Čak ni veštačka inteligencija ne može da pobedi tržište ovih dana

Od najranijih dana veštačke inteligencije (AI) i mašinskog učenja (ML) 1950-ih, praktičari su govorili o njenoj upotrebi za upravljanje investicionim fondovima. Na kraju krajeva, ljudi su notorno loši u ulaganju, jer samo manjina menadžera novca pobeđuje nasumične sigurnosne selekcije, a većina onih koji to rade verovatno je samo srećna. Čak i uspešni menadžeri mogu da pristupe samo malom delu svih informacija relevantnih za bezbedni izbor i moraju se čuvati od niza predrasuda u ponašanju koje sabotiraju strategije. Ali neumorna mašina koja je sposobna da svari sve informacije i imuna je na ljudske predrasude trebalo bi da bude očigledno superiorna.

Do sada to obećanje nije ostvareno. Jedini veliki fond koji vodi AI – AI Powered Equity ETF – nije imao rezultate i privukao je nizak interes investitora. Od otvaranja u oktobru 2017. fond je vratio nešto manje od polovine od Vanguardovog S&P 500 ETF-a, ili 35,3 odsto naspram 70,8 odsto, uz nešto veću volatilnost: 24,2 odsto naspram 21,5 odsto. AI ETF – sa oznakom AIEQ – ima betu od 1 u poređenju sa indeksom S&P 500 nakon naknada, a alfu od negativnih 3,82 odsto, što znači da je gubio 3,82 odsto u odnosu na S&P 500 svake godine u proseku tokom poslednjih pet godina. Međutim, ta alfa nije statistički značajna, što znači da je verovatno da AIEQ ima superioran dugoročni očekivani prinos prilagođen riziku, ali je upravo prošao kroz nesrećni petogodišnji ciklus.

Još jedan istaknuti AI proizvod je AI Powered US Equity Index, ili AIPEX koji sastavlja HSBC Holding. Od početka u avgustu 2019. indeks je vratio samo 2,3 odsto, u poređenju sa 44,8 odsto koliko je vratio indeks Vanguard 500. Međutim, AIPEX ima godišnji cilj volatilnosti od šest odsto, što je oko jedne četvrtine od 24,3 odsto S&P 500 u istom periodu. AIPEX je skoro tačno dostigao svoj cilj volatilnosti, 6,1 odsto, i ima beta od 0,19 prema S&P 500 i alfa od negativnih 1,8 odsto (i kao AIEQ, ta negativna alfa nije statistički značajna). AIPEX uključuje naknadu za indeks od 50 baznih poena i većinu svog hipotetičkog kapitala drži u gotovini. Prilagođavajući se za te dve stvari, AIPEKS-ova čista selekcija akcija - merilo uspeha njegove AI - izgubila je 6,8 odsto godišnje u odnosu na S&P 500 tokom poslednje tri godine.

Ipak, AI snažno napreduje u upravljanju investicijama. Glavna oblast je obrada "nestrukturiranih podataka" kao što su vesti i tekstualno izveštavanje. Nema sumnje da AI nadmašuje ljude u ovome; može da čita sve, na svim jezicima, i da probere korisne informacije. Može da obrađuje slike i bilo šta drugo što može da se prebaci u bajtove u kompjuterskoj datoteci. Količina takvih podataka brzo raste, a i sofisticiranost algoritama za njihovu obradu, tako da će AI nastaviti da napreduje u ovom zadatku.

Još jedna oblast u kojoj su AI i ML široko korišćeni su algoritmi za trgovanje – ne odlučivanje šta da se kupi i proda, već odabir kako da se porudžbine razdvoje i unesu u različite platforme za trgovanje. Ovi algoritmi ne moraju biti veoma pametni, njihova glavna prednost u odnosu na ljude je brzina. Oni mogu kontinuirano da prate stotine izvora podataka o cenama i da donose trenutne odluke.

Bloomberg

 

Ipak, ove pomoćne funkcije nisu bile ono o čemu su pioniri veštačke inteligencije sanjali. Verovali su da veštačka inteligencija može da preuzme ceo proces donošenja odluka o ulaganjima, a ne samo da kreira signale i izvršava trgovine, već i da tumači te signale i bira koje će trgovine izvršiti. Bryan Kelly, šef istraživanja veštačke inteligencije u AQR Capital Management LLC (gde sam nekada radio), kaže to na sledeći način:

"Mašinsko učenje ima stvarni uticaj na sistematske investicione procese jer omogućava menadžerima da brže i ekspresivnije metabolišu informacije iz više novih izvora (zbog veće fleksibilnosti modela). Ali važno je zapamtiti da je centralna motivacija mašinskog učenja – istiskivanje što je moguće više upotrebljivih informacija iz podataka – dugo bio modus operandi kvantnog ulaganja, tako da ML vidim kao još jedan korak u evoluciji metoda kvantnog ulaganja."

Mislim da ovo predstavlja glavno verovanje u ovom trenutku. AI se polako integriše u kvantitativno ulaganje, posebno za ekstrakciju signala i trgovinu, ali unapređuje ljudska istraživanja i donošenje odluka umesto da ih zamenjuje.

Bloomberg

Postoje dve oblasti u kojima ima nade za veću ulogu ML u upravljanju investicijama. Prvi je L (eng. learning - učenje) u ML. Svaki dan slabih performansi je još jedna prilika za poboljšanje. Možda je ML kao ptičica koja tek pronalazi svoja krila i jednog dana će se vinuti daleko iznad ljudi vezanih za Zemlju. Drugi je da su institucionalni investitori zainteresovani za korišćenje ML za alokaciju sredstava, a ne za odabir bezbednosti. Optimizacija na više tržišta je daleko teža od odabira portfelja unutar klasa sredstava. Većina investitora to čak ni ne pokušava, oni umesto toga grade najbolje portfelje akcija, obveznica i roba koje mogu, i tako dalje, a zatim ih kombinuju prema unapred odabranim alokacijama. AI je jedini poznati pristup izgradnji pravog globalnog portfelja.

Investitori bi ne treba da traže Skynet ili Hal 9000 da sada upravlja njihovim novcem. Najbolje kompanije koriste ML tamo gde je dokazano da funkcioniše - i možda razmišljaju o drugim aplikacijama - ali čisto donošenje odluka ML-a zaostaje na tržištu.