تمويل
المستثمرون المؤسسيون يبحثون عن العائدات. يمكن لمجموعات الآلة المساعدة في العثور عليها
بواسطة نيكولاس آبي، wsp-Founder & COO of Boosted.ai
كيف يمكن للمستثمرين الحصول على أفضل ما في العالمين من النهج الكمية والأساسية؟ من خلال تنفيذ طبقات التعلم الآلي، يكتب نيك آبي، wsp-Founder و Chief Operating Officer of Boosted.ai. يتركون مدراء الأساسيات المكاسب على الطاولة من خلال عدم التكيف مع التكنولوجيا المتغيرة وطالب المستثمرين المؤسسيين. يثبت آبي أن الجمع بين خبرتهم في مجال المالية مع أدوات الذكاء الاصطناعي المتطورة يمكن أن يزيد من ألفا وشارب.
تعتبر كلتا جانبي طيف الاستثمار – الكمية والأساسية – لديها مشاكل في الآونة الأخيرة. حتى أكثر المستثمرين المتقدمين عانوا في عام 2020 بسبب التقلبات غير المتوقعة التي جلبتها جائحة كوفيد-19 إلى السوق.
لقد كانت النهج الكمية تبني ببطء داخل مدراء الأصول الكبيرة حيث يخلقون فرق الكمية الخاصة بهم. ومع ذلك، فإن وعد الحصول على حافة من التكنولوجيا الحديثة قد واجه صعوبات في وضع التعلم الآلي الناجح في الممارسة، ويرجع ذلك في الغالب إلى الخبرة المطلوبة وتكلفة عالية لتطوير برنامج يعمل.
تستخدم المحلات الكمية الناجحة أطنان من أصحاب الدكتوراه وscientists البيانات والمهندسين لفهم كميات كبيرة من البيانات المعقدة – وحتى ذلك الحين في بعض الأحيان فشلوا. العثور على القوة التنبؤية من البيانات هو صعب، وأحداث السواد الأسود مثل كوفيد-19 والتحولات الأخرى في النظام يمكن أن تجعل تلك البيانات عفا عليها الزمن دون إشراف بشري.
أوجه القصور الأساسية
يعرف معظم الناس مبادئ التحليل الأساسي – دراسة البيانات المالية وتضمين العوامل الاقتصادية لاتخاذ قرارات حول مكان يجب على المستثمرين الاستثمار للحصول على أفضل العائدات مع考虑 الأهداف وtolerance للمخاطر. مارس المستثمرون هذا النهج المتطلب للوقت لتقديم العائدات لسنوات عديدة. ومع ذلك، يعتاد بعضهم على الاستفادة من التكنولوجيا الحديثة مثل التعلم الآلي والبيانات البديلة لتحسين الأداء وتحليل المعلومات في وقت أقصر وتقليل أي تحيزات认知 قد تتدخل في عملية اتخاذ القرار.
علاوة على ذلك، تواجه إدارة الاستثمار النشطة الأساسية تحديات هائلة، تتراوح من ضغط الرسوم وتقدم التكنولوجيا إلى تغيير مشاعر المستثمرين تجاه صناديق ETF منخفضة التكلفة.
ما هو الشيء المشترك بين النهج الكمية والأساسية؟ يدرسون العالم من حولهم لاتخاذ قرارات مستنيرة حول أفضل مكان لتنفيذ رأس المال للحصول على عائدات.
ولكن ماذا لو كان هناك خيار ثالث؟
الدعوة إلى التعلم الآلي في إدارة الأساسيات
لقد غير التعلم الآلي الصناعات والحياة اليومية. من جوجل ترانسليت إلى السيارات ذاتية القيادة، التكنولوجيا تغير العالم مثل الثورة الصناعية السابقة، وستكون صناعة إدارة الاستثمار غير محصنة من التغييرات. وفقًا لدراسة أجريت في عام 2019 من قبل معهد CFA والتي استقصت مدراء المحفظة، فقط 10٪ من مدراء المحفظة استخدموا أي ذكاء اصطناعي أو تعلم آلي في عملية الاستثمار الخاصة بهم.
مع استمرار التقدم التكنولوجي، ستكون تقنيات التعلم الآلي جانبًا لا يتجزأ من إدارة الاستثمار. ومع ذلك، تتطلب العديد من تطبيقات التعلم الآلي معرفة بالبرمجة غريبة عن المدراء التقليدية الذين يثقون أكثر في تحليلهم الأساسي، والذي يمكنهم القيام به بأنفسهم ويملكون فهمًا أعمق منه بشكل افتراضي.
مع وجود هذه العقبات، كيف يمكن للمدراء الأساسيين التكيف بنجاح؟
الجمع من أجل عملية أفضل: طبقات التعلم الآلي
إضافة طبقة تعلم آلي إلى المحفظة هو مثال واحد على زواج خبرة مدير الاستثمار الأساسي ومزايا التكنولوجيا التي تقدمها الذكاء الاصطناعي.
تحل طبقات الآلة مشاكل مدراء الاستثمار الأساسيين الذين يريدون دمج التكنولوجيا. إنها سهلة الاستخدام ويمكن نشرها فوق المحفظات التقليدية الحالية للمستثمرين دون الحاجة إلى أي معرفة بالبرمجة. توفر الشفافية الكاملة لreasoning الآلة، مما يظهر المتغيرات التي اعتبرها التعلم الآلي مهمة في اتخاذ القرارات. يساعد ذلك مدراء الأساسيات على الشعور بالراحة عند تنفيذ الذكاء في عملياتهم.
على سبيل المثال، يمكن لطبقة تعلم آلي من Boosted Insights أن تأخذ المحفظة الحالية لمدير الاستثمار وتنقح وزنات الأسهم قليلاً. لا تضيف أي مواقف جديدة – بل تنقح وزنات (طويلة أو قصيرة) الأسهم في المحفظة الحالية للمدير. بناءً على نتائجها، قد تزيد الأسهم التي تحتل مرتبة عالية من وزنها، وقد تقلل الأسهم التي تحتل مرتبة سيئة من وزنها.
في النهاية، تسمح طبقات التعلم الآلي لمدير الاستثمار الأساسي بدمج خبرته في اختيار الأسهم مع أدوات الذكاء الاصطناعي المتطورة المحددة لصناعة المالية للحصول على نتائج أفضل.
قد يعجب مدير الاستثمار بمخزونات فيسبوك وآبل وأمازون ونتفليكس وجوجل (FAANG) ويعتقد أنهم يقدمون أداء جيدًا في محفظته، ولكنه يجد أن لديه جميعًا أوزان متساوية. يسمح إضافة طبقة تعلم آلي من Boosted Insights للآلة بتعديل وزناتها قليلاً – على سبيل المثال، قد يقلل من فيسبوك إلى 18.5٪ ويزيد من آبل إلى 21.5٪. يمكن أن تؤدي هذه الاختلافات الطفيفة، مع الحفاظ على محفظة مدير الاستثمار تمامًا كما هي، إلى نتائج أفضل من حيث العائد وألفا والتقلبات.
لقد وجدنا أن هذه الأنواع من النماذج قادرة على تحسين المحفظات التي كانت لديها ألفا عالية بالفعل من خلال تعديل وزنات الأسهم فقط وليس من خلال تعديل التركيبة. ظلت بيتا متسقة حيث تم تعديل التخصيصات الأساسية بواسطة طبقات النماذج.
التعلم الآلي من أجل استثمار أفضل
لقد غير التعلم الآلي الصناعات وسيستمر في ذلك. يمكن لمدراء الاستثمار تحسين أهداف محفظتهم من خلال تنفيذ التعلم الآلي في عملياتهم، ولكن بطريقة تكميلية وоргانية لتدفق عملهم. طريقة جيدة للغوص في مياه تقنيات التعلم الآلي هي تنفيذ طبقة تعلم آلي.
