Интеграция искусственного интеллекта в портфельное управление

1. Чем ИИ может быть полезен для портфельных управляющих

Искусственный интеллект и машинное обучение распространены во всех аспектах повседневной жизни и играют все большую роль в инвестировании. Растущая популярность ИИ отчасти обусловлена способностью прогнозировать макроэкономические и финансовые переменные, удовлетворять потребности клиентов, обеспечивать платежеспособность и контролировать условия ведения бизнеса. Технологии ИИ также использовались для целей соблюдения нормативных требований, в том числе для анализа поведения потребителей, борьбы с отмыванием денег, обнаружения мошенничества, выявления изменений в нормативных обязательствах, моделей стресс-тестирования и проведения управления рисками.

Стратегии инвестирования с использованием ИИ направлены на обеспечение постоянных, некоррелированных альфа доходов при адаптации к изменениям рыночных условий. Мы считаем, что при правильном применении ИИ может предложить существенное преимущество в последовательном получении некоррелированной альфа доходности.

Алгоритмы машинного обучения обрабатывают массивы данных, чтобы выявлять закономерности и создавать прогностическое правило, которое постоянно развивается по мере адаптации к непрерывной обратной связи. Интеграция ИИ в предиктивные модели институциональных инвесторов может систематизировать их собственные количественные процессы, повысить эффективность инвестиционной деятельности, включая:

• поиск предиктивных связей и сигналов
• мониторинг среды на предмет изменений и отслеживание, когда изменяются тренды на рынке
• адаптацию к изменениям на постоянной основе — например, путем использования более подходящих сигналов, снижения риска или смещения весов сигналов и распределений

Вместе с тем присущий финансовым рынкам «шум» делает использование ИИ достаточно проблематичным. Алгоритмы могут быть не в состоянии идентифицировать закономерности в сценариях, с которыми они ранее не сталкивались, что усложняет производительность. Более длинные и глубокие наборы данных могут снизить эти риски, как и торговля большим набором слабокоррелированных инструментов.

Хотя хедж-фонды уже давно используют технологические торговые стратегии, в последние годы ряд этих управляющих фирм все чаще используют сложные подходы к ИИ для принятия обоснованных торговых решений. В январе 2023 года опрос Market Makers показал, что девять из десяти трейдеров из 50 крупнейших хедж-фондов планируют использовать ИИ при принятии инвестиционных решений.

По мнению ряда регуляторов растущее использование ИИ в секторе финансовых услуг и хедж-фондами, может представлять новые и уникальные риски и усиливать существующие риски. При наличии эти риски, как правило, взаимодействуют друг с другом и усиливают свое воздействие. Дело также в том, что доступные модели обучаются с небольшим раскрытием информации о том, как они обучаются, что может создавать риски для их использования профессиональными участниками.

Использование ИИ в секторе финансовых услуг представляет уникальные проблемы, в том числе в отношении объяснимости, предвзятости и подотчетности. Объяснимость можно разбить на две конкретные проблемы: объяснимость и интерпретируемость. Проще говоря, объяснимость может ответить на вопрос «как» решение было принято в системе, а интерпретируемость может ответить на вопрос «почему» решение было принято системой и его значение или контекст для пользователя.

2. Статистика использования ИИ в работе хедж-фондов

Мы проанализировали статистику по результатам ключевых инвестиционных фондов, которые широко используют ИИ в своей деятельности. Используя выборку из 826 хедж-фондов наше исследование показало, что группа хедж-фондов с самым высоким уровнем автоматизации также показала наилучшие результаты, со средней ежемесячной доходностью от 0,74% до 0,79% за прошедшие 5 лет. Между тем, наименее автоматизированная категория показала ежемесячную доходность в среднем от 0,23% до 0,28%. В целом исследователи пришли к выводу, что «автоматизация играет важную роль в прибыльности отрасли хедж-фондов».

Аналогичные результаты показала в своем исследовании компания Cerulli Associates проанализировав влияние на результаты европейских хедж-фондов с 2016 по 2019 год. Она обнаружила, что совокупная доходность фондов под управлением ИИ оказалась почти в три раза выше, чем хедж-фондов в целом, составив 33,9% по сравнению с 12,1%.

Bridgewater Associates и Man Group Plc, а также Highbridge Capital Management и Simplex Asset Management в Японии входят в число фирм, разрабатывающих решения в сфере машинного обучения или инвестирующих в них для использования в собственной деятельности. Renaissance Technologies и Two Sigma уже давно используют эти методы. В качестве потенциального источника капитала для фондов ИИ и признаков того, что эта стратегия постепенно становится общепринятой, подразделение по управлению активами JPMorgan Chase & Co. планирует инвестировать в новые и устоявшиеся статистические арбитражные хедж-фонды с машинным обучением.

Хотя ИИ и машинное обучение уже являются популярными инструментами среди управляющих хедж-фондами, их проникновение в сферу портфельного управления продолжит расти. Опрос хедж-фондов в 2018 году показал, что более половины респондентов — 56% — использовали ИИ для принятия инвестиционных решений. Это почти в три раза больше, чем годом ранее, говорят в BNY Mellon.

Между тем, эффективность ИИ не только в повышении доходности фондов их использующих, но и в снижении волатильности результатов (по данным Preqin). За трехлетний горизонт фонды ИИ показали волатильность 3,20% и коэффициент Шарпа 1,96, в то время как прочие хедж-фонды показали волатильность 3,87% и коэффициент Шарпа 1,40. Чем больше коэффициент Шарпа портфеля, тем лучше его скорректированная на риск эффективность. Более высокий коэффициент Шарпа в сочетании с более низкой волатильностью за трехлетний период говорит о том, что фонды, использующие технологию ИИ, действительно были лучшими инвестициями за последние три года.

Как показывают данные, хедж-фондам, которые еще не используют искусственный интеллект, следует рассмотреть его внедрение в будущем.