- Tema
2k Popularidade
5k Popularidade
2k Popularidade
158k Popularidade
1833k Popularidade
63k Popularidade
112k Popularidade
451k Popularidade
7207k Popularidade
10722k Popularidade
- Marcar
2k Popularidade
5k Popularidade
2k Popularidade
158k Popularidade
1833k Popularidade
63k Popularidade
112k Popularidade
451k Popularidade
7207k Popularidade
10722k Popularidade
As ofertas públicas também estão usando IA para especular em ações?
Fonte: Yuanchuan Investment Review (ID: caituandzd), autor | Zhang Weidong, editor | Zhang Jieyu
Depois de alterar o padrão da indústria de capital privado, a quantificação está a penetrar na ecologia do produto do capital público.
No segundo trimestre deste ano, a escala da China Sun Meng, dos comerciantes chineses Wang Ping e do Western Lide Shengfengyan ultrapassou 10 bilhões. Além disso, a escala de Guojin Ma Fang e Wanjia Qiao Liang, já dezenas de bilhões de gestores de fundos quantitativos, disparou ainda mais. O círculo de quantificação pública passou gradualmente da transparência para o palco, e a forma de atrair a atenção das pessoas também rompeu com a narrativa do "pequeno erro de rastreamento" do passado, mostrando sua capacidade de atingir o excesso na concha do caracol.
Um gestor anônimo de fundos quantitativos disse ao autor que as pessoas que tiveram um bom desempenho em ofertas públicas de desempenho quantitativo este ano basicamente pisaram em dois pontos críticos, um é micro-caps e o outro é IA. **
É fácil explicar que fazer micro-capitalizações é distribuir o bolo entre empresas com uma capitalização de mercado inferior a 2,5 mil milhões e vendê-las quando a capitalização de mercado aumentar. Comparado com este método de esfregar pequenos bilhetes, a quantificação da IA não é tão fácil de entender.
Não apenas a estratégia em si, mas até mesmo o road show quantitativo da oferta pública é como uma caixa preta. Quando alguém pergunta como as estratégias de IA são aplicadas, os gestores de fundos gostam de usar caixas pretas de aprendizado de máquina para evitar problemas. Basicamente, não posso fazer mais perguntas.
Sob o pano de fundo de "conformidade é o céu", devido à consideração de não permitir que os pares aprendam, até mesmo alguns factores de falha estão relutantes em divulgar, o que faz com que alguns recém-chegados à indústria se sintam impotentes para investigar gestores de fundos quantitativos. Tanto é assim que toda a indústria e até mesmo os próprios gestores de fundos só podem avaliar o nível de um gestor de fundos quantitativo com base no seu desempenho histórico.
Quando o dinheiro de todos está entrando, mas eles não conseguem entendê-lo, um problema crucial está diante deles. O uso quantitativo de IA em ofertas públicas é uma ferramenta eficaz ou um artifício de marketing?
01 Abra a caixa preta
As pessoas muitas vezes adoram coisas que não entendem. Especialmente para produtos deste tipo de quantificação de ofertas públicas, alguns gestores de fundos generosamente compartilharam com o autor.Ao falar sobre estratégias de IA durante o ** roadshow, os clientes mostraram uma expressão meio conhecedora, que é o melhor estado. **
Na verdade, o que a IA pública faz não é impossível de compreender em linguagem simples. **Western Lide Shengfengyan disse uma vez ao autor que o uso de IA na seleção de ações de ações públicas se reflete principalmente em três aspectos: análise de texto, seleção de ações multifatoriais e mineração de dados de preços e volumes de alta frequência. **
Análise de texto é a mais fácil de entender. Geralmente se refere a gestores de fundos que usam vários modelos de IA baseados na arquitetura Transformer para compreender semanticamente o contexto de dados de texto, como relatórios de pesquisa e transmissões de notícias, e analisar as informações emocionais contidas em diferentes textos para auxiliar na tomada de decisões.
O Transformer é o modelo de aprendizagem profunda mais popular nos últimos anos e seu desempenho em tarefas de texto, como tradução automática, excede o dos modelos tradicionais de aprendizagem profunda, como RNN e CNN. O ChatGPT, que explodiu este ano, também é baseado no Transformer.
Por exemplo, no ano passado, os vendedores conseguiram produzir mais de 200 relatórios todos os dias, e só o número de resumos ultrapassou 270.000 palavras. A quantificação tradicional pode compreender números financeiros padronizados, mas não pode compreender que a chávena média da Starbucks é na verdade uma chávena pequena, e a neutralidade escrita pelos analistas nos relatórios de investigação é na verdade pessimista. **
Para fazer um bom investimento na China, a compreensão da política noticiosa é uma parte inevitável. Um gestor de fundos quantitativos que não quis ser identificado descreveu ao autor desta forma: "**Online disse que as únicas pessoas que podem entender o significado das transmissões de notícias são, pelo menos, quadros de nível de vice-diretor. Nosso modelo de IA só pode ser considerado um especulador de ações na interpretação de notícias. Vou me esforçar para ter a capacidade de compreensão do departamento adjunto no próximo ano. ** ”
O segundo cenário de aplicação da IA é a seleção de ações multifatoriais.O tradicional quadro quantitativo multifatorial utiliza as características das ações históricas de touros para encontrar o aparecimento de potenciais ações de touros no futuro, como aquelas com baixas avaliações, bom desempenho, aumento participações da administração, ações às quais ninguém está prestando atenção.
Em contrapartida, a aplicação da IA neste cenário reflete-se principalmente na superposição de fatores não lineares. Por exemplo, os fundos públicos ainda alimentam os modelos com factores com significado económico e lógica, mas na selecção dos modelos, utilizarão estruturas em árvore e redes neurais para participar no investimento.
Se as restrições forem relaxadas, a IA poderá descobrir mais fatores que os humanos talvez nunca entendam.
Em 2017, Dani Burger, famosa repórter da Bloomberg, realizou um experimento: por gostar de gatos, criou uma combinação de empresa com as três letras “CAT” no nome. **Como resultado, testando-o nos últimos seis anos, a taxa de retorno chegou a 850.000%. **
**
** Tal “fator gato” parece ridículo para Andrew Unger, chefe de estratégia de investimento em fatores da BlackRock: “Eu prefiro cães. Acredito que uma empresa que considera o Labrador um representante espiritual certamente será capaz de operar muito bem. Os resultados também diminuíram, a combinação de cães caiu 99,6% [2] 。
**No campo do investimento, a natureza humana e os caminhos de aprendizagem da IA são diferentes. Os humanos podem refinar as regras através de princípios económicos ou do bom senso; enquanto a IA aprende com uma grande quantidade de dados para obter uma função útil, o que pode estar errado. , irracional , mas tem boa precisão nos resultados de entrada e saída. **
Precisamente porque a IA é tão eficiente na análise e processamento de dados que os humanos não conseguem igualar, seu último cenário de aplicação é a mineração de dados de preços e volumes de alta frequência.
Em 2022, existem quase 5.000 ações de ações A, e os dados quantitativos de alta frequência gerados são de cerca de 12T, que contêm as características comportamentais de todos os participantes de ações A. Desde 2017, devido à introversão sem precedentes dos gestores de fundos subjetivos, a eficácia dos preços das ações A a nível mensal atingiu um novo patamar, mas o nível de alta frequência ainda está num nível baixo.
Isto significa que, até certo ponto, a IA pode prever o futuro com base em estatísticas matemáticas. Sheng Fengyan compartilhou com o autor que está usando a rede neural recorrente RNN como base para transformá-la, porque tal modelo é muito adequado para processar as características de tempo de volume e preço, e o efeito é como instalar um radar em um canhão laser.
Não há dúvida de que as terríveis capacidades de aprendizagem apresentadas pela IA mudaram silenciosamente o cenário de toda a indústria. Xu Wenxing, do China Europe Fund, disse certa vez ao autor: "Alguns gestores de fundos são muito diligentes e ouvem muitas reuniões de especialistas todos os dias, mas você já pensou que um grande modelo pode ouvir 5.000 teleconferências todos os dias? Só precisa para resumir um grande número de padrões para atingir 52% A probabilidade de vencer o mercado é suficiente.”
02 O aumento de entropia está ativado
As empresas de fundos sempre gostaram de coisas com estilo. Do vídeo promocional de IA de Nanfang, do comerciante de IA de Xingquan, ao clone digital de Jin Zicai, há rumores de que pode haver 100 road shows por dia. O tempo mudou e a principal linha de marketing das empresas de fundos passou dos esportes ao ar livre para o futuro cibernético.
E a quantificação da arrecadação de fundos públicos, que parece estar mais próxima da tecnologia de ponta, naturalmente não perderá o Beta desta era. Na pesquisa anterior, Bodao Yang Meng disse ao autor: "Todo o mercado quantitativo doméstico entrou gradualmente na era dos algoritmos de IA após 2018, e até 21 e 22 anos a IA causou extensas discussões em ofertas públicas."
Como a equipe multifatorial quantitativa Yao Jiahong mais quente deste ano, Huaxia Zhisheng Pioneer Sun Meng, Guotai Junan Hu Chonghai e Wanjia Qiao Liang, etc., declararam claramente que usam aprendizado de máquina em seus investimentos quantitativos. Por exemplo, Shengfengyan usou principalmente tecnologia de IA no recém-lançado Western Profit CSI 1000 em abril deste ano, que superou claramente a média de produtos similares.
**Tudo isso prova que a IA é o cenário de comercialização mais rápido na China e se reflete nos níveis de desempenho. Não é uma versão atualizada do Microsoft 365 Copilot, um pacote de escritório de três peças, nem uma pintura de IA online que parece real, mas um quantificação de empresas de fundos. **
Ao contrário do investimento subjectivo, que pode contar todo o tipo de histórias fantasiosas, alguns falam em apostar na inovação disruptiva, alguns falam em cultivar culturas em terras salino-alcalinas, e alguns preferem contar a lua do que as estrelas. O investimento quantitativo parece ser particularmente difícil de compreender e as descrições e análises externas só podem ser limitadas a quantos milhares de cartões uma determinada instituição possui.
No entanto, o surgimento da IA deu um novo avanço à narrativa de toda a indústria.
Nos materiais de marketing da Sun Meng, não haverá descrição da cooperação entre a China Xiaxia e a Microsoft Research Asia em 2017. Em 2018, a China Microsoft propôs o modelo de atenção para aprender a resolver o problema de rotação da indústria e, em seguida, propôs o modelo Autoencoder para descrever o status do mercado e gerar o fator de automação alfa da máquina. Em 2019, esses resultados foram usados para negociação real.
Como a Microsoft é um investidor em OpenAI, em comparação com outras ofertas públicas, é fácil para Jimin fazer isso cedo para o AI + de Huaxia, e a linhagem parece ser mais pura.
Quanto ao Multifator Quantitativo Guojin, é um dos poucos produtos que pode competir com Jinyuan Shun'an Yuanqi em termos de popularidade nos últimos dois anos. Diferente da quantificação de carne humana "Yuanqi" e dos estoques de microcap, eles são pura quantificação.
Ma Fang também disse em uma comunicação interna que sua abordagem não é puramente multifatorial, mas mais sobre previsão pelo próprio modelo e acompanhamento de mudanças no estilo de mercado.Depois que a estrutura for concluída, ela não terá muita intervenção manual. Porque, na sua opinião, “a intervenção artificial não trará um alfa estável a longo prazo”.
O autor mencionou em "As ações de micro capitalização estão muito lotadas, muitas pessoas têm segredos" que a escala multifatorial quantitativa da China International Finance Corporation Limited se expandiu muito rápido. No ano passado, ela detinha 1.534 ações. Se detivesse mais de 2.000 ações , seria completamente rentável no estilo small-cap. Não é de surpreender que a China International Finance Corporation tenha atacado enquanto o ferro estava quente e emitido um novo fundo para Ma Fang.
Nos últimos anos, Guotai Junan Quantitative Stock Selection e Guojin Quantitative Multi-factor têm excesso de estabilidade semelhante.Em Xueqiu, você pode ver artigos densos promovendo Hu Chonghai.
Sua força reside em sua capacidade de negociar. Um pesquisador sênior de fundos disse ao autor que **Guojun é uma das poucas instituições que levantou publicamente e desenvolveu seus próprios sistemas de negociação.Desde a simples divisão de ordens VIP original, até agora tem seu próprio algoritmo de negociação preditivo. Como subsidiária da Guotai Junan Securities, ela não só divulgou taxas de transação totalmente divulgadas e velocidades de transação mais rápidas, mas também oferece conveniência para hospedagem de servidores. O segredo é que ela pode obter muitos dados alternativos e dados de alta frequência necessários à IA. **
Em comparação com os mestres quantitativos mencionados acima, Qiao Liang de Wanjia é mais reconhecível e construiu um "Índice de Banqueiros Seguintes".
Em seu modelo de crescimento exponencial, o aprendizado de máquina será usado para dividir o mercado em 8 estilos de cenário e, em seguida, combinar os cenários históricos correspondentes para configuração dos fatores. O mais especial é o Wanjia Quantitative Selection.Sua estratégia é selecionar os produtos de fundos mais destacados do mercado e estimar suas participações para construir uma carteira para formar um "Aprimoramento do Índice de Ações Inábil do Fundo Público".
Existem muitos produtos de oferta pública semelhantes a "copiar o dever de casa", como o Harvest Research Alpha de Xiao Mi, o Central European Quantitative Drive de Zingdao e o Bodao Yuanhang de Yang Meng. No entanto, esse tipo de estratégia não teve boa sorte nos últimos dois anos, e os fracos pesos pesados das ofertas públicas caem com eles.
Até este ano, a quantificação de ** ofertas públicas tem características diversas, algumas das quais focadas em detalhes históricos, algumas na substituição de modelos populares, algumas em sistemas de hardware e algumas na inovação de produtos **. A quantificação das ofertas públicas, que originalmente não conseguia fazer a diferença, contou uma nova história graças aos esforços de toda a indústria.
03 É hora de se acalmar
Após o surgimento do ChatGPT nos Estados Unidos, duas indústrias na China tornaram-se as mais agitadas: uma é a oferta pública subjetiva de negociação de IA e a outra é a oferta pública quantitativa de IA.
Na verdade, a IA é de facto uma boa ajuda ao investimento, e alguns investigadores quantitativos confirmaram ao autor que a IA tem um grande contributo para as estratégias de ações.No entanto, ainda existem muitos problemas na aplicação de algoritmos de aprendizagem automática em ofertas públicas e até mesmo no todo o setor de gestão de ativos.
Tal como a Tesla pretende alcançar a condução autónoma, precisa de mais veículos produzidos em massa para recolher dados rodoviários. Melhorar a capacidade de investimento da IA só pode alimentar dados históricos suficientes, mas os dados históricos do mercado de capitais nacional são relativamente curtos.Se você simplesmente usar o "rácio de informação dos últimos 5 anos" e a "taxa de retorno dos últimos 3 anos" , haverá risco de overfitting.
**Até certo ponto, uma razão muito importante pela qual o fundo de hedge quantitativo Renaissance tem sido tão bem sucedido é que eles têm dados precisos que podem ser rastreados até 1700 para perceber uma imagem que outros podem não ser capazes de ver. **
O que é mais difícil é que a relação sinal-ruído dos dados financeiros é muito baixa e não pode gerar amostras ilimitadas, como imagens de fala, portanto, há ainda menos amostras disponíveis. Além do mais, não existe a chamada verdade em todo o mercado financeiro, e a maioria dos cenários em que os algoritmos de aprendizado de máquina são aplicáveis assumem que os dados têm a mesma lei de distribuição dentro e fora da amostra.
**Portanto, para que o algoritmo se adapte ao ambiente incerto, no curto prazo, ele pode não contar com a compreensão da máquina, mas mais com a experiência humana. **
Zhang Chenying, da Egret Asset Management, também falou sobre a dificuldade de usar IA: “Quando usamos redes neurais gráficas (GNN), primeiro precisamos usar o processamento de linguagem natural para extrair as relações upstream e downstream entre relatórios de pesquisa, relatórios financeiros e notícias ações para construir um gráfico de conhecimento. Ao mesmo tempo, GNN é muito complexo e requer muita experiência manual para ajustar muitos hiperparâmetros,** o que exige que os usuários tenham reservas suficientes tanto na cognição de dados quanto na cognição técnica. [1] **。」
Independentemente da complexidade da própria estratégia de IA, sejam reservas de pessoal ou algoritmos de poder computacional, existe uma certa lacuna entre as ofertas públicas e as colocações privadas em termos de IA.
De 2020 até o presente, toda a indústria de fundos tem sido como o tema em constante mudança de ações A-** investimento em valor, investimento em expansão, baixa avaliação, renda fixa +, FOF, ETF, dividendos e agora a quantificação da oferta pública, parece que existem 1-2 hotspots todos os anos. **
A quantificação das ofertas públicas ainda tem as suas próprias limitações e também existem desafios na alavancagem da IA, para não mencionar que nem toda a atribuição de receitas provém da IA. A inteligência artificial é, obviamente, um rótulo quente e uma história nova, mas nunca faltou à indústria de fundos impulso de marketing, mas sim desempenho sustentável. Essa quantificação de IA pode realmente trazer uma vitalidade diferente?
Referências