Gli investitori istituzionali cercano rendimenti. Le sovrapposizioni di macchina possono aiutarli a trovarli

Di Nicholas Abe, co-fondatore e direttore operativo di Boosted.ai

Come possono gli investitori ottenere il meglio di entrambi i mondi dalle approcci quantitative e fondamentali? Implementando le sovrapposizioni di apprendimento automatico, scrive Nick Abe, co-fondatore e direttore operativo di Boosted.ai. I gestori fondamentali stanno lasciando guadagni sulla tavola non adattandosi alle tecnologie e alla domanda degli investitori istituzionali in evoluzione. Abe dimostra che combinando la loro esperienza nel settore finanziario con strumenti di intelligenza artificiale all’avanguardia può aumentare l’alfa e lo Sharpe.

Entrambe le parti dello spettro degli investimenti – quantitativa e fondamentale – hanno avuto problemi di recente. Anche gli investitori più sofisticati hanno lottato nel 2020 a causa della volatilità imprevista che la pandemia di COVID-19 ha portato al mercato.

L’approccio quantitativo sta costruendo lentamente all’interno dei grandi gestori di asset mentre creano i loro team quant. Tuttavia, la promessa di avere un vantaggio dalla tecnologia moderna è stata incontrata con le difficoltà di mettere in pratica con successo l’apprendimento automatico, in gran parte a causa dell’esperienza richiesta e del costo elevato di sviluppare un programma funzionante.

Le società di gestione quantitativa di successo impiegano intere schiere di dottori di ricerca, scienziati dei dati e ingegneri per dare senso a grandi quantità di dati complessi – e anche allora a volte falliscono. Trovare il potere predittivo dei dati è difficile e gli eventi del cigno nero come il COVID-19 e altri cambi di regime possono rendere quei dati obsoleti senza la supervisione umana.

Insufficienze fondamentali

La maggior parte delle persone è a conoscenza dei principi dell’analisi fondamentale – studiare i bilanci e incorporare fattori economici per prendere decisioni su dove gli investitori dovrebbero investire per ottenere i migliori rendimenti dati gli obiettivi e la tolleranza al rischio. Gli investitori hanno praticato e perfezionato questo approccio laborioso per consegnare rendimenti per decenni. Alcuni, tuttavia, stanno iniziando a sfruttare la tecnologia moderna come l’apprendimento automatico e i dati alternativi per affinare le prestazioni, sintetizzare le informazioni in meno tempo e ridurre ogni pregiudizio cognitivo che potrebbe interferire con il processo decisionale.

Inoltre, la gestione degli investimenti attivi fondamentali sta affrontando immense sfide, che vanno dalla compressione dei costi e dei progressi tecnologici al cambiamento dell’atteggiamento degli investitori verso ETF a basso costo.

Cosa hanno in comune entrambi gli approcci quantitativi e fondamentali? Studiano il mondo intorno a loro per prendere decisioni informate su dove impiegare il capitale per ottenere rendimenti.

Ma cosa succede se ci fosse una terza opzione?

La richiesta di apprendimento automatico nella gestione fondamentale

L’apprendimento automatico ha rivoluzionato le industrie e la vita quotidiana. Dalla traduzione di Google alle auto a guida autonoma, la tecnologia sta trasformando il mondo proprio come la rivoluzione industriale prima di essa, e l’industria della gestione degli investimenti non sarà immune ai cambiamenti. Secondo uno studio del 2019 dell’Istituto CFA che ha intervistato i gestori di portafoglio, solo il 10% dei gestori di portafoglio aveva utilizzato alcuna intelligenza artificiale o apprendimento automatico nel loro processo di investimento.

Man mano che la tecnologia continua a progredire, le tecniche di apprendimento automatico diventeranno un aspetto non negoziabile della gestione degli investimenti. Tuttavia, molte applicazioni di apprendimento automatico richiedono conoscenze di programmazione estranee ai gestori tradizionali che sono più confidenti nella loro analisi fondamentale, che possono fare da soli e che hanno una comprensione più profonda.

Visto i blocchi stradali sopra, come possono i gestori fondamentali adattarsi con successo?

Combinare per un processo migliore: sovrapposizioni di apprendimento automatico

Aggiungere una sovrapposizione di apprendimento automatico a un portafoglio è solo un esempio di unione dell’esperienza del gestore di investimenti fondamentali e dei vantaggi tecnologici che l’intelligenza artificiale ha da offrire.

Le sovrapposizioni di macchina risolvono i blocchi stradali degli investitori fondamentali che cercano di incorporare la tecnologia. Sono facili da usare e possono essere distribuite sopra i portafogli tradizionali degli investitori senza richiedere alcuna conoscenza di programmazione. Forniscono la piena spiegabilità del ragionamento della macchina, mostrando quali variabili l’apprendimento automatico ha considerato importanti nella sua presa di decisione. Ciò aiuta i gestori fondamentali a sentirsi più a loro agio nell’implementazione dell’intelligenza nel loro processo.

Ad esempio, una sovrapposizione di apprendimento automatico di Boosted Insights prende il portafoglio esistente di un gestore di investimenti e regola leggermente i pesi delle posizioni azionarie. Non aggiunge nuove posizioni – piuttosto, regola i pesi (lungo o corto) delle azioni nel portafoglio del gestore. In base ai suoi risultati, le azioni che si classificano altamente potrebbero vedere i loro pesi aumentati e le azioni che si classificano male potrebbero vedere i loro pesi ridotti.

Alla fine, le sovrapposizioni di apprendimento automatico consentono a un gestore di investimenti fondamentali di combinare la loro abilità di selezione azionaria con l’apprendimento automatico all’avanguardia e specifico per la finanza per ottenere migliori risultati.

Un gestore di investimenti potrebbe apprezzare le azioni di Facebook, Apple (AAPL ), Amazon (AMZN ), Netflix e Google (FAANG) e scoprire che offrono buone prestazioni nel loro portafoglio e avere tutte e cinque azioni con pesi uguali. L’aggiunta della sovrapposizione di apprendimento automatico di Boosted Insights consente alla macchina di modificare leggermente i pesi – ad esempio, Facebook viene ridotto al 18,5% e Apple viene aumentato al 21,5%. Queste piccole differenze, mantenendo il portafoglio del gestore di investimenti esattamente lo stesso, possono portare a migliori risultati in termini di rendimento, alfa e volatilità.

Abbiamo trovato che questo tipo di modelli è in grado di migliorare i portafogli che avevano già un alto alfa solo regolando i pesi delle azioni e non dover modificare la composizione. La beta è rimasta coerente poiché le allocazioni di base sono state modificate dal modello di sovrapposizione.

Apprendimento automatico per un investimento migliore

L’apprendimento automatico ha e continuerà a disturbare le industrie. I gestori di investimenti possono migliorare i loro obiettivi di portafoglio implementando l’apprendimento automatico nel loro processo, ma in un modo che sia complementare e organico al loro flusso di lavoro. Un buon modo per iniziare a utilizzare le tecniche di apprendimento automatico è implementare una sovrapposizione di apprendimento automatico.