تستخدم العروض العامة أيضًا الذكاء الاصطناعي للمضاربة في الأسهم؟

المصدر: Yuanchuan Investment Review (المعرف: caituandzd)، المؤلف | Zhang Weidong، المحرر | Zhang Jiieu

بعد تغيير مشهد صناعة الأسهم الخاصة، بدأ القياس الكمي يتغلغل في النظام البيئي لمنتجات الأسهم العامة.

في الربع الثاني من هذا العام، تجاوز حجم شركة China Sun Meng والتجار الصينيون Wang Ping وWestern Lide Shengfengyan 10 مليارات دولار. بالإضافة إلى ذلك، ارتفع حجم جووجين ما فانج ووانجيا تشياو ليانج، اللذان يعملان بالفعل بعشرات المليارات من مديري الصناديق الكمية، إلى عنان السماء. انتقلت دائرة القياس الكمي العامة تدريجياً من الشفافية إلى المسرح، كما انفصلت طريقة جذب انتباه الناس عن رواية "خطأ التتبع الصغير" السابقة، مما يدل على قدرتهم على تحقيق الفائض في قوقعة الحلزون.

أخبر مدير الصندوق الكمي الذي لم يرغب في الكشف عن اسمه المؤلف أن الأشخاص الذين حققوا أداءً جيدًا في أداء الاكتتاب العام الكمي هذا العام قد صعدوا بشكل أساسي إلى منفذين، أحدهما هو microcaps والآخر هو الذكاء الاصطناعي. **

من السهل شرح كيفية إنشاء أسهم رأس مال صغيرة، أي توزيع الكعكة على الشركات التي تبلغ قيمتها السوقية أقل من 2.5 مليار دولار لتحقيق فائض، وبيعها عندما تصبح القيمة السوقية أكبر. بالمقارنة مع طريقة فرك التذاكر الصغيرة هذه، فإن القياس الكمي للذكاء الاصطناعي ليس من السهل فهمه.

ليس فقط الاستراتيجية نفسها، ولكن حتى الحملة الترويجية لتقدير الاكتتاب العام تشبه الصندوق الأسود. بمجرد أن يسأل شخص ما عن كيفية تطبيق استراتيجية الذكاء الاصطناعي على وجه التحديد، يفضل مديرو الصناديق استخدام الصناديق السوداء للتعلم الآلي لتجنب السؤال، وكلما أعرب مدير الصندوق بصدق، "إن استراتيجيات الذكاء الاصطناعي معقدة للغاية في الوصف ولا يمكن تفسير التعلم الآلي". سيتم بذل العناية الواجبة، ولا يمكنني في الأساس طرح أي أسئلة أخرى.

في ظل خلفية "الامتثال هو السماء"، نظرًا لعدم السماح للأقران بالتعلم، حتى بعض عوامل الفشل تتردد في الكشف عنها، مما يجعل بعض القادمين الجدد في الصناعة يشعرون بالعجز عن التحقيق في مديري الصناديق الكمية. لدرجة أن الصناعة بأكملها وحتى مديري الصناديق أنفسهم لا يمكنهم تقييم مستوى مدير الصندوق الكمي إلا بناءً على أدائه التاريخي.

عندما تتدفق أموال الجميع، لكنهم لا يستطيعون فهم ذلك، تظهر أمامهم مشكلة حاسمة. هل الاستخدام الكمي للذكاء الاصطناعي في العروض العامة أداة فعالة أم وسيلة للتحايل التسويقي؟

01 فتح الصندوق الأسود

غالبًا ما يعبد الناس أشياء لا يفهمونها. خاصة بالنسبة للمنتجات من هذا النوع من تقدير الاكتتاب العام، شارك بعض مديري الصناديق بسخاء مع المؤلف. عند الحديث عن استراتيجيات الذكاء الاصطناعي خلال الحملة الترويجية **، أظهر العملاء تعبيرًا نصف المعرفة، وهي أفضل حالة. **

في الواقع، ليس من المستحيل فهم ما يفعله الذكاء الاصطناعي العام بلغة واضحة. ** أخبر Western Lide Shengfengyan المؤلف ذات مرة أن استخدام الذكاء الاصطناعي في اختيار أسهم الأسهم العامة ينعكس بشكل أساسي في ثلاثة جوانب: تحليل النص، واختيار الأسهم متعددة العوامل، واستخراج بيانات الحجم والأسعار عالية التردد. **

تحليل النص هو الأسهل في الفهم. ويشير عادةً إلى نماذج الذكاء الاصطناعي المختلفة لمديري الصناديق استنادًا إلى بنية المحولات، والتي يمكنها فهم سياق البيانات النصية مثل التقارير البحثية ونشرات الأخبار، وتحليل المعلومات العاطفية الواردة في النصوص المختلفة، وبالتالي المساعدة في اتخاذ القرار.

يعد Transformer نموذج التعلم العميق الأكثر شيوعًا في السنوات الأخيرة، ويتجاوز أدائه في المهام النصية مثل الترجمة الآلية أداء نماذج التعلم العميق التقليدية مثل RNN وCNN. ChatGPT، الذي انفجر هذا العام، يعتمد أيضًا على Transformer.

على سبيل المثال، في العام الماضي، تمكن البائعون من إنتاج أكثر من 200 تقرير يوميًا، وتجاوز عدد الملخصات وحدها 270 ألف كلمة. يمكن للقياس الكمي التقليدي أن يفهم الأرقام المالية الموحدة، لكنه لا يستطيع أن يفهم أن كوب ستاربكس المتوسط هو في الواقع كوب صغير، والحياد الذي يكتبه المحللون في التقارير البحثية هو في الواقع هبوطي. **

لتحقيق استثمار جيد في الصين، يعد فهم السياسة الإخبارية جزءًا لا مفر منه. وصف مدير صندوق كمي لم يرغب في ذكر اسمه ذلك للمؤلف، "** يمكن أن يفهم النقل عبر الشبكة المعنى العميق لبث الأخبار على الأقل على مستوى نائب المدير. ولا يمكن اعتبار نموذج الذكاء الاصطناعي الخاص بنا إلا بمثابة هواية في تفسير الأخبار وسأسعى جاهداً للحصول على القدرة الاستيعابية لوكيل القسم العام المقبل.**"

سيناريو التطبيق الثاني للذكاء الاصطناعي هو اختيار الأسهم متعددة العوامل، حيث يستخدم الإطار الكمي التقليدي متعدد العوامل خصائص الأسهم الصاعدة التاريخية للعثور على مظهر الأسهم الصاعدة المحتملة في المستقبل، مثل تلك ذات التقييمات المنخفضة والأداء الجيد والمرتفعة. الحيازات من قبل الإدارة، الأسهم التي لا أحد ينتبه إليها.

وعلى سبيل المقارنة، ينعكس تطبيق الذكاء الاصطناعي في هذا السيناريو بشكل أساسي في تراكب العوامل غير الخطية. على سبيل المثال، لا تزال الأموال العامة تغذي العوامل ذات المعنى الاقتصادي والمنطق في النموذج، ولكنها تستخدم الهياكل الشجرية والشبكات العصبية للمشاركة في الاستثمار في اختيار النموذج.

بعبارات الشخص العادي، إذا تمت مقارنة مدير الصندوق بالسهم، فإن معايير مدير الصندوق الجيد تكون غير خطية: يجب أن يتمتع بأداء من الدرجة الأولى، لكنه لا يستطيع المراهنة على الذكاء الاصطناعي لمضاعفة السعر في شهر واحد؛ فهو يجب أن يخرج للتواصل، ولكن يجب ألا يقوم بالبث المباشر ويصبح من مشاهير الإنترنت كل يوم، يجب أن تكون ذو خبرة، لكن لا يمكنك أن تصبح نائبًا للرئيس دون الدراسة. يتمتع الذكاء الاصطناعي بميزة طبيعية في تحديد تراكب هذه العوامل غير الخطية.

إذا تم تخفيف القيود، فيمكن للذكاء الاصطناعي اكتشاف المزيد من العوامل التي قد لا يفهمها البشر أبدًا.

في عام 2017، أجرت داني برجر، وهي مراسلة مشهورة من بلومبرج، تجربة، ولأنها تحب القطط، أنشأت مجموعة شركة تحتوي على الأحرف الثلاثة "CAT" في اسمها. ** ونتيجة لذلك، بعد اختباره على مدى السنوات الست الماضية، كان معدل العائد يصل إلى 850،000٪. **

** ** يبدو "عامل القطط" هذا سخيفًا بالنسبة لأندرو أونجر، رئيس استراتيجية استثمار العوامل في شركة بلاك روك: "أنا أفضل الكلاب. وأعتقد أن الشركة التي تعتبر لابرادور ممثلًا روحيًا ستكون بالتأكيد قادرة على العمل بشكل جيد للغاية. حسنًا". وكانت النتيجة هي نفسها، وانخفضت مجموعة الكلاب بنسبة 99.6%. [2] .

**في مجال الاستثمار، يختلف مسار التعلم بين الطبيعة البشرية والذكاء الاصطناعي، فقد يستخرج البشر القوانين من خلال المبادئ الاقتصادية أو الفطرة السليمة، بينما يتعلم الذكاء الاصطناعي وظيفة مفيدة من خلال كمية كبيرة من البيانات، وقد تكون هذه الوظيفة خاطئة، غير معقول، ولكن لديه دقة جيدة في نتائج المدخلات والمخرجات. **

على وجه التحديد، نظرًا لأن الذكاء الاصطناعي يتمتع بكفاءة عالية في تحليل ومعالجة البيانات التي لا يستطيع البشر مطابقتها، فإن سيناريو التطبيق الأخير له هو التنقيب عن بيانات الحجم والأسعار عالية التردد.

في عام 2022، سيكون هناك ما يقرب من 5000 سهم من أسهم A، وتبلغ البيانات الكمية عالية التردد التي تم إنشاؤها حوالي 12T، والتي تحتوي على الخصائص السلوكية لجميع المشاركين في أسهم A. منذ عام 2017، وبسبب الاختراق غير المسبوق لمديري الصناديق الذاتية، وصلت فعالية أسعار أسهم الفئة A على المستوى الشهري إلى ارتفاع جديد، لكن مستوى التردد العالي لا يزال عند مستوى منخفض.

وهذا يعني أنه إلى حد ما يمكن للذكاء الاصطناعي التنبؤ بالمستقبل بناءً على الإحصائيات الرياضية. شارك Sheng Fengyan مع المؤلف أنه يستخدم الشبكة العصبية المتكررة RNN كأساس لتحويلها، لأن مثل هذا النموذج مناسب جدًا لمعالجة خصائص التوقيت من حيث الحجم والسعر، والتأثير يشبه تثبيت رادار على مدفع ليزر.

ليس هناك شك في أن قدرات التعلم المرعبة التي يقدمها الذكاء الاصطناعي قد غيرت مشهد الصناعة بأكملها بهدوء. قال Xu Wenxing من صندوق الصين أوروبا للمؤلف ذات مرة: "** بعض مديري الصناديق مجتهدون للغاية ويستمعون إلى العديد من اجتماعات الخبراء كل يوم، ولكن هل فكرت يومًا أن النموذج الكبير يمكنه الاستماع إلى 5000 مكالمة جماعية كل يوم؟ إنه يحتاج فقط إلى لتلخيص عدد كبير من الأنماط لتحقيق 52% احتمال التغلب على السوق كافي.**」

02 زيادة الإنتروبيا قيد التشغيل

لطالما أحببت شركات الصناديق الأشياء بأسلوب أنيق. بدءًا من الفيديو الترويجي للذكاء الاصطناعي لـ Nanfang، وتاجر Xingquan للذكاء الاصطناعي، وحتى الاستنساخ الرقمي لـ Jin Zicai، يُشاع أنه يمكن أن يكون هناك 100 عرض ترويجي يوميًا. لقد تغير الزمن، وتحول خط التسويق الرئيسي لشركات التمويل من الرياضات الخارجية إلى المستقبل السيبراني.

ومن الطبيعي أن لا يفوت القياس الكمي لجمع التبرعات العامة، والذي يبدو أنه الأقرب إلى التكنولوجيا المتطورة، النسخة التجريبية من هذا العصر. في بحث سابق، قال بوداو يانغ مينغ للمؤلف: "دخل السوق الكمي المحلي بأكمله تدريجيًا عصر خوارزميات الذكاء الاصطناعي بعد عام 2018، ولم يتسبب الذكاء الاصطناعي في نقاش واسع النطاق في العروض العامة حتى عام 2021 أو 22."

مثل فريق Yao Jiahong الأكثر سخونة كميًا لهذا العام، وHuaxia Zhisheng Pioneer Sun Meng، وGuotai Junan Hu Chonghai، وWanjia Qiao Liang، وما إلى ذلك، فقد ذكروا بوضوح أنهم يستخدمون التعلم الآلي في استثماراتهم الكمية. على سبيل المثال، استخدمت Shengfengyan بشكل أساسي تقنية الذكاء الاصطناعي في منتج Western Profit CSI 1000 الذي تم إطلاقه حديثًا في أبريل من هذا العام، والذي تفوق بوضوح على متوسط المنتجات المماثلة.

**كل هذا يثبت أن الذكاء الاصطناعي هو أسرع سيناريو للتسويق التجاري في الصين وينعكس في مستويات الأداء. فهو ليس نسخة مطورة من Microsoft 365 Copilot، أو مجموعة مكتبية مكونة من ثلاث قطع، ولا لوحة ذكاء اصطناعي عبر الإنترنت تبدو حقيقية، ولكنها الكمي لشركات التمويل.تداول الأسهم. **

وعلى النقيض من الاستثمار الشخصي، الذي يمكن أن يروي كل أنواع القصص الخيالية، يتحدث البعض عن الرهان على الابتكار المعطل، ويتحدث البعض عن زراعة المحاصيل في الأراضي المالحة والقلوية، والبعض يفضل إحصاء القمر على النجوم. يبدو أن الاستثمار الكمي يصعب فهمه بشكل خاص، ولا يمكن أن تقتصر الأوصاف والتحليلات الخارجية إلا على عدد آلاف البطاقات التي تمتلكها مؤسسة معينة.

ومع ذلك، فإن ظهور الذكاء الاصطناعي قد أعطى اختراقًا جديدًا لسرد الصناعة بأكملها.

في المواد التسويقية لـ Sun Meng، لن يتم ترك وصف التعاون بين Huaxia وMicrosoft Research Asia في عام 2017 وراءنا. في عام 2018، اقترحت شركة Huaxia Microsoft نموذج الاهتمام لتعلم كيفية حل مشكلة دوران الصناعة، ثم اقترحت نموذج التشفير التلقائي لوصف حالة السوق، وأنشأت عامل أتمتة Machine alpha، وفي عام 2019، تم استخدام هذه النتائج في عرض الشركة .

نظرًا لأن Microsoft مستثمر في OpenAI، مقارنة بالعروض العامة الأخرى، فمن السهل على Jimin القيام مبكرًا بـ Huaxia’s AI+، ويبدو أن النسب أكثر نقاءً.

أما بالنسبة لمنتج Guojin الكمي متعدد العوامل، فهو أحد المنتجات القليلة في العامين الماضيين التي يمكنها منافسة Jin Yuan Shun An Yuan Qi من حيث الشعبية. تختلف عن اللحم البشري "Yuanqi" الذي يدمر مخزونات رأس المال الصغير كميًا، فهي كمية بحتة.

قالت ما فانغ أيضًا في اتصال داخلي إنها لا تلعب لعبة متعددة العوامل بحتة، بل تتنبأ بالنموذج نفسه وتتتبع التغييرات في نمط السوق، وبعد اكتمال الإطار، لن تتدخل كثيرًا يدويًا. لأنه في رأيها "التدخل الاصطناعي لن يحقق ألفا مستقرا على المدى الطويل".

ذكر المؤلف في "أسهم الشركات الصغيرة مزدحمة للغاية، والكثير من الناس لديهم أسرار" أن النطاق الكمي متعدد العوامل لشركة China International Finance Corporation Limited قد توسع بسرعة كبيرة. في العام الماضي، كانت تمتلك 1534 سهمًا، إذا كانت تمتلك أكثر من 2000 سهم سيكون مربحًا تمامًا في نمط الشركات الصغيرة. وليس من المستغرب أن تصدر مؤسسة التمويل الوطنية الصينية صندوقًا جديدًا لما فانغ بينما يكون الحديد ساخنًا.

في السنوات الأخيرة، كان الاختيار الكمي للأسهم من قبل Guotai Junan والعوامل الكمية المتعددة من Guojin يتمتعان باستقرار زائد مماثل. ويمكنك رؤية العديد من المقالات التي تروج لـ Hu Chonghai في Snowball.

قوته تكمن في قدرته التجارية. أخبر أحد كبار الباحثين في الصناديق المؤلف أن ** Guojun هي واحدة من المؤسسات العامة القليلة التي تطور نظام التداول الخاص بها، وقد تطورت من تقسيم بسيط لكبار الشخصيات إلى أن أصبح لديها الآن خوارزمية تداول تنبؤية خاصة بها. باعتبارها شركة تابعة لشركة Guotai Junan Securities، فهي لا تتمتع برسوم معاملات منخفضة وسرعات معاملات سريعة فحسب، بل توفر أيضًا راحة استضافة الخادم، والأمر الأكثر سرًا هو أنها يمكنها الحصول على العديد من البيانات البديلة والبيانات عالية التردد التي يحتاجها الذكاء الاصطناعي. **

بالمقارنة مع أساتذة الكم المذكورين أعلاه، فإن تشياو ليانغ من وانجيا أكثر شهرة، فقد قام ببناء "مؤشر المصرفيين التاليين".

في نموذج النمو الأسي الخاص به، سيتم استخدام التعلم الآلي لتقسيم السوق إلى 8 أنماط سيناريو، ثم مطابقة السيناريوهات التاريخية المقابلة لتكوين العوامل. والأكثر خصوصية هو Wanjia Quantitative Selection. وتتمثل استراتيجيتها في اختيار الأسهم التي تتمتع بأكبر حيازات من منتجات الصناديق الممتازة في السوق، وتقدير ممتلكاتها وإنشاء محفظة لتشكيل *"تعزيز مؤشر حجم ممتلكات الصندوق العام" *.

هناك عدد لا بأس به من منتجات الطرح العام المشابهة لـ "نسخ الوظائف"، مثل شركة "هارفست ريسيرتش ألفا" لشياو مي، والمحرك الكمي للمسار الملتوي في الصين وأوروبا، و"بوداو يوانهانج" لشركة يانج منج. ومع ذلك، فإن مثل هذه الاستراتيجيات لم يحالفها الحظ في الماضي. عامين، والاكتتابات العامة الضعيفة لها مواقف ثقيلة تسقط معها.

اعتبارًا من هذا العام، ** يتميز قياس الطرح العام بخصائص مختلفة، حيث يتحدث البعض عن الخلفية التاريخية، ويتحدث البعض عن استبدال المنتجات الشائعة، ويتحدث البعض عن أنظمة الأجهزة، ويتحدث البعض عن ابتكار المنتجات**. إن التحديد الكمي للعروض العامة، والذي لم يكن من الممكن معرفة الفرق في الأصل، قد روى قصة جديدة مع الجهود التي تبذلها الصناعة بأكملها.

03 حان وقت التهدئة

بعد ظهور ChatGPT في الولايات المتحدة، كانت صناعتان في الصين الأكثر إثارة للقلق. أحدهما هو الطرح العام الشخصي لتداول الذكاء الاصطناعي، والآخر هو الطرح العام الكمي للذكاء الاصطناعي.

في الواقع، يعد الذكاء الاصطناعي بالفعل أداة جيدة لدعم الاستثمار، وقد أكد لي بعض الباحثين الكميين أن الذكاء الاصطناعي قدم مساهمات كبيرة في استراتيجيات الأسهم، ولكن لا تزال هناك العديد من المشكلات في تطبيق خوارزميات التعلم الآلي في العروض العامة وحتى بأكملها. صناعة إدارة الأصول.

وكما تريد شركة تسلا تحقيق القيادة الذاتية، فإنها تحتاج إلى المزيد من السيارات ذات الإنتاج الضخم لجمع بيانات الطريق. إن تحسين القدرات الاستثمارية للذكاء الاصطناعي لا يمكن إلا أن يغذي ما يكفي من البيانات التاريخية، ولكن البيانات التاريخية لسوق رأس المال المحلي قصيرة نسبيا، إذا كنت تستخدم ببساطة "نسبة المعلومات في السنوات الخمس الماضية" و"معدل العائد في السنوات الثلاث الماضية"، سيكون هناك overfitting.risk.

** إلى حد ما، أحد الأسباب المهمة وراء نجاح عصر النهضة لصناديق التحوط الكمية هو أنها تمتلك بيانات دقيقة يمكن إرجاعها إلى القرن الثامن عشر، لإدراك الصورة التي قد لا يراها الآخرون بالضرورة. **

والأمر الأكثر صعوبة هو أن نسبة الإشارة إلى الضوضاء في البيانات المالية منخفضة للغاية، ولا يمكن إنشاء العينات بشكل لا نهائي مثل الصور الصوتية، لذلك يتوفر عدد أقل من العينات. علاوة على ذلك، لا يوجد ما يسمى الحقيقة في السوق المالية بأكملها، وتفترض معظم السيناريوهات التي تنطبق فيها خوارزميات التعلم الآلي أن البيانات لها نفس نمط التوزيع داخل العينة وخارجها.

** لذا، لجعل الخوارزمية تتكيف مع البيئة غير المؤكدة، على المدى القصير، قد لا تعتمد على فهم الآلة، ولكن أكثر على التجربة البشرية. **

تحدث Zhang Chenying من Egret Asset Management أيضًا عن صعوبة استخدام الذكاء الاصطناعي، قائلاً: "عندما نستخدم الشبكات العصبية البيانية (GNN)، نحتاج أولاً إلى استخدام معالجة اللغة الطبيعية لاستخراج العلاقات الأولية والنهائية بين التقارير البحثية والتقارير المالية والأخبار. الأسهم لبناء رسم بياني معرفي، وفي الوقت نفسه، تعد GNN معقدة للغاية وتتطلب الكثير من الخبرة اليدوية لضبط العديد من المعلمات الفائقة، ** الأمر الذي يتطلب من المستخدمين أن يكون لديهم احتياطيات كافية في كل من معرفة البيانات والإدراك الفني. [1] **.」

حتى لو وضعنا جانبًا تعقيد استراتيجية الذكاء الاصطناعي نفسها، سواء كان ذلك يتعلق باحتياطيات الموظفين أو خوارزميات القوة الحاسوبية، هناك فجوة معينة بين الأسهم العامة والأسهم الخاصة في تنفيذ الذكاء الاصطناعي.

منذ عام 2020 حتى الوقت الحاضر، كانت صناعة الصناديق بأكملها مثل الموضوعات المتغيرة باستمرار لاستثمار القيمة في الأسهم A-**، والاستثمار المزدهر، وانخفاض القيمة، والدخل الثابت +، وFOF، وETF، وأرباح الأسهم، والآن التحديد الكمي للاكتتابات العامة. هناك 1-2 نقطة ساخنة كل عام. **

لا يزال التحديد الكمي للعروض العامة له قيوده الخاصة، وهناك تحديات في الاستفادة من الذكاء الاصطناعي، ناهيك عن أن إسناد الدخل ليس كله يأتي من الذكاء الاصطناعي. يعد الذكاء الاصطناعي بالطبع علامة رائجة وقصة جديدة، لكن صناعة الصناديق لم تفتقر أبدًا إلى الحملات التسويقية، بل إلى الأداء المستدام. هل يمكن للقياس الكمي للذكاء الاصطناعي هذه المرة أن يجلب حيوية مختلفة حقًا؟

مراجع

• [1] Zhang Chenying من Egret Asset Management: اتجاه التطبيق والتطوير لتكنولوجيا الذكاء الاصطناعي في مجال الاستثمار الكمي.
• [2] داني برجر يعود بالزمن إلى الوراء، ويجني 850000% من القطط، ويثير غضبًا شديدًا.بلومبرج