๆ จะใช้ genAI เพื่อ

ทุกคนทำมัน

ความแตกต่างอยู่ที่การพัฒนาโมเดลการลงทุนเชิงคาดการณ์และอัลกอริธึมการดำเนินการ นั่นคือสิ่งที่ทำให้ปริมาณมีความพิเศษ แต่สัญญาณเริ่มต้นบ่งชี้ว่า genAI จะช่วยให้ผู้จัดการสินทรัพย์แบบเดิมสามารถทำสิ่งเหล่านี้ได้เช่นกัน เช่นเดียวกับผู้จัดการกองทุนหุ้นเอกชน ซึ่งเป็นธุรกิจที่ไม่เป็นระบบอัตโนมัติที่ฉาวโฉ่ ซึ่งสามารถใช้ LLM เพื่อตัดสินใจลงทุนอย่างเป็นระบบและขับเคลื่อนด้วยข้อมูลมากขึ้น

ผู้จัดการสินทรัพย์จะต้องเผชิญกับคำถามกับ LLM และแนวโน้มที่จะชดเชย ผลิตภัณฑ์เช่น ChatGPT ของ OpenAI ถือเป็นกล่องดำขั้นสุดยอด แม้ว่ากองทุนเชิงปริมาณจะต้องอาศัย AI เพื่อกำหนดกลยุทธ์ แต่สิ่งเหล่านี้ยังคงดำเนินการโดยผู้เชี่ยวชาญที่มีใบอนุญาตซึ่งเข้าใจถึงการขยายสาขาของแนวคิดทางการค้า นั่นไม่ใช่กรณีของเครื่องมือ genAI

วิศวกรรมที่รวดเร็วสามารถเพิ่มมูลค่าได้ด้วยการให้ความโปร่งใสโดยการซักถาม LLM เพื่อทำความเข้าใจกระบวนการ ตลอดจนปัจจัยและแหล่งที่มาที่ใช้ในการตัดสินใจ ตามทฤษฎีแล้วเป็นไปได้ว่าวันหนึ่ง LLM จะโปร่งใสและมีความรับผิดชอบมากกว่ามนุษย์

แม้ว่าแนวคิดในการมอบเงินลงทุนให้กับเครื่องจักรจะทำให้เป็นหัวข้อข่าวที่ดี แต่ quant ก็มีแนวโน้มที่จะใช้ LLM ในรูปแบบที่เฉพาะเจาะจงมากขึ้น

ตัวอย่างเช่น พวกเขาต้องการเครื่องมือในการระบุต้นทุนเสียดทานที่แท้จริงของการค้า ซึ่งเกี่ยวข้องกับการศึกษาเชิงลึกเกี่ยวกับโครงสร้างตลาดขนาดเล็ก ตัวชี้วัดทั่วไปในการชั่งน้ำหนักผลการดำเนินงานของเทรดเดอร์เรียกว่า 'การขาดแคลนการดำเนินการ' เพื่อดูว่าพวกเขาใช้งบประมาณสำหรับการซื้อขายแต่ละครั้งได้มากเพียงใด อัลกอสดังกล่าวมีความซับซ้อนมากขึ้นแล้ว เนื่องจากบริษัทค้นหาช่วงเวลาในระหว่างวันที่สภาพคล่องสุกงอมหรือเมื่อพวกเขาสามารถซื้อขายได้โดยไม่ต้องเปิดเผยมือของพวกเขา

นี่เป็นเรื่องเกี่ยวกับการค้นหาสัญญาณตลาด ซึ่งเป็นหัวใจหลักของภารกิจของ Quant มีแนวโน้มว่าร้านค้า Quant จะใช้ genAI เพื่อพัฒนาวิธีที่ดีกว่าในการทำนายเวลาและสถานที่ที่ดีที่สุดในการดำเนินการซื้อขาย

สิ่งนี้ยังคงมีประโยชน์มาก แต่ก็ไม่ใช่ว่าใครจะยื่นกุญแจรถให้เทอร์มิเนเตอร์ AI ก็ไม่เอาชนะอุปสรรคที่ใหญ่ที่สุดในตลาดเอเชีย ซึ่งก็คือการขาดแคลนเครื่องมือป้องกันความเสี่ยง ตามมาด้วยต้นทุนสูงในการป้องกันความเสี่ยงเมื่อมีสัญญา

ที่สำคัญกว่านั้น นี่ไม่ได้เฉพาะเจาะจงกับปริมาณเท่านั้น ฝ่ายซื้อแบบดั้งเดิมรายใหญ่ยังใช้อัลกอสการดำเนินการเหล่านี้ ไม่ว่าจะออกแบบภายในบริษัทหรือโดยนายหน้าฝ่ายขาย

คำถามที่มีอยู่สำหรับ quant คือวิธีที่พวกเขารักษาความได้เปรียบไว้เมื่อเครื่องมือ genAI สามารถทำให้สิ่งที่พวกเขาทำมากมายพร้อมใช้งานสำหรับผู้จัดการสินทรัพย์ขั้นพื้นฐาน ร้านค้าของ Quant หลีกเลี่ยงประเด็นสำคัญในส่วนหนึ่งเพราะพวกเขาถือว่าโมเดล AI และอัลกอสการดำเนินการของพวกเขาเป็นซอสสูตรลับ genAI สามารถเปลี่ยนสิ่งเหล่านี้ให้เป็นสินค้าโภคภัณฑ์ได้หรือไม่? วิศวกรรมพร้อมท์ของคุณแตกต่างแค่ไหน?

ดังที่ Quant กล่าวไว้ “AI เป็นส่วนหนึ่งของชุดเครื่องมือของเรามานานหลายปี GenAI ไม่ได้กำจัดอุปสรรค แต่จะมอบประโยชน์ให้กับผู้จัดการขั้นพื้นฐานที่กระตือรือร้นมากขึ้น โดยทำให้พวกเขามีประสิทธิภาพมากขึ้นในการรวบรวมและวิเคราะห์ข้อมูล เมื่อบริษัทเหล่านั้นเข้าใจปัจจัยขับเคลื่อนผลตอบแทน พวกเขาจะกลายเป็นคู่แข่งของเรา”