- Topik
995 Popularitas
5k Popularitas
2k Popularitas
143k Popularitas
1850k Popularitas
63k Popularitas
112k Popularitas
451k Popularitas
7207k Popularitas
10722k Popularitas
- Sematkan
995 Popularitas
5k Popularitas
2k Popularitas
143k Popularitas
1850k Popularitas
63k Popularitas
112k Popularitas
451k Popularitas
7207k Popularitas
10722k Popularitas
Penawaran umum juga menggunakan AI untuk berspekulasi di saham?
Sumber: Yuanchuan Investment Review (ID: caituandzd), penulis | Zhang Weidong, editor | Zhang Jieyu
Setelah mengubah pola industri ekuitas swasta, kuantifikasi merambah ke dalam ekologi produk ekuitas publik.
Pada kuartal kedua tahun ini, skala Huaxia Sun Meng, Pedagang Tiongkok Wang Ping, dan Western Lide Shengfengyan melebihi 10 miliar. Selain itu, skala Guojin Ma Fang dan Wanjia Qiao Liang, yang sudah menjadi pengelola dana kuantitatif puluhan miliar, juga melonjak. Lingkaran kuantifikasi publik secara bertahap beralih dari transparansi ke panggung, dan cara untuk menarik perhatian masyarakat juga telah melepaskan diri dari narasi "kesalahan pelacakan kecil" di masa lalu, menunjukkan kemampuan mereka untuk mencapai kelebihan dalam cangkang siput.
Seorang fund manager kuantitatif yang tidak mau disebutkan namanya mengatakan kepada penulis bahwa orang-orang yang berhasil baik dalam kinerja penawaran umum kuantitatif tahun ini pada dasarnya telah menginjak dua outlet, satu adalah microcaps dan yang lainnya adalah AI. **
Cara melakukan micro-caps mudah untuk dijelaskan, yaitu menyebarkan kue di perusahaan dengan nilai pasar kurang dari 2,5 miliar untuk menghasilkan kelebihan, dan menjualnya ketika nilai pasar menjadi lebih besar. Dibandingkan dengan metode menggosok tiket kecil ini, kuantifikasi AI tidak begitu mudah untuk dipahami.
Bukan hanya strateginya sendiri, roadshow penawaran umum kuantitatif pun ibarat kotak hitam. Begitu seseorang bertanya bagaimana strategi AI diterapkan secara spesifik, pengelola dana suka menggunakan kotak hitam pembelajaran mesin untuk menghindari pertanyaan. Setiap kali pengelola dana mengungkapkan dengan tulus, "Strategi AI sangat rumit untuk dijelaskan dan pembelajaran mesin tidak dapat dijelaskan," uji tuntas akan dilakukan. Saya pada dasarnya tidak bisa bertanya lebih lanjut.
Dalam konteks "kepatuhan adalah yang terpenting", karena pertimbangan menghalangi rekan-rekan untuk belajar, bahkan beberapa faktor kegagalan tidak bersedia diungkapkan. Hal ini membuat beberapa pendatang baru di industri ini merasa tidak berdaya untuk menyelidiki pengelola dana kuantitatif. Akibatnya, seluruh industri dan bahkan pengelola dana sendiri hanya dapat mengevaluasi tingkat pengelola dana kuantitatif berdasarkan kinerja historisnya.
Ketika uang semua orang mengalir deras tetapi mereka tidak dapat memahaminya, sebuah pertanyaan krusial muncul. Apakah penggunaan AI dalam kuantifikasi penggalangan dana publik merupakan alat atau gimmick pemasaran yang efektif?
01 Buka kotak hitam
Seringkali orang mengidolakan hal-hal yang tidak mereka pahami. Khusus untuk produk jenis kuantifikasi penawaran umum, seorang fund manager dengan murah hati menyampaikan kepada penulis bahwa ketika berbicara tentang strategi AI selama ** roadshow, klien menunjukkan pemahaman yang samar-samar. Itu adalah kondisi terbaik. **
Faktanya, apa yang dilakukan AI publik bukan tidak mungkin untuk dipahami dalam bahasa sederhana. **Western Lide Shengfengyan pernah mengatakan kepada penulis bahwa penggunaan AI dalam pemilihan saham ekuitas publik terutama tercermin dalam tiga aspek: analisis teks, pemilihan saham multi-faktor, dan penambangan data volume dan harga frekuensi tinggi. **
Analisis Teks adalah yang paling mudah dipahami. Biasanya mengacu pada berbagai model AI pengelola dana berdasarkan arsitektur Transformer, yang secara semantik dapat memahami konteks data teks seperti laporan penelitian dan siaran berita, serta menganalisis informasi emosional yang terkandung dalam teks berbeda, sehingga membantu pengambilan keputusan.
Transformer adalah model pembelajaran mendalam paling populer dalam beberapa tahun terakhir, dan kinerjanya pada tugas teks seperti terjemahan mesin melebihi model pembelajaran mendalam tradisional seperti RNN dan CNN. ChatGPT, yang meledak tahun ini, juga berbasis Transformer.
Misalnya, tahun lalu, penjual mampu menghasilkan lebih dari 200 laporan setiap hari, dan jumlah abstraknya saja melebihi 270.000 kata. Kuantifikasi tradisional dapat memahami angka keuangan standar, namun tidak dapat memahami bahwa cangkir medium Starbucks sebenarnya adalah cangkir kecil, dan laporan penelitian analis yang menulis netral sebenarnya bersifat bearish. **
Untuk melakukan investasi yang baik di Tiongkok, pemahaman tentang kebijakan pemberitaan adalah bagian yang tidak bisa dihindari. Seorang pengelola dana kuantitatif yang tidak ingin disebutkan namanya menjelaskan hal ini kepada penulis, "Transmisi jaringan dapat memahami makna mendalam dari siaran berita setidaknya di tingkat wakil direktur. Model AI kami hanya dapat dianggap sebagai hobi di menafsirkan berita. Saya akan berusaha untuk memiliki kemampuan pemahaman wakil departemen tahun depan.”
Skenario penerapan AI yang kedua adalah pemilihan saham multi-faktor.Kerangka kerja multi-faktor kuantitatif tradisional menggunakan karakteristik saham-saham bullish historis untuk menemukan kemunculan saham-saham bullish potensial di masa depan, seperti saham-saham dengan valuasi rendah, kinerja baik, meningkat kepemilikan oleh manajemen, Saham yang tidak diperhatikan oleh siapa pun.
Sebagai perbandingan, penerapan AI dalam skenario ini terutama tercermin dalam superposisi faktor nonlinier. Misalnya, dana publik masih memasukkan faktor-faktor yang memiliki makna dan logika ekonomi ke dalam model, namun mereka menggunakan struktur pohon dan jaringan saraf untuk berpartisipasi dalam investasi dalam pemilihan model.
Jika pembatasan dilonggarkan, AI dapat menemukan lebih banyak faktor yang mungkin tidak pernah dipahami manusia.
Pada tahun 2017, Dani Burger, reporter ternama dari Bloomberg melakukan eksperimen, karena ia menyukai kucing, ia membuat kombinasi perusahaan dengan tiga huruf "CAT" di namanya. **Hasil: Pengujian ulang selama enam tahun terakhir, tingkat pengembalian mencapai 850.000%. **
**
** "Faktor kucing" seperti itu tampak konyol bagi Andrew Unger, kepala strategi investasi faktor BlackRock: "Saya lebih suka anjing. Saya yakin perusahaan yang menganggap Labrador sebagai perwakilan spiritual pasti akan dapat beroperasi dengan sangat baik. Oke." Hasilnya sama, dan kombinasi anjing turun 99,6%. [2] 。
**Di bidang investasi, sifat manusia dan jalur pembelajaran AI berbeda. Manusia dapat menyempurnakan aturan melalui prinsip ekonomi atau akal sehat; sementara AI belajar dari sejumlah besar data untuk mendapatkan fungsi yang berguna, yang mungkin saja salah. , tidak masuk akal , namun memiliki akurasi yang baik dalam hasil input dan output. **
Justru karena AI sangat efisien dalam menganalisis dan memproses data yang tidak dapat ditandingi oleh manusia, skenario penerapan terakhirnya adalah Penambangan data volume dan harga frekuensi tinggi.
Pada tahun 2022, terdapat hampir 5.000 saham A-share, dan data kuantitatif frekuensi tinggi yang dihasilkan sekitar 12T, yang berisi karakteristik perilaku semua peserta A-share. Sejak tahun 2017, karena involusi pengelola dana subjektif yang belum pernah terjadi sebelumnya, efektivitas harga saham A-share pada tingkat bulanan telah mencapai ketinggian baru, namun tingkat frekuensi tinggi masih pada tingkat rendah.
Artinya, sampai batas tertentu, AI dapat memprediksi masa depan berdasarkan statistik matematika. Sheng Fengyan berbagi dengan penulis bahwa dia menggunakan jaringan saraf siklik RNN sebagai dasar untuk mengubahnya, karena model seperti itu sangat cocok untuk menangani karakteristik waktu volume dan harga, dan efeknya seperti menambahkan radar ke sebuah meriam laser.
Tidak ada keraguan bahwa kemampuan pembelajaran mengerikan yang dihadirkan oleh AI diam-diam telah mengubah lanskap seluruh industri. Xu Wenxing dari China Europe Fund pernah mengatakan kepada penulisnya: "Beberapa fund manager sangat rajin dan mendengarkan banyak pertemuan pakar setiap hari, tetapi pernahkah Anda berpikir bahwa model besar dapat mendengarkan 5.000 panggilan konferensi setiap hari? Itu hanya perlu untuk merangkum sejumlah besar pola untuk mencapai 52% Kemungkinan mengalahkan pasar sudah cukup.」
02 Entropi Aktif
Perusahaan dana selalu menyukai hal-hal yang penuh gaya. Dari video promosi AI Nanfang, pedagang AI Xingquan, hingga tiruan digital Jin Zicai, dikabarkan bisa ada 100 road show dalam sehari. Waktu telah berubah, dan jalur pemasaran utama perusahaan pendanaan telah beralih dari olahraga luar ruangan ke masa depan dunia maya.
Dan kuantifikasi penggalangan dana publik, yang tampaknya paling mendekati teknologi mutakhir, tentu saja tidak akan melewatkan Beta di era ini. Dalam penelitian sebelumnya, Bodao Yang Meng mengatakan kepada penulis: "Seluruh pasar kuantitatif domestik secara bertahap memasuki era algoritme AI setelah tahun 2018, dan baru pada tahun 2021 atau 22 AI menyebabkan diskusi luas dalam penawaran umum."
Misalnya, tim Yao Jiahong Multi-faktor Kuantitatif Guojin yang paling populer tahun ini, Pelopor Huaxia Zhisheng Sun Meng, Guotai Junan Hu Chonghai dan Wanjia Qiao Liang, dll. telah dengan jelas menyatakan bahwa mereka menggunakan pembelajaran mesin dalam investasi kuantitatif mereka. Misalnya, Shengfengyan terutama menggunakan teknologi AI dalam Western Profit CSI 1000 yang baru diluncurkan pada bulan April tahun ini, yang jelas mengungguli rata-rata produk serupa.
**Semua ini membuktikan bahwa adegan komersialisasi di mana AI adalah yang tercepat untuk mendarat di Tiongkok dan mencerminkan tingkat kinerja bukanlah versi yang ditingkatkan dari tiga bagian office suite Microsoft 365 Copilot, atau lukisan AI online palsu, namun kuantifikasi dari perusahaan dana Perdagangan saham. **
Tidak seperti investasi subyektif, yang dapat menceritakan segala macam cerita khayalan, ada yang bicara tentang bertaruh pada inovasi yang disruptif, ada yang bicara tentang bercocok tanam di lahan yang mengandung garam-alkali, dan ada yang lebih memilih menghitung bulan dibandingkan bintang. Investasi kuantitatif tampaknya sangat sulit untuk dipahami, dan deskripsi serta analisis eksternal hanya dapat dibatasi pada berapa ribu kartu yang dimiliki suatu lembaga.
Namun, kemunculan AI telah memberikan terobosan baru pada narasi seluruh industri.
Dalam materi pemasaran Sun Meng, gambaran kerja sama antara Huaxia dan Microsoft Research Asia pada tahun 2017 tidak akan ketinggalan. Pada tahun 2018, Microsoft Tiongkok mengusulkan model perhatian untuk belajar memecahkan masalah rotasi industri, dan kemudian mengusulkan model Autoencoder untuk menggambarkan status pasar dan menghasilkan faktor otomatisasi alfa Mesin.Pada tahun 2019, hasil ini digunakan untuk perdagangan nyata.
Karena Microsoft adalah investor di OpenAI, dibandingkan dengan penawaran umum lainnya, mudah bagi Jimin untuk melakukan lebih awal untuk AI+ Huaxia, dan garis keturunannya tampaknya lebih murni.
Sedangkan untuk multi-faktor kuantitatif Guojin, ini adalah salah satu dari sedikit produk dalam dua tahun terakhir yang dapat bersaing dengan Jin Yuan Shun An Yuan Qi dalam hal popularitas. Berbeda dengan daging manusia "Yuanqi" yang secara kuantitatif menghancurkan stok mikro, mereka murni kuantitatif.
Ma Fang juga mengatakan dalam komunikasi internal bahwa dia tidak memainkan permainan multi-faktor murni, melainkan memprediksi model itu sendiri dan melacak perubahan gaya pasar.Setelah kerangka selesai, dia tidak akan melakukan terlalu banyak intervensi secara manual. Karena menurutnya, "intervensi buatan tidak akan menghasilkan alpha yang stabil dalam jangka panjang."
Penulis menyebutkan dalam "Saham berkapitalisasi mikro terlalu ramai, terlalu banyak orang yang punya rahasia" bahwa skala multi-faktor Kuantitatif Guojin telah berkembang terlalu cepat. Tahun lalu, ia memiliki 1.534 saham. Jika Anda memiliki lebih dari 2.000 saham, Anda akan sepenuhnya dapatkan uang bergaya topi kecil. Tidak mengherankan jika China International Finance Corporation melakukan serangan ketika keadaan sedang panas dan mengeluarkan dana baru untuk Ma Fang.
Dalam beberapa tahun terakhir, pemilihan saham kuantitatif Guotai Junan dan multi-faktor kuantitatif Guojin memiliki stabilitas berlebih yang serupa. Anda dapat melihat banyak artikel yang mempromosikan Hu Chonghai di Snowball.
Kekuatannya terletak pada kemampuan tradingnya. Seorang peneliti dana senior mengatakan kepada penulis bahwa **Guojun adalah salah satu dari sedikit institusi yang telah secara publik mengangkat dan mengembangkan sistem perdagangan mereka sendiri. Dari pemisahan pesanan VIP sederhana, hingga sekarang memiliki algoritma perdagangan prediktifnya sendiri. Sebagai anak perusahaan Guotai Junan Securities, tidak hanya membeberkan secara lengkap biaya transaksi dan kecepatan transaksi yang lebih cepat, tetapi juga memberikan kemudahan untuk server hosting, rahasianya dapat memperoleh banyak data alternatif dan data frekuensi tinggi yang dibutuhkan oleh AI. **
Dibandingkan dengan ahli kuantitatif yang disebutkan di atas, Qiao Liang dari Wanjia lebih dikenal, Dia membuat "Indeks Bankir Mengikuti".
Dalam model pertumbuhan indeksnya, pembelajaran mesin digunakan untuk membagi pasar menjadi 8 gaya skenario, lalu skenario historis yang sesuai dicocokkan untuk alokasi faktor. Yang paling istimewa adalah Seleksi Kuantitatif Wanjia, yang strateginya adalah memilih saham-saham dengan kepemilikan produk dana unggulan terbesar di pasar, memperkirakan kepemilikannya, dan membangun portofolio untuk membentuk *"Peningkatan Indeks Jumlah Dana Publik" *.
Ada banyak produk penawaran umum yang mirip dengan "menyalin pekerjaan rumah", seperti Harvest Research Alpha milik Xiao Mi, Central European Quantitative Drive milik Zingdao, dan Bodao Yuanhang milik Yang Meng.Namun, jenis strategi ini belum membuahkan hasil dalam dua tahun terakhir, dan saham-saham kelas berat yang menawarkan saham publik lemah Jatuh bersama mereka.
Hingga tahun ini, kuantifikasi ** penawaran umum memiliki karakteristik yang beragam, ada yang fokus pada detail sejarah, ada yang fokus pada penggantian model populer, ada yang fokus pada sistem perangkat keras, dan ada yang fokus pada inovasi produk**. Kuantifikasi penawaran umum, yang pada awalnya tidak dapat membedakannya, telah membuka cerita baru berkat upaya seluruh industri.
03 Saatnya menenangkan diri
Setelah munculnya ChatGPT di Amerika Serikat, dua industri di Tiongkok menjadi yang paling bergejolak, yang pertama adalah penawaran umum subjektif dari perdagangan AI, dan yang lainnya adalah penawaran umum kuantitatif AI.
Faktanya, AI memang merupakan bantuan investasi yang baik, dan beberapa peneliti kuantitatif telah mengkonfirmasi kepada penulis bahwa AI memiliki kontribusi yang besar terhadap strategi saham.Namun, masih banyak permasalahan dalam penerapan algoritma pembelajaran mesin dalam penawaran umum dan bahkan penawaran umum. seluruh industri manajemen aset.
Sama seperti Tesla yang ingin mencapai pengemudian otonom, Tesla juga membutuhkan lebih banyak kendaraan yang diproduksi secara massal untuk mengumpulkan data jalan raya. Peningkatan kemampuan investasi AI hanya dapat memberikan data historis yang cukup, namun data historis pasar modal dalam negeri relatif singkat.Jika Anda cukup menggunakan "rasio informasi dalam lima tahun terakhir" dan "tingkat imbal hasil dalam tiga tahun terakhir", akan terjadi overfitting.risiko.
**Sampai batas tertentu, alasan yang sangat penting mengapa dana lindung nilai kuantitatif Renaissance begitu sukses adalah karena mereka memiliki data akurat yang dapat ditelusuri kembali ke tahun 1700-an untuk melihat gambaran yang mungkin tidak dapat dilihat oleh orang lain. **
Yang lebih sulit lagi adalah rasio signal-to-noise data keuangan sangat rendah, dan sampel tidak dapat dihasilkan tanpa batas seperti gambar suara, sehingga sampel yang tersedia lebih sedikit. Terlebih lagi, tidak ada apa yang disebut kebenaran di seluruh pasar keuangan, dan sebagian besar skenario di mana algoritma pembelajaran mesin dapat diterapkan berasumsi bahwa data memiliki pola distribusi yang sama di dalam dan di luar sampel.
**Jadi agar algoritme dapat beradaptasi dengan lingkungan yang tidak pasti, dalam jangka pendek, algoritme mungkin tidak bergantung pada pemahaman mesin, tetapi lebih pada pengalaman manusia. **
Zhang Chenying dari Egret Asset Management juga berbicara tentang kesulitan menggunakan AI, “Saat kita menggunakan jaringan saraf grafik (GNN), pertama-tama kita perlu menggunakan pemrosesan bahasa alami untuk mengekstrak hubungan hulu dan hilir antara laporan penelitian, laporan keuangan, dan berita. stok untuk membangun grafik pengetahuan. Pada saat yang sama, GNN sangat kompleks dan memerlukan banyak pengalaman manual untuk menyesuaikan banyak hyperparameter,** yang mengharuskan pengguna memiliki cadangan yang cukup baik dalam kognisi data maupun kognisi teknis. [1] **。」
Terlepas dari kompleksitas strategi AI itu sendiri, apakah itu cadangan personel atau algoritma daya komputasi, terdapat kesenjangan tertentu antara penawaran umum dan penempatan swasta dalam hal AI.
Dari tahun 2020 hingga saat ini, seluruh industri reksa dana memiliki tema yang terus berubah seperti investasi nilai saham A-**, investasi booming, undervaluation, pendapatan tetap+, FOF, ETF, dividen, dan sekarang kuantifikasi penawaran umum. Ada 1-2 hot spot setiap tahunnya. **
Kuantifikasi penawaran umum masih mempunyai keterbatasan dan tantangan dalam pemanfaatan AI, apalagi tidak semua atribusi pendapatan berasal dari AI. Kecerdasan buatan tentu saja merupakan hal yang menarik dan merupakan cerita baru, namun industri dana tidak pernah kekurangan kampanye pemasaran, namun kinerja yang berkelanjutan. Bisakah kuantifikasi AI kali ini benar-benar menghadirkan vitalitas yang berbeda?
Referensi