Тот, кто бросил вызов технике старой школы с помощью автоматизированного процесса финансовых инвестиций
В 2008 году легендарный инвестор Уоррен Баффет бросил вызов своим коллегам и конкурентам: он предложил любому из них вложить 500 000 долларов в портфель отобранных вручную хедж-фондов, чьи показатели в течение десяти лет, с учетом расходов, соответствовали бы или были бы лучше, чем та же сумма, которую Баффет вложил бы в неуправляемый индексный фонд.
Тед Сейдес из инвестиционной фирмы Protegé Partners принял вызов. В то время как полмиллиона Баффета просто отслеживали совокупное состояние пятисот крупных компаний, входящих в индекс S&P 500 американской фондовой биржи, Сейдес выбрал пять хедж-фондов, которые, по его прогнозам, превзойдут их, поскольку он сам был мастером с Уолл-стрит, не обладающим посредственными способностями.
Девять лет спустя Сейдес признал досрочное поражение. Несмотря на то, что он преуспел, увеличив стоимость своего банка на 220 000 долларов, прибыль Баффета была почти в четыре раза больше.
Суть пари была двоякой: высокие комиссионные, взимаемые управляющими хедж-фондами, потенциально могут привести к полной потере ценности денег; и что, в любом случае, доходность инвестиций, широко распределенных в пределах состояния здорового фондового рынка, вероятно, не ухудшится в долгосрочной перспективе. запустите более одного точно спроектированного для достижения успеха. Были изложены достоинства так называемых пассивных инвестиций.
С тех пор, автоматизированные финансовые инвестиции модели превратились в большой бизнес. Наряду с современными приложениями искусственного интеллекта, попытки человека играть на денежном рынке, несмотря на всю их бравурность, в настоящее время широко воспринимаются как неоправданно дорогие и бессмысленно рискованные.
Пассивные инвестиции это самый ранний и, по некоторым оценкам, до сих пор наиболее эффективный способ перевода инвестиционного фонда на автопилот. Идея, изобретенная в 1970-х годах американским финансовым стратегом Джеком Боглом, проста, но в то время казалась нелогичной: инвестировать деньги в фонды, которые просто отслеживали бы основные индексы фондового рынка, а не пытались бы их превзойти. Не требующие технического обслуживания и, следовательно, малозатратные инвестиции требовали не более человеческого вклада, чем терпения.
Но у автоматизации всегда были возможности делать больше.
С 1980-х годов те, чей бизнес заключается в активном управлении финансовыми активами, искали способы, с помощью которых принятие их решений о торговле акциями могло бы быть более систематичным, менее дискреционным и лучше информированным благодаря анализу данных; другими словами, более автоматизированным.
Инвестиции, вложенные в такие системы управления, стали известны как Количественные фонды. Они используют математические модели и обширные поля данных вместо индивидуально обоснованных человеческих суждений, чтобы оценить относительную привлекательность потенциальных активов и сделать прогнозы о вероятном качестве доходности.
Хотя количественная методология имеет присущие ей ограничения (которые, как предполагают некоторые, компенсируются менее измеримыми выводами, которые могут быть получены из дополнительных качественных исследований), нет сомнений в эффективности тех хедж–фондов, которые – Bridgewater Associates и AQR Capital Management, чтобы назвать только сегодняшних лидеров рынка — поддерживают ее подходите.
Растущая роль ИИ на мировых денежных рынках отчетливо видна по тому влиянию, которое он оказывает, в частности, на один сектор: все более распространенные инвестиционные инструменты, известные как биржевые фонды (ETF) Традиционно являясь формой пассивного инвестирования, эти пакеты финансовых активов отслеживают стоимость рыночного индекса, хотя они также торгуются на фондовых биржах в течение дня. Их популярность является свидетельством, среди прочего, хорошо зарекомендовавшего себя эффективность принципа пассивного инвестирования.
Ничто из этого, конечно, не означает, что один ETF работает так же хорошо, как и любой другой, или что компьютерная мощность и математическое моделирование не имеют большого значения. Ведущие ETF в настоящее время начинают использовать собственные алгоритмы для анализа таких макроэкономических данных, как волатильность рынка и процентные ставки, с целью прогнозирования изменений на рынке и, на этой основе, периодической перебалансировки состава фонда.
Тот факт, что в основном пассивные, сильно автоматизированные и, следовательно, поразительно недорогие инвестиционные структуры в настоящее время являются нормой рынка, является разрывом с традицией, от которого, возможно, нет возврата — особенно если этот сдвиг понимается в более широком демографическом контексте.
То цифровая революция демократизировал, благодаря изобилию онлайн-сервисов, те инвестиционные возможности, которые предыдущее поколение, как правило, более пожилое и с более высоким собственным капиталом, изучило бы с помощью дорогостоящих финансовых консультантов. То онлайн-сервисы – Betterment и Wealthfront являются двумя ключевыми игроками – широко известны как Роботы-консультанты.
Эти цифровые инвестиционные механизмы используйте те же алгоритмы, которые были впервые применены в первые дни количественного управления фондами и с тех пор используются в системе. Индивидуальным инвесторам автоматически распределяются активы (обычно через ETF), при этом активы подлежат реинвестированию, а распределение также автоматически перебалансируется.
Разумность поведения платформ распространяется на такие практики, как сбор налоговых убытков. Продажа активов с убытком с целью уменьшения краткосрочных налоговых обязательств, по сути, является хорошим примером финансовых манипуляций, которые трудно осуществить вручную, но которые легко выполняются с помощью правильного программного обеспечения.
Впечатляет, поскольку достижения в автоматизированные методы инвестирования были достигнуты до сих пор – успехи, которые принесли пользу беспрецедентному числу людей, а также, возможно, здоровью самого фондового рынка, – их будущее ни в коем случае не определено. В конечном счете, неизвестно, насколько хорошо искусственный интеллект подходит для уникальной динамики рынка. Может ли он сделать гораздо больше с теми данными, которые в настоящее время имеются в его распоряжении? Если ему нужно больше, будет ли этого достаточно – или может быть слишком много? Будут ли новые идеи в области искусственного интеллекта менять правила игры или заведут в тупик? И должна ли их работа быть дополнена человеческой экономической теорией, или они каким-то образом бросят вызов и заменят ее?
Каким бы ни было будущее, оно будет далеко от тех дней, не так давно, когда технология означала бегущую ленту и логарифмические линейки, и когда лучшие инвестиции были сделаны людьми, чьи способности, казалось, не поддавались анализу.