ソートリーダー

機関投資家はリターンを求めています。マシンオーバーレイはそれらを見つけるのに役立ちます

公開済み

3年前

2021 年 2 月 19 日

ニコラス・アベ氏、共同創設者兼最高執行責任者（COO） Boosted.ai

投資家は定量的アプローチとファンダメンタルズアプローチの両方の長所をどのように活用できるでしょうか?機械学習オーバーレイを実装することで、次のように書きます。 Nick Abe 氏、Boosted.ai 共同創設者兼最高執行責任者。ファンダメンタルズ運用担当者は、テクノロジーの変化や機関投資家の需要に適応せず、利益を棚上げしたままにしている。安倍氏は、金融分野の専門知識と最先端の人工知能ツールを組み合わせることで、アルファとシャープを向上できることを実証しました。

最近、投資スペクトルの両面（定量的側面とファンダメンタルズ側面）に問題が発生しています。 2020 年は、新型コロナウイルス感染症のパンデミックが市場にもたらした予期せぬボラティリティのせいで、最も洗練された投資家でさえ苦戦しました。

大手資産運用会社が独自のクオンツチームを創設する中で、クオンツアプローチはゆっくりと内部に構築されてきています。しかし、最新テクノロジーによる優位性が約束されているにもかかわらず、機械学習を成功させるには困難が伴います。これは主に必要な専門知識と、機能するプログラムの開発にかかるコストが高いためです。

成功している定量的ショップは、大量の複雑なデータを理解するために博士号取得者、データサイエンティスト、エンジニアを多数雇用していますが、それでも失敗することがあります。データから予測力を見出すのは難しく、新型コロナウイルス感染症などのブラックスワン現象やその他の政権交代により、人間の監視がなければデータが陳腐化する可能性があります。

基本的な失敗

ほとんどの人はファンダメンタルズ分析の原則を知っています。つまり、財務諸表を研究し、経済的要因を組み込んで、目標とリスク許容度を考慮して投資家が最大の利益を得るためにどこに投資すべきかを決定することです。投資家は何十年にもわたって、利益をもたらすためにこの時間のかかるアプローチを実践し、磨きをかけてきました。しかし、パフォーマンスを向上させ、より短時間で情報を合成し、意思決定プロセスを妨げる可能性のある認知バイアスを抑制するために、機械学習や代替データなどの最新テクノロジーを活用することに前向きな人もいます。

さらに、基本的なアクティブ投資運用は、手数料圧縮や技術進歩から低コストETFへの投資家心理の変化に至るまで、計り知れない課題に直面している。

定量的アプローチとファンダメンタルズアプローチの両方に共通するものは何ですか? 彼らは周囲の世界を研究し、利益を得るために資本をどこに配置するのが最適かについて情報に基づいた決定を下します。

しかし、XNUMX 番目の選択肢があるとしたらどうでしょうか?

基本的な管理における機械学習の必要性

機械学習は産業と日常生活に革命をもたらしました。 Google 翻訳から自動運転車に至るまで、テクノロジーはその前の産業革命と同じように世界を変革しており、投資管理業界もその変化と無縁ではありません。ポートフォリオマネージャーを対象とした CFA Institute による 2019 年の調査によると、投資プロセスで人工知能または機械学習を使用したことのあるポートフォリオマネージャーはわずか 10% でした。

テクノロジーが進歩し続けるにつれて、機械学習技術は投資管理において交渉の余地のない要素になるでしょう。ただし、機械学習アプリケーションの多くは、独自のファンダメンタルズ分析に自信を持っている従来のマネージャーにとっては馴染みのないプログラミング知識を必要とします。ファンダメンタルズ分析は自分で行うことができ、デフォルトでより深い理解を持っています。

上記の障害を考慮すると、ファンダメンタルズマネージャーはどのようにしてうまく適応できるでしょうか?

より良いプロセスを実現するための組み合わせ: 機械学習オーバーレイ

機械学習オーバーレイをポートフォリオに追加することは、基本的な投資マネージャーの専門知識と AI が提供する技術的利点を組み合わせた一例にすぎません。

マシンオーバーレイは、テクノロジーの導入を検討しているファンダメンタルズ投資家の障害を解決します。これらは使いやすく、プログラミングの知識がなくても、従来の投資家の既存のポートフォリオの上に導入できます。これらは機械の推論の完全な説明可能性を提供し、機械学習が意思決定においてどの変数を重要視したかを示します。これにより、ファンダメンタルズ管理者がプロセスにインテリジェンスをより安心して導入できるようになります。

たとえば、Boosted Insights 機械学習オーバーレイは、投資マネージャーの既存のポートフォリオを取得し、株式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、マネージャーの既存のポートフォリオ内の株式のウェイト (ロングまたはショート) を調整します。その結果に基づいて、上位にランクされた銘柄の加重が増加し、下位にランクされた銘柄の加重が削減される可能性があります。

最終的に、機械学習オーバーレイを使用すると、ファンダメンタルズ投資マネージャーは銘柄選択の洞察力と最先端の金融固有の 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) の株式を好み、ポートフォリオ内で優れたパフォーマンスを提供しているものの、18.5 つすべてが同じ重みで含まれていることに気づくかもしれません。 Boosted Insights 機械学習オーバーレイを追加すると、機械は重み付けをわずかに変更できるようになります。たとえば、Facebook が 21.5% に減り、Apple が XNUMX% に増加します。投資マネージャーのポートフォリオをまったく同じに保ちながら、これらの小さな違いにより、リターン、アルファ、ボラティリティの点でより良い結果が得られる可能性があります。

これらのタイプのモデルは、構成を調整する必要がなく、株式の重み付けを調整するだけで、すでに高いアルファを持っていたポートフォリオを改善できることがわかりました。ベースライン割り当てがモデルオーバーレイによって調整されたため、ベータは一貫したままでした。