С каждым днем инвесторы на Уолл-стрит все больше обеспокоены тем, что искусственный интеллект может кардинально изменить секторы «белых воротничков», трансформируя специализированное человеческое суждение в алгоритмический код.
Выбор акций, по всей видимости, находится прямо на пути этой революционной трансформации.
Новое академическое исследование, проведенное под руководством профессора Гарвардской школы бизнеса, показывает, что значительная часть действий управляющих активными фондами следует закономерностям, которые могут быть изучены машинами. Используя алгоритм машинного обучения, известный как нейронная сеть, система смогла предсказать около 71% торговых решений взаимных фондов — то есть, купит ли управляющий, продаст или сохранит определенную акцию в течение квартала.
Модель обучалась на скользящих пятилетних интервалах с 1990 по 2023 год, основываясь на таких данных, как размер фонда, потоки инвесторов, характеристики акций и общие экономические условия. Таким образом, она смогла предвидеть большую часть корректировок портфеля.
Однако, самое интересное: её ограничения могут быть более показательными, чем её успехи. Сделки, которые система не смогла предвидеть — примерно 29% — в среднем были более связаны с получением доходности, превышающей рыночную. Иными словами, большая часть ценности сосредоточена в той активности, которая отклоняется от рутинных и предсказуемых инвестиционных паттернов.
Из этого не следует, что машины разгадали рынки. Скорее, они, по всей видимости, усвоили значительную часть «общепринятого руководства» отрасли — то, как управляющие обычно реагируют на притоки средств, рыночные тенденции и действия своих коллег. Сложность для них представляет собой меньшая доля решений, которые выходят за рамки этого руководства.
«Если 71% ваших решений могут быть предсказаны алгоритмом, то становится очень трудно оправдать комиссии за активное управление для этой части», — пояснил по электронной почте Лорен Коэн, профессор финансов Гарвардского университета и соавтор исследования. «Нерутинные операции, те, что наша модель не может предсказать, — вот где кроется истинная альфа. Но они составляют относительно меньшую долю от общей активности».
Эта работа, пока еще в предварительной версии (рабочий документ) и опубликованная на прошлой неделе Национальным бюро экономических исследований, озаглавлена «Имитация финансов» (Mimicking Finance) и появилась в то время, когда искусственный интеллект сотрясает все более специализированные области профессиональных услуг. За последние недели опасения по поводу сбоев, вызванных ИИ, привели к сильным колебаниям акций компаний от управляющих активами до логистических групп.
Для управляющих активными фондами эта критика не нова. Инвесторы годами выводят средства из фондов, занимающихся выбором акций, и переходят на недорогие индексные продукты. Главным обещанием отрасли всегда была «альфа» — доходность выше эталонного индекса, такого как S&P 500, — даже несмотря на то, что количественные модели повышают планку, показывая, какая часть доходности может быть объяснена рыночной экспозицией и хорошо известными стилями инвестирования.
Это исследование, написанное в соавторстве с Ивэнь Лу из Университета Пенсильвании и Куоком Х. Нгуеном из Университета ДеПола, еще больше углубляет эту тенденцию. Предыдущие исследования в основном анализировали доходность постфактум. В отличие от них, новая статья пытается предвидеть сами операции. По мнению авторов, модели машинного обучения лучше подходят, чем традиционные линейные факторные модели, для улавливания сложных способов, которыми управляющие реагируют на потоки средств, рыночные сигналы и действия друг друга.
С этой точки зрения, результат — это не столько победа машин над рынками, сколько переопределение того, что на самом деле представляет собой активное управление. Большая часть повседневной деятельности фондов, по-видимому, следует закономерностям, которые могут быть нанесены на карту — и, в принципе, воспроизведены с меньшими затратами.
Некоторые из этих предсказуемых покупок и продаж могут выполнять важные функции — управление ликвидностью, корректировка риска или ребалансировка портфелей, отмечает Коэн. Однако, если большая часть этой деятельности фактически основана на правилах, становится труднее утверждать, что она требует дорогостоящего дискреционного управления.
«Компонент «человеческого суждения» оказывается более систематическим, чем кажется, но для того, чтобы это увидеть, нужны достаточно гибкие инструменты», — заявил Коэн.
В статье также делается вывод о том, что предсказуемость варьируется. Более крупные фонды, взимающие более высокие комиссии, управляемые многочисленными командами и сталкивающиеся с большей конкуренцией, как правило, в среднем менее предсказуемы, тогда как управляющие с более длительными мандатами или управляющие несколькими продуктами, как правило, более предсказуемы. Модель предсказывает направление операций, а не их размер — ограничение, которое авторы планируют рассмотреть в будущих работах.
Несмотря на недавний энтузиазм вокруг ИИ, выводы подчеркивают важное различие. Предсказывать поведение управляющих кажется проще, чем предсказывать движение рынков. Цены активов отражают взаимодействие миллионов участников и постоянно меняющиеся ожидания. Профессиональные привычки, напротив, часто следуют узнаваемым закономерностям.
В конечном счете, более ограниченный набор операций, которые модель не смогла предвидеть, в целом показал лучшую доходность — это признак того, что они могут отражать человеческое творчество, например, обнаружение информации об акции, которую другие упустили. Чисто случайные действия вряд ли привели бы к тому же результату.
Конечно, машины могут стать еще лучше по мере накопления большего количества данных. Однако пока что последствия носят скорее экономический, чем экзистенциальный характер. Если большая часть корректировок портфеля может быть предсказана алгоритмом, обоснование комиссий за активное управление все больше зависит от той меньшей части решений, которая отклоняется от стандарта.
«Действительно умелая часть, непредсказуемый и нерутинный компонент, реальна, но мала», — сказал Коэн. «Политическое следствие заключается не столько в полной замене управляющих, сколько в переоценке того, сколько на самом деле стоит их предсказуемая и непредсказуемая деятельность».
