روندها: آیا به روبات ها اجازه می دهید سهام شما را انتخاب کنند؟

این مقاله برای اولین بار در Wealth ، Edge Malaysia Weekly ، در 25 اکتبر 2021 - 31 اکتبر 2021 ظاهر شد.

استراتژی های کمتری که توسط هوش مصنوعی (AI) تأمین می شود به مالزی می آیند و به طور فزاینده ای در دسترس سرمایه گذاران خرده فروشی هستند.

این استراتژی ها ، که برای تصمیم گیری در مورد سرمایه گذاری به مدل سازی پیشرفته ریاضی ، سیستم های رایانه ای و تجزیه و تحلیل داده ها متکی هستند ، دامنه صندوق های پرچین در ایالات متحده بوده و عمدتاً در دسترس سرمایه گذاران نهادی است.

"سرمایه گذاری Quant از نظر محاسباتی فشرده است. این سیستم ها گران هستند و از این رو ، فقط سرمایه گذاران بزرگ نهادی و صندوق های پرچین قادر به تهیه فناوری مورد نیاز برای استقرار استراتژی های کمی بودند. "

وی گفت: "از آنجا که رایانه ها قدرتمندتر شده اند ، هزینه سرمایه گذاری کمی کاهش یافته است. این امر باعث می شود تا سرمایه گذاران بیشتر بتوانند به قدرت محاسبات پیشرفته سرمایه گذاری کمی دسترسی پیدا کنند. "

در ماه آگوست ، Maybank Asset Management Sdn Bhd Maybank Asia Mixed Assets-I را راه اندازی کرد ، یک صندوق خرده فروشی که از علوم داده و فناوری سرمایه گذاری با استفاده از AI برای تکمیل کار مدیران صندوق استفاده می کند. صندوق هدف آن رشد و درآمد Maybank آسیا است ، که توسط Maybank Asset Management سنگاپور اداره می شود.

در همین حال ، HSBC Amanah Malaysia در سپتامبر گذشته شاخص Equity 5 Equity 5 (AIPEX5) را راه اندازی کرد. محصول ساختاری از IBM Watson ، یک محصول هوش مصنوعی برای مشاغل استفاده می کند تا داده ها را از میلیون ها منبع انتخاب کند ، آن را به بینش تبدیل کند و سهام هایی را که هر ماه وارد فهرست می شوند ، انتخاب کنند.

سرمایه گذاران Kenanga BHD با راه اندازی اولین صندوق عمده فروشی AI در سال 2017 وارد این منطقه شدند ، که به صندوق شاخص جهانی TCM که توسط مدیریت سرمایه Taaffeite مستقر در سنگاپور اداره می شود ، وارد می شود.

محصولات جدید دارای هوش مصنوعی نیز در سمت تجارت معرفی می شوند. بانک سرمایه گذاری Kenanga Bhd دارای یک تیم راه حل های معاملاتی کمی و هوش مصنوعی است که روی یک محصول تجاری AI کار می کند و اوراق بهادار مالاکا SDN BHD در جهت مشابهی قرار دارد.

یک راه حل به موقع برای سن اطلاعات؟

مهمترین مزیت استفاده از استراتژی های کمی با هوش مصنوعی ، توانایی افزایش وسعت پوشش به راحتی است.

وی گفت: "در اصل خود ، سرمایه گذاری در حال تفسیر و استفاده از اطلاعات برای تولید بازده است. با این حال ، مقدار زیادی از داده های موجود در حال حاضر برای سرمایه گذاران بسیار حیرت انگیز است ، و شکاف بین آنچه در دسترس است و آنچه انسان می تواند درک کند گسترده است و فقط به رشد خود ادامه خواهد داد. "

"به عنوان مثال ، 90 ٪ از داده های جهان طی دو سال گذشته ایجاد شده است و ما دو سال دیگر همین حرف را خواهیم گفت. بخش اعظم داده های جدید بدون ساختار است ، که می تواند از پست های رسانه های اجتماعی ، تصاویر ماهواره ای و الگوهای معاملات وب سایت حاصل شود ، که همه آنها باید مورد تجزیه و تحلیل و سازماندهی قرار گیرند تا مفید باشد. "

به اعتقاد وی ، استراتژی های موفقیت آمیز سرمایه گذاری آینده باید توانایی خود را در افزایش میزان فزاینده داده های تولید شده هر روز داشته باشد. بنابراین فرآیندهای سرمایه گذاری محور AI نقش اساسی خواهند داشت.

چوا یک دیدگاه مشابه را به اشتراک می گذارد. او می گوید ، یک مدیر صندوق معمولی می تواند حداکثر 200 سهام را به تنهایی و شاید 500 سهام با تیمی از تحلیلگران پوشش دهد. یک استراتژی کمی می تواند تا 4000 سهام را پوشش دهد.

وی نمونه ای از چگونگی سرمایه گذاری مدل های Quant در شرکت های حمل و نقل کانتینر در نیمه دوم سال 2020 را ارائه می دهد. اساساً ، این تیم توجیه این تصمیم را دشوار دانست زیرا بیشتر شرکت های حمل و نقل مانند خطوط هوایی و تاکسی ها به شدت تحت تأثیر اقدامات قفل قرار گرفته اند.

وی افزود: "اما ما اکنون می دانیم که کمبود ظروف و احتقان بندر باعث افزایش نرخ حمل و نقل شده و قیمت سهام [این شرکت ها] از آن زمان دو برابر یا سه برابر شده است. این نمونه ای است که در آن مدل Quant قادر به پیش بینی و واکنش سریعتر از مدیران صندوق فعال بود. این امکان وجود دارد که در میان تغییرات مختل کننده فرصت هایی پیدا کند زیرا قادر به انتخاب سیگنال های کوچک در یک سبد بزرگ از سهام بود. "

استفاده از هوش مصنوعی در استراتژی های کمی هنوز در روزهای ابتدایی است. او معتقد است که زمان بیشتری برای مدیران دارایی لازم است تا این فناوری ها را در بازارهای مالی اتخاذ کنند. با این حال ، وی خاطرنشان می کند که مهاجمان اولیه که می توانند با موفقیت از پتانسیل هوش مصنوعی استفاده کنند ، می توانند مزیت کسب کنند.

چگونه کار می کند؟

AIPEX 5 بزرگترین 1000 شرکت آمریکایی را بر اساس سه امتیاز ارزیابی می کند: بهداشت مالی ، اخبار و اطلاعات و مدیریت.

بین 17 و 34 سیگنال روزانه برای هر امتیاز کنترل می شود.

استراتژی AIPEX 5 همچنین از کانال های رسانه های اجتماعی مانند Reddit و Twitter سیگنال می گیرد. با این حال ، این سیگنال های احساسات در برابر اصول وزن می شوند. بنابراین ، اگر سهام احساسات قوی را نشان دهد اما اصول را ندارد ، در نمونه کارها نخواهد بود. "

AIPEX 5 برای تجزیه و تحلیل مداوم و آموختن از این داده ها به IBM Watson متکی است و از آن بینش ها برای انتخاب 250 سهام که ماهانه به این فهرست می روند استفاده می کند. مکانیسم کنترل نوسانات روزانه برای کاهش قرار گرفتن در معرض سهام در هنگام ناپایدار بودن بازارها وجود دارد.

براساس برگه حقایق در وب سایت HSBC ، عملکرد این شاخص طی سه سال گذشته مسطح بوده است ، با بازده سالانه که S& P 500 را تحت فشار قرار می دهد. کنگ توضیح می دهد که یک معیار دقیق تر S& P 500 با 5 ٪ کنترل ریسک است (SPXT5UE).

وی گفت: "نگاه کردن به یک افق زمانی طولانی تر (5 تا 10 سال) بازتاب بیشتری از نحوه عملکرد این استراتژی در چرخه های مختلف اقتصادی خواهد بود. ما دیده ایم که این شاخص هنوز از SPXT5UE تنظیم شده بهتر است. "

صندوق Maybank از هوش مصنوعی برای مشاوره مدیران صندوق در مورد تخصیص دارایی بین سهام و سوکوک استفاده می کند. مدل های دارای هوش مصنوعی همچنین داده های اقتصادی را تجزیه و تحلیل می کنند و شرایط اقتصادی را به چهار ایالت طبقه بندی می کنند: گسترش ، کند شدن ، رکود اقتصادی و بازیابی. مدیران صندوق تخصیص دارایی خود را با توجه به نحوه عملکرد کلاسهای دارایی تحت هر ایالت تجدید نظر می کنند.

در اصل ، این شرکت برای تصمیم گیری در مورد سرمایه گذاری به فناوری و مدیر صندوق متکی است.

وی گفت: "برخی از افراد با تکیه بر ربات [برای تصمیم گیری در مورد سرمایه گذاری] به عنوان آزمایش دقیق در طول توسعه ربات انجام شده است ، و مداخله انسان به عنوان تزریق تعصب انسانی به استراتژی کمی تلقی می شود. از طرف دیگر ، برخی از افراد از نظارت فعال انسان بر ربات دفاع می کنند زیرا ممکن است با تغییر شرایط بازار عملکرد خوبی نداشته باشد. اما این ذهنیت بیشتری را معرفی می کند. "

او می گوید ، مایبانک استراتژی دوم را انتخاب کرد زیرا مدیران صندوق متوجه شدند که برخی از صندوق های کمی که از رویکرد اول استفاده می کنند نیز عملکردی ندارند ، اما با این وجود مدیران صندوق نمی توانند مداخله کنند و استراتژی سرمایه گذاری را تغییر دهند. آنها همچنین از داده های احساسات (تجزیه و تحلیل اینکه متن مثبت ، منفی یا خنثی است) استفاده نمی کنند زیرا تمایل به تولید نویز (اطلاعات بی معنی در داده ها) دارد.

از آنجا که صندوق فقط در تاریخ 6 سپتامبر آغاز شده است ، داده های عملکرد در دسترس نیست.

آیا می تواند در بازار فعلی کار کند؟

در سالهای اخیر ، نوسانات ناشی از وقایع مانند بیماری همه گیر ، بلایای طبیعی ، تناقض نظارتی چین و تنش های ایالات متحده و چین ، یک ویژگی منظم در بازارها بوده است. چگونه یک استراتژی کمی می تواند چنین رویدادهایی را اداره کند؟

ما به طور کلی می دانیم که انسان ها نسبت به روبات ها با شرایط پیش بینی نشده سازگار هستند. ما روند مدیریت این صندوق را بر این اساس طراحی کردیم ، جایی که مدیران صندوق انسانی بر الگوریتم نظارت می کنند. ما چندین نکته و سناریو را شناسایی کرده ایم که از مدیر صندوق خواسته می شود مناسب بودن مدل کمی فعلی را مرور کرده و در صورت لزوم جایگزین آن شود. "

مدیر صندوق همچنین می تواند در صورت وقایع غیر منتظره مانند عدم موفقیت یک بانک بزرگ ، مدل Quant را نادیده بگیرد و به سمت موقعیت دفاعی موقت حرکت کند.

وی می افزاید: این مدل ترکیبی می تواند در آسیا مفید باشد ، جایی که بازارها تکه تکه تر و ناکارآمدتر هستند. کیفیت داده ها نسبت به بازارهای توسعه یافته مطلوب کمتری دارند.

وی گفت: "این کار برای شرکتهای کمی خالص اجرای استراتژی های کم در آسیای نوظهور را سخت تر می کند. با این حال ، این فرصت ها را برای ما ایجاد می کند زیرا ما می توانیم تجربه اساسی خود را در سرمایه گذاری در بازارهای آسیا با فناوری جدید سرمایه گذاری با کمیته ترکیب کنیم. "

Chua با پیشروی ، از چشم انداز استراتژی های فهرست بندی مستقیم که از سرمایه گذاری Quant برای ایجاد اوراق بهادار سفارشی برای مشتریان جداگانه در مقیاس استفاده می کنند ، هیجان زده است.

ما همچنین از علم داده های سرمایه گذاری هیجان زده هستیم زیرا می تواند به مدیران صندوق کمک کند تا سریعتر و بهتر پاسخ دهند. به عنوان مثال ، این می تواند به خلاصه و استخراج بینش از رونوشت ها ، گزارش ها و ایمیل ها کمک کند. ما فکر می کنیم که با سفر به سمت تصمیم گیری های داده محور ، زمان مهیج برای سرمایه گذاران است. "