- Tema
2k Popularidad
5k Popularidad
2k Popularidad
158k Popularidad
1833k Popularidad
63k Popularidad
112k Popularidad
451k Popularidad
7207k Popularidad
10722k Popularidad
- Anclado
2k Popularidad
5k Popularidad
2k Popularidad
158k Popularidad
1833k Popularidad
63k Popularidad
112k Popularidad
451k Popularidad
7207k Popularidad
10722k Popularidad
¿Las ofertas públicas también utilizan la IA para especular con acciones?
Fuente: Yuanchuan Investment Review (ID: caituandzd), autor | Zhang Weidong, editor | Zhang Jieyu
Después de cambiar el panorama de la industria del capital privado, la cuantificación está penetrando en el ecosistema de productos de capital público.
En el segundo trimestre de este año, la escala de China Sun Meng, los comerciantes chinos Wang Ping y Western Lide Shengfengyan superó los 10 mil millones. Además, la escala de Guojin Ma Fang y Wanjia Qiao Liang, que ya cuentan con decenas de miles de millones de gestores de fondos cuantitativos, se ha disparado aún más. El círculo de cuantificación pública ha ido pasando gradualmente de la transparencia al escenario, y la forma de atraer la atención de la gente también se ha alejado de la narrativa pasada del "pequeño error de seguimiento", mostrando su capacidad para lograr excesos en el caparazón del caracol.
Un administrador de fondos cuantitativos anónimo le dijo al autor que las personas a las que les ha ido bien en el desempeño de la oferta pública cuantitativa este año básicamente han pisado dos puntos calientes, uno es el de microcapitalización y el otro es la IA. **
Es fácil explicar que hacer microcaps es repartir el pastel entre empresas con una capitalización de mercado inferior a 2.500 millones y venderlas cuando la capitalización de mercado aumente. En comparación con este método de frotar billetes pequeños, la cuantificación de la IA no es tan fácil de entender.
No sólo la estrategia en sí, sino incluso el road show cuantitativo de la oferta pública es como una caja negra. Una vez que alguien pregunta cómo se aplica específicamente la estrategia de IA, a los administradores de fondos les gusta usar cajas negras de aprendizaje automático para evitar la pregunta. Cada vez que el administrador de fondos expresa con sinceridad: "Las estrategias de IA son extremadamente complejas de describir y el aprendizaje automático no se puede explicar". Se realizará la debida diligencia. Básicamente, no puedo hacer más preguntas.
En el contexto de "el cumplimiento es primordial", para evitar que sus pares aprendan, incluso algunos factores de falla no están dispuestos a ser revelados, lo que hace que algunos recién llegados a la industria se sientan impotentes para investigar a los administradores de fondos cuantitativos. Como resultado, toda la industria e incluso los propios administradores de fondos sólo pueden evaluar el nivel de un administrador de fondos cuantitativo en función de su desempeño histórico.
Cuando todo el mundo recibe dinero a raudales pero no pueden entenderlo del todo, surge una pregunta crucial. ¿Es el uso de la IA en la cuantificación de la recaudación de fondos públicos una herramienta eficaz o un truco de marketing?
01 Abre la caja negra
La gente suele adorar cosas que no entienden. Especialmente para productos de este tipo de cuantificación de oferta pública, algunos administradores de fondos compartieron generosamente con el autor. Cuando hablaron sobre estrategias de IA durante el ** roadshow, los clientes mostraron una expresión medio informada, que es el mejor estado. **
De hecho, lo que hace la IA pública no es imposible de entender en un lenguaje sencillo. ** Western Lide Shengfengyan le dijo una vez al autor que el uso de la IA en la selección de acciones de acciones públicas se refleja principalmente en tres aspectos: análisis de texto, selección de acciones multifactorial y extracción de datos de precios y volúmenes de alta frecuencia. **
Análisis de texto es el más fácil de entender. Por lo general, se refiere a varios modelos de inteligencia artificial de administradores de fondos basados en la arquitectura Transformer, que pueden comprender semánticamente el contexto de datos de texto, como informes de investigación y transmisiones de noticias, y analizar la información emocional contenida en diferentes textos, ayudando así a la toma de decisiones.
Transformer es el modelo de aprendizaje profundo más popular en los últimos años y su rendimiento en tareas de texto como la traducción automática supera al de los modelos tradicionales de aprendizaje profundo como RNN y CNN. La capa inferior de ChatGPT, cuya popularidad se ha disparado este año, también se basa en Transformer.
Por ejemplo, el año pasado, el vendedor pudo producir más de 200 informes por día y el número de palabras solo en el resumen superó las 270.000 palabras. La cuantificación tradicional puede comprender cifras financieras estandarizadas, pero no puede comprender que la taza mediana de Starbucks es en realidad una taza pequeña y que la neutralidad escrita por los analistas en los informes de investigación es en realidad bajista. **
Para hacer buenas inversiones a nivel nacional, una parte inevitable es comprender las políticas de noticias. Un administrador de fondos cuantitativos que no quiso ser identificado se lo describió al autor de esta manera: "Online dijo que las únicas personas que pueden entender el significado de las transmisiones de noticias son al menos los cuadros de nivel de subdirector. Nuestro modelo de IA solo puede ser considerado un especulador de acciones al interpretar las noticias. Soy un miembro junior de la sección y me esfuerzo por tener la comprensión del departamento adjunto el próximo año."
El segundo escenario de aplicación de la IA es la selección de acciones multifactorial. El marco cuantitativo multifactorial tradicional utiliza las características de las acciones alcistas históricas para encontrar la aparición de acciones alcistas potenciales en el futuro, como aquellas con valoraciones bajas, buen rendimiento y mayores. participaciones de gestión, acciones a las que nadie presta atención.
Por el contrario, la aplicación de la IA en este escenario se refleja principalmente en la superposición de factores no lineal. Por ejemplo, los fondos públicos todavía alimentan los modelos con factores con significado y lógica económica, pero en la selección de modelos utilizarán estructuras de árbol y redes neuronales para participar en la inversión.
Si se relajan las restricciones, la IA puede descubrir más factores que los humanos tal vez nunca comprendan.
En 2017, Dani Burger, una famosa reportera de Bloomberg, realizó un experimento: como le gustan los gatos, creó una combinación de empresa con las tres letras "CAT" en su nombre. **Resultados: en pruebas retrospectivas durante los últimos seis años, la tasa de retorno llegó al 850 000 %. **
**
**Un "factor gato" así le parece ridículo a Andrew Unger, jefe de estrategia de inversión en factores de BlackRock: "Prefiero los perros. Creo que una empresa que considera a Labrador como su representante espiritual sin duda podrá obtener buenos resultados". " Los resultados también bajaron: la combinación de perros cayó un 99,6% [2] 。
**En el campo de la inversión, la naturaleza humana y los caminos de aprendizaje de la IA son diferentes. Los humanos pueden refinar las reglas a través de principios económicos o sentido común, mientras que la IA aprende de una gran cantidad de datos para obtener una función útil, lo que puede ser incorrecto. , irrazonable , pero tiene buena precisión en los resultados de entrada y salida. **
Precisamente porque la IA es muy eficiente a la hora de analizar y procesar datos que los humanos no pueden igualar, su último escenario de aplicación es la extracción de datos de precios y volúmenes de alta frecuencia.
En 2022, hay casi 5.000 acciones de acciones A y los datos cuantitativos de alta frecuencia generados son aproximadamente 12T, que contienen las características de comportamiento de todos los participantes de acciones A. Desde 2017, debido a la introversión sin precedentes de los administradores de fondos subjetivos, la efectividad de los precios de las acciones A a nivel mensual ha alcanzado un nuevo nivel, pero el nivel de alta frecuencia aún se encuentra en un nivel bajo.
Esto significa que, hasta cierto punto, la IA puede predecir el futuro basándose en estadísticas matemáticas. Sheng Fengyan compartió con el autor que está utilizando la red neuronal cíclica RNN como base para transformarla, porque dicho modelo es muy adecuado para manejar las características temporales del volumen y el precio, y el efecto es como agregar un radar a un cañón láser.
No hay duda de que las aterradoras capacidades de aprendizaje que presenta la IA han cambiado silenciosamente el panorama de toda la industria. Xu Wenxing, del China Europe Fund, le dijo una vez al autor: "** Algunos administradores de fondos son muy diligentes y escuchan muchas reuniones de expertos todos los días, pero ¿alguna vez pensaste que un modelo grande puede escuchar 5.000 conferencias telefónicas todos los días? Solo necesita para resumir una gran cantidad de patrones para lograr el 52% de probabilidad de ganarle al mercado es suficiente.**」
02 Entropía activada
A las empresas de fondos siempre les han gustado las cosas con estilo. Desde el video promocional de inteligencia artificial de Nanfang, el comerciante de inteligencia artificial de Xingquan hasta el clon digital de Jin Zicai, se rumorea que se pueden realizar 100 presentaciones itinerantes en un día. Los tiempos han cambiado y la principal línea de marketing de las empresas de fondos ha pasado de los deportes al aire libre al futuro cibernético.
Y la cuantificación de la recaudación de fondos públicos, que parece ser la más cercana a la tecnología de punta, naturalmente no se perderá la Beta de esta era. En una investigación anterior, Bodao Yang Meng le dijo al autor: "** Todo el mercado cuantitativo nacional entró gradualmente en la era de los algoritmos de IA después de 2018, y no fue hasta 2021 o 22 que la IA provocó una discusión generalizada en las ofertas públicas. **"
Como el equipo cuantitativo multifactorial más popular de este año, Yao Jiahong, el pionero de Huaxia Zhisheng, Sun Meng, Guotai Junan Hu Chonghai y Wanjia Qiao Liang, etc., han declarado claramente que utilizan el aprendizaje automático en sus inversiones cuantitativas. Por ejemplo, Sheng Fengyan utilizó principalmente tecnología de inteligencia artificial en el Western Lide CSI 1000 lanzado recientemente en abril de este año, que superó claramente el promedio de la misma categoría.
**Todo esto demuestra que la IA es la más rápida de implementar en China y se refleja en el nivel de rendimiento de los escenarios de comercialización. No es una versión mejorada de Microsoft 365 Copilot, una suite ofimática de tres piezas ni una pintura de IA en línea que Parece real, pero es una cuantificación de las empresas de fondos.. Negociación de acciones. **
A diferencia de la inversión subjetiva, que puede contar todo tipo de historias fantasiosas, algunos hablan de apostar por la innovación disruptiva, otros hablan de cultivar en tierras salino-álcalis y algunos prefieren contar la luna que las estrellas. La inversión cuantitativa parece ser particularmente difícil de entender, y las descripciones y análisis externos sólo pueden limitarse a cuántos miles de tarjetas tiene una determinada institución.
Sin embargo, la aparición de la IA ha supuesto un nuevo avance en la narrativa de toda la industria.
En los materiales de marketing de Sun Meng, no habrá ninguna descripción de la cooperación entre China Xiaxia y Microsoft Research Asia en 2017. En 2018, Microsoft China propuso el modelo de atención para aprender a resolver el problema de rotación de la industria, y luego propuso el modelo Autoencoder para describir el estado del mercado y generar el factor de automatización alfa de la máquina. En 2019, estos resultados se utilizaron para operaciones reales.
Dado que Microsoft es un inversor en OpenAI, en comparación con otras ofertas públicas, es fácil para los cristianos pagar por AI+ de China, que se lanzó anteriormente y cuyo pedigrí parece ser más puro.
En cuanto al multifactor cuantitativo Guojin, es uno de los pocos productos de los últimos dos años que puede competir con Jin Yuan Shun An Yuan Qi en términos de popularidad. A diferencia de la carne humana "Yuanqi" que destruye cuantitativamente las acciones de microcapitalización, son puramente cuantitativas.
Ma Fang también dijo en una comunicación interna que su enfoque no es puramente multifactorial, sino más bien de predicción por el modelo en sí y seguimiento de cambios en el estilo del mercado. Una vez completado el marco, no tendrá demasiada intervención manual. Porque, en su opinión, “la intervención artificial no producirá un alfa estable a largo plazo”.
El autor mencionó en "Las acciones de microcapitalización están demasiado abarrotadas, demasiadas personas tienen secretos" que la escala cuantitativa multifactorial de China International Finance Corporation Limited se ha expandido demasiado rápido. El año pasado, tenía 1.534 acciones, si tuviera más de 2.000 acciones. , sería completamente rentable en el estilo de pequeña capitalización. No sorprende que la Corporación Financiera Internacional de China haya atacado mientras el hierro está caliente y haya emitido un nuevo fondo para Ma Fang.
En los últimos años, la selección cuantitativa de acciones de Guotai Junan y el multifactor cuantitativo de Guojin tienen un exceso de estabilidad similar. Puede ver numerosos artículos que promocionan a Hu Chonghai en Snowball.
Su fuerza radica en su capacidad comercial. Un investigador senior de fondos le dijo al autor que ** Guojun es una de las pocas instituciones públicas que desarrolla su propio sistema de negociación y ha evolucionado desde una simple división VIP hasta tener ahora su propio algoritmo de negociación predictivo. Como subsidiaria de Guotai Junan Securities, no solo tiene tarifas de transacción bajas y velocidades de transacción rápidas, sino que también brinda la conveniencia de alojar un servidor. Lo más secreto es que puede obtener muchos datos alternativos y datos de alta frecuencia que necesita la IA. **
En comparación con los maestros cuantitativos antes mencionados, Qiao Liang de Wanjia es más reconocible: construyó un "Índice Gongzhuang" **.
En su modelo de crecimiento del índice, se utiliza el aprendizaje automático para dividir el mercado en 8 estilos de escenarios y luego los escenarios históricos correspondientes se combinan para la asignación de factores. El más especial es Wanjia Quantitative Selection. Su estrategia consiste en seleccionar las acciones con las mayores tenencias de productos de fondos excelentes en el mercado, estimar sus tenencias y construir una cartera para formar una *"Mejora del índice de tenencias de fondos públicos" *.
Hay bastantes productos de oferta pública similares a los "trabajos de copia", como Harvest Research Alpha de Xiao Mi, Quantitative Drive of the Crooked Path de China Europa y Bodao Yuanhang de Yang Meng, pero estas estrategias no han tenido buena suerte en el pasado. dos años, y las ofertas públicas débiles tienen posiciones pesadas que caen con ellas.
A partir de este año, ** la cuantificación de la oferta pública tiene varias características: algunos hablan de antecedentes históricos, otros hablan de reemplazo de productos populares, algunos hablan de sistemas de hardware y otros hablan de innovación de productos **. La cuantificación de las ofertas públicas, que originalmente no podían distinguir la diferencia, ha contado una nueva historia gracias al esfuerzo de toda la industria.
03 Es hora de refrescarse
Después del nacimiento de ChatGPT en los Estados Unidos, hay dos industrias nacionales que son las más inquietas: una es la oferta pública subjetiva de comercio de IA y la otra es la cuantificación de la oferta pública de IA.
De hecho, la IA es una buena herramienta de apoyo a la inversión, y algunos investigadores cuantitativos me han confirmado que la IA ha hecho grandes contribuciones a las estrategias bursátiles, pero todavía existen muchos problemas en la aplicación de algoritmos de aprendizaje automático en ofertas públicas e incluso en todo el mundo. industria de gestión de activos.
Así como Tesla quiere lograr la conducción autónoma, necesita más vehículos producidos en masa para recopilar datos de las carreteras. Mejorar la capacidad de inversión de la IA solo puede alimentar suficientes datos históricos, pero los datos históricos del mercado de capitales nacional son relativamente cortos, si simplemente se utiliza el "índice de información de los últimos 5 años" y la "tasa de rendimiento de los últimos 3 años". , habrá riesgo de sobreajuste.
**Hasta cierto punto, una razón muy importante por la que el fondo de cobertura cuantitativo Renaissance ha tenido tanto éxito es que tiene datos precisos que se remontan al siglo XVIII para percibir una imagen que otros tal vez no puedan ver. **
Lo que es más difícil es que la relación señal-ruido de los datos financieros es muy baja y no pueden generar muestras ilimitadas como imágenes de voz, por lo que hay incluso menos muestras disponibles. Es más, no existe una supuesta verdad en todo el mercado financiero, y la mayoría de los escenarios donde se aplican algoritmos de aprendizaje automático suponen que los datos tienen el mismo patrón de distribución dentro y fuera de la muestra.
** Entonces, para que el algoritmo se adapte al entorno incierto, en el corto plazo, es posible que no dependa de la comprensión de la máquina, sino más bien de la experiencia humana. **
Zhang Chenying de Egret Asset Management también habló sobre la dificultad de usar IA: “Cuando usamos redes neuronales gráficas (GNN), primero necesitamos usar el procesamiento del lenguaje natural para extraer las relaciones ascendentes y descendentes entre informes de investigación, informes financieros y noticias. acciones para construir un gráfico de conocimiento. Al mismo tiempo, GNN es muy complejo y requiere mucha experiencia manual para ajustar muchos hiperparámetros,** lo que requiere que los usuarios tengan suficientes reservas tanto en cognición de datos como en cognición técnica. [1] **。」
Incluso dejando de lado la complejidad de la propia estrategia de IA, ya sean reservas de personal o algoritmos de potencia informática, existe una cierta brecha entre el capital público y el capital privado al hacer IA.
Desde 2020 hasta el presente, toda la industria de fondos ha sido como los temas en constante cambio de la inversión en valor de acciones A**, la inversión en auge, la subvaluación, la renta fija+, FOF, ETF, dividendos y ahora la cuantificación de las ofertas públicas. Hay 1 o 2 puntos calientes cada año. **
La cuantificación de la oferta pública todavía tiene sus propias limitaciones, y también existen desafíos a la hora de aprovechar la IA, sin mencionar que no toda la atribución de ingresos proviene de la IA. La inteligencia artificial es, por supuesto, una etiqueta candente y una historia nueva, pero a la industria de los fondos nunca le ha faltado impulso de marketing, sino un desempeño sostenible. ¿Puede esta cuantificación de la IA realmente aportar una vitalidad diferente?
Referencias