Dana kuantitatif telah lama menjadi pengguna kecerdasan buatan terbesar di dunia manajemen aset. Namun, kemunculan AI generatif dapat lebih menguntungkan manajer aset tradisional yang berorientasi pada fundamental dibandingkan kuantitas.

Hal itulah yang menjadi kekhawatiran yang disuarakan oleh beberapa pengelola dana kuantitatif dan penyedia data di Asia Menggali Fin.

 “Penerapan AI di bidang keuangan masih jarang,” kata salah satu manajer kuantitas. “Ilmuwan data tidak menerapkannya pada pasar modal. Namun jika alat ini digunakan untuk memperdagangkan saham, hal itu akan mengubah keadaan. Akan ada pemenang dan pecundang baru.”

Apa itu kuantitas?

Quant membeli dan menjual saham berdasarkan kekuatan komputasi yang besar dan program perangkat lunak khusus yang memodelkan strategi investasi. Peningkatan kuantitas terjadi bersamaan dengan penurunan suku bunga selama beberapa dekade dan peningkatan investasi pasif – dua tren yang menjadikan aktivitas pemilihan saham oleh manusia menjadi bisnis yang semakin kurang kompetitif.

Penggunaan perdagangan algoritmik atau terprogram secara sistematis telah memunculkan industri 'investasi sistematis', dimana perusahaan menjalankan platform manajer strategi tunggal yang mengejar strategi atau 'faktor' tertentu (seperti suku bunga atau volatilitas pasar).

Investor seperti ini tidak tertarik menjadi pemegang saham, hanya tertarik membeli dan menjual saham dengan cepat untuk menggerakkan strategi: long/short, netral pasar, arbitrase statistik, dan berbasis peristiwa. Ada tumpang tindih dengan dunia perdagangan frekuensi tinggi, dengan kesamaannya adalah perdagangan yang dikonsep dan didorong dalam istilah numerik semata.

AI orang-orang tua

Ide-ide ini bukanlah hal baru, namun ketersediaan daya komputasi dan kumpulan data besar telah memicu peningkatan kuantitas selama dua dekade terakhir. Selama sepuluh tahun terakhir, quants telah menjadi pengguna awal teknik AI baru seperti pembelajaran mesin dan penggunaan jaringan saraf. Mereka menjadi konsumen yang rakus akan data alternatif, seperti analisis sentimen dari media sosial.

Masalah terbesar bagi investor kuantitas adalah 'keterjelasan', sebuah istilah terbaru untuk AI yang berasal dari 'kotak hitam' kuantitas. Runtuhnya Manajemen Modal Jangka Panjang pada tahun 1998 melambangkan risiko ini, terutama karena jumlah biasanya menggunakan leverage.

Namun sejak itu, toko-toko quant seperti Citadel, DE Shaw, Man AHL, Millennium Management, Renaissance Technologies dan Two Sigma telah menjadi perusahaan sisi pembelian terbesar dan paling berpengaruh di Wall Street. Keberhasilan mereka telah mendorong lembaga dana tradisional seperti BlackRock atau Fidelity untuk meluncurkan strategi kuantitas mereka sendiri.

Mereka juga beroperasi di pasar non-AS di mana mereka dapat menemukan likuiditas, infrastruktur perdagangan latensi rendah, dan instrumen lindung nilai (seperti ETF atau kontrak berjangka yang melacak indeks pasar lokal). Jepang telah menjadi pasar terbesar di Asia Pasifik, namun India kini menjadi pasar utama. (Salah satu masalah di Asia adalah peraturan yang berubah-ubah, sebagaimana dibuktikan oleh larangan short-selling di Korea Selatan dan meningkatnya campur tangan pemerintah di Tiongkok.)

Oleh karena itu, Quant Fund bukan hanya merupakan predator puncak yang berpengaruh: mereka juga berada di garis depan dalam mengadopsi teknologi digital baru.

Masuk ke GenAI

Hal ini membuat perkembangan baru dalam AI menjadi teka-teki bagi quants.

Perusahaan-perusahaan ini tentu saja akan menggunakan model bahasa besar (LLM), yang dimungkinkan oleh transformator generatif yang telah dilatih sebelumnya, secara maksimal.

Cawan suci bagi quants adalah mengubah LLM menjadi alat prediktif. Manusia akan berinteraksi dengan teman komputernya untuk mendeteksi pola di seluruh rangkaian waktu dan kumpulan data lainnya. Faktanya, quants sudah melakukan hal ini, hanya saja LLM harus membuat prosesnya lebih intuitif, mengintegrasikan data non-tekstual dengan lebih baik, dan membiarkan pengembang membangun model lebih cepat.

Toko-toko Quant juga akan menggunakan genAI untuk tujuan yang lebih biasa, seperti mempelajari cara menulis laporan peraturan, menafsirkan laporan pendapatan, atau menyaring presentasi singkat. Orientasi pelanggan dan fungsi back-office lainnya dapat diotomatisasi lebih lanjut.

Namun tidak ada yang misterius jika toko quant melakukan hal ini, karena semua orang akan menggunakan genAI untuk hal yang sama.

Semua orang melakukannya

Perbedaannya terletak pada pengembangan model investasi prediktif dan algoritma eksekusi. Hal itulah yang menjadikan quants istimewa, namun tanda-tanda awal menunjukkan bahwa genAI akan memungkinkan manajer aset tradisional untuk melakukan hal ini juga. Hal serupa juga berlaku bagi pengelola dana ekuitas swasta – sebuah bisnis yang terkenal tidak terotomatisasi, yang dapat menggunakan LLM untuk membuat keputusan investasi lebih sistemik dan berdasarkan data.

Semua manajer aset akan menghadapi pertanyaan dengan LLM dan kecenderungan mereka untuk mengada-ada. Produk seperti ChatGPT OpenAI adalah kotak hitam terbaik. Meskipun dana quant bergantung pada AI untuk menyusun strategi, dana ini masih dijalankan oleh profesional berlisensi yang memahami konsekuensi dari ide perdagangan. Hal ini tidak terjadi pada alat genAI.

Rekayasa yang cepat dapat menambah nilai dengan memberikan sebagian transparansi tersebut, dengan menginterogasi LLM untuk mendapatkan pemahaman tentang proses mereka serta faktor dan sumber yang digunakan untuk mengambil keputusan. Secara teori, suatu hari nanti LLM mungkin akan lebih transparan dan akuntabel dibandingkan manusia.

Meskipun gagasan untuk menyerahkan investasi ke mesin menjadi berita utama yang bagus, quants cenderung menggunakan LLM dengan cara yang lebih spesifik.

Misalnya, mereka memerlukan alat untuk mengidentifikasi biaya gesekan yang sebenarnya dalam suatu perdagangan, yang melibatkan studi mendalam tentang struktur pasar mikro. Metrik umum yang digunakan untuk menimbang kinerja seorang trader disebut 'kekurangan implementasi', untuk mengetahui seberapa dekat mereka dengan anggaran untuk perdagangan tertentu. Algo seperti itu sudah menjadi lebih canggih, karena perusahaan mencari momen ketika likuiditas sudah matang atau ketika mereka dapat melakukan perdagangan tanpa mengungkapkan apa yang mereka lakukan.

Ini tentang menemukan sinyal pasar, yang merupakan inti dari misi quant. Kemungkinan besar toko quant akan menggunakan genAI untuk mengembangkan cara yang lebih baik dalam memprediksi waktu dan tempat terbaik untuk melakukan perdagangan.

Ini masih sangat berguna tetapi tidak seperti ada orang yang menyerahkan kunci mobil ke Terminator. AI juga tidak dapat mengatasi hambatan terbesar di pasar Asia, yaitu kurangnya instrumen lindung nilai, yang diikuti dengan tingginya biaya lindung nilai ketika kontrak tersedia.

Lebih penting lagi, ini tidak spesifik untuk kuantitas. Sisi pembeli tradisional yang besar juga menggunakan algo eksekusi ini, baik yang dirancang sendiri atau oleh broker sisi jual.

Pertanyaan eksistensial bagi quants adalah bagaimana mereka mempertahankan keunggulannya ketika alat genAI dapat membuat banyak hal yang mereka lakukan lebih mudah diakses oleh manajer aset fundamental. Toko-toko dalam jumlah besar menghindari pusat perhatian karena mereka menganggap model AI dan eksekusi algos mereka sebagai saus rahasia. Bisakah genAI mengubahnya menjadi komoditas? Seberapa berbedakah rekayasa cepat Anda?

Seperti yang dikatakan oleh beberapa orang, “AI telah menjadi bagian dari perangkat kami selama bertahun-tahun. GenAI tidak menghilangkan hambatan, namun akan memberikan lebih banyak manfaat bagi para manajer aktif fundamental, dengan membuat mereka lebih efisien dalam mengumpulkan dan menganalisis data. Ketika perusahaan-perusahaan tersebut memahami faktor pendorong keuntungan, mereka akan menjadi pesaing kami.”

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://www.digfingroup.com/genai-quants/