機関投資家はリターンを求めている。マシンオーバーレイはそれを見つけるのを助けることができる

ニコラス・アベ、Boosted.aiの共同創設者兼COO

投資家は、数量的および基本的なアプローチの両方から最善の結果を得ることができるか。マシンラーニングオーバーレイを実装することで、ニコラス・アベ、Boosted.aiの共同創設者兼COO。基本的なマネージャーは、技術と機関投資家の需要の変化に適応しないことで、利益を逃している。アベは、彼らの金融ドメインの専門知識と最先端のAIツールを組み合わせることで、アルファとシャープを高めることができることを実証している。

投資のスペクトル両側 –数量的および基本的– には最近問題がありました。2020年には、最も洗練された投資家でも、COVID-19パンデミックによって市場にもたらされた予測不可能なボラティリティのために苦労しました。

数量的アプローチは、量的チームを作成する大きなアセットマネージャーの中で徐々に構築されてきました。ただし、近代的なテクノロジーからエッジを得るという約束は、専門知識が必要であり、機能するプログラムを開発するコストが高いため、実践に成功したマシンラーニングを実装することの難しさに直面しています。

成功した量的店舗では、Ph.D.、データサイエンティスト、エンジニアを多数雇用して、複雑な大量のデータを分析しています – しかし、時には人間の監視なしに、データを古いものにすることができます。データから予測力を見つけることは難しく、COVID-19のようなブラックスワンイベントや他のレジームシフトは、人間の監視なしにデータを古いものにすることができます。

基本的な失敗

ほとんどの人々は、基本的な分析の原則 – 金融諸表を分析し、経済的要因を考慮して、投資家が投資するための最善のリターンを得るために、目標とリスクのアプティチュードを決定する – を知っています。投資家は、数十年間にわたって、この時間のかかるアプローチを練習して磨き、リターンを提供してきました。ただし、一部の投資家は、パフォーマンスを高めるために、情報をより短時間で分析し、意思決定プロセスに干渉する可能性のある認知バイアスを排除するために、近代的なテクノロジーであるマシンラーニングや代替データを活用することに興味を持っています。

さらに、基本的なアクティブ投資マネジメントは、手数料の圧縮や技術の進歩、低コストのETFへの投資家の感情の変化など、多大な課題に直面しています。

数量的および基本的なアプローチの両方に共通するものは何でしょうか。彼らは、リターンを得るために資本を最も効果的に配分する場所について、情報に基づいた決定を下すために、周囲の世界を研究することです。

しかし、3つ目の選択肢があるとしたら？

基本的な管理におけるマシンラーニングの必要性

マシンラーニングは、業界や日常生活を変革してきました。Google Translateや自動運転車から、テクノロジーは、投資管理業界も例外ではありません。2019年のCFA Instituteの調査によると、ポートフォリオマネージャーの10%のみが投資プロセスで人工知能またはマシンラーニングを使用していました。

テクノロジーが進化するにつれて、マシンラーニング技術は投資管理の不可欠な側面となります。ただし、多くのマシンラーニングアプリケーションでは、プログラミング知識が必要であり、従来のマネージャーは自分自身の基本的な分析に自信を持っており、より深く理解しています。

上記の障害がある場合、基本的なマネージャーはどうすれば成功することができますか？

より良いプロセスへの組み合わせ：マシンラーニングオーバーレイ

ポートフォリオにマシンラーニングオーバーレイを追加することは、基本的な投資マネージャーの専門知識とテクノロジーの利点を組み合わせる例です。

マシンオーバーレイは、基本的な投資家がテクノロジーを取り入れるための障害を解決します。彼らは使いやすく、従来の投資家の既存のポートフォリオの上にプログラミング知識を必要とせずに展開できます。マシンは、その意思決定において重要と見なした変数を示す、完全な説明可能性を提供します。これにより、基本的なマネージャーはプロセスにインテリジェンスを実装する際により安心できます。

たとえば、Boosted Insightsのマシンラーニングオーバーレイは、投資マネージャーの既存のポートフォリオを取り込み、ストックのポジションの重み付けをわずかに調整します。新しいポジションを追加するのではなく、既存のポートフォリオ内のストックの重み付け（ロングまたはショート）を調整します。マシンが重要と見なしたストックの重み付けが増加し、低く評価されたストックの重み付けが減少する可能性があります。

最終的に、マシンラーニングオーバーレイにより、基本的な投資マネージャーは、ストックの選択の才能と、最先端のAI/MLを組み合わせて、より良い結果を得ることができます。

投資マネージャーは、Facebook、Apple、Amazon、Netflix、Google（FAANG）ストックを好み、ポートフォリオで良好なパフォーマンスを発揮するかもしれませんが、5つのストックすべてに等しい重み付けを与えています。Boosted Insightsのマシンラーニングオーバーレイを追加することで、マシンは重み付けをわずかに変更できます。たとえば、Facebookの重み付けが18.5%に減少し、Appleの重み付けが21.5%に増加します。投資マネージャーのポートフォリオがまったく同じままであるという、わずかな違いは、リターン、アルファ、ボラティリティの点でより良い結果につながる可能性があります。

私たちは、これらのタイプのモデルは、既に高いアルファを持っていたポートフォリオを、ストックの重み付けを調整するだけで、構成を変更する必要なく改善できることを発見しました。ベータは、モデルオーバーレイによって基準となる割り当てが調整されたため、一貫したままでした。

より良い投資のためのマシンラーニング

マシンラーニングは、業界を変革し続けています。投資マネージャーは、マシンラーニングをプロセスに実装することで、ポートフォリオの目標を高めることができますが、それは彼らのワークフローに補足的なものでなければなりません。マシンラーニング技術を試す良い方法は、マシンラーニングオーバーレイを実装することです。