제퍼넷 로고

생성 데이터 인텔리전스

AI

GenAI는 난제를 안고 있는 퀀트 펀드를 제시합니다.

플라톤에 의해 재발행
플라톤에 의해 재발행

시간

조회 수 : 78

퀀트 펀드는 오랫동안 자산 관리 분야에서 인공 지능을 가장 많이 사용해 왔습니다. 그러나 생성적 AI의 출현은 퀀트보다 전통적이고 펀더멘털 중심의 자산 관리자를 선호할 수 있습니다.

이는 아시아의 여러 퀀트 펀드 매니저와 데이터 제공업체가 우려하는 목소리입니다. 발굴.

 한 퀀트 매니저는 “금융 분야에 AI를 적용하는 경우는 아직 드물다”고 말했다. “데이터 과학자들은 이를 자본 시장에 적용하지 않습니다. 그러나 이러한 도구를 주식 거래에 사용하면 상황이 바뀔 것입니다. 새로운 승자와 패자가 있을 것입니다.”

퀀트는 무엇인가요?

Quants는 엄청난 컴퓨팅 성능과 투자 전략을 모델링하는 맞춤형 소프트웨어 프로그램을 기반으로 주식을 사고 팔고 있습니다. 퀀트의 증가는 수십 년간 지속된 금리 하락 및 패시브 투자의 증가와 동시에 나타났습니다. 두 가지 추세는 인간의 능동적 주식 선택을 점점 덜 경쟁적인 사업으로 만들었습니다.

알고리즘 또는 체계적으로 프로그래밍된 거래의 사용은 특정 전략이나 '요인'(예: 금리 또는 시장 변동성)을 추적하는 단일 전략 관리자 플랫폼을 운영하는 기업과 함께 '체계적 투자' 산업을 탄생시켰습니다.

그러한 투자자들은 주주가 되는 데 관심이 없으며, 롱/숏, 시장 중립, 통계 차익거래, 이벤트 중심 전략을 추진하기 위해 주식을 신속하게 사고 파는 데에만 관심이 있습니다. 순전히 수치적인 용어로 개념화되고 추진되는 거래라는 공통점이 있는 고주파 거래 세계와 겹치는 부분이 있습니다.

AI 구세대

이러한 아이디어는 새로운 것은 아니지만 컴퓨팅 성능과 빅 데이터 세트의 가용성은 지난 20년 동안 퀀트의 상승을 촉진했습니다. 지난 10년 동안 Quants는 기계 학습 및 신경망 사용과 같은 새로운 AI 기술을 얼리 어답터해 왔습니다. 그들은 소셜 미디어 피드의 정서 분석과 같은 대체 데이터의 탐욕스러운 소비자가 되었습니다.

퀀트 투자자의 가장 큰 문제는 '설명 가능성'이었습니다. 이는 퀀트의 '블랙박스'로 거슬러 올라가는 AI의 최신 용어입니다. 1998년 Long-Term Capital Management의 붕괴는 특히 퀀트가 일반적으로 활용되기 때문에 이러한 위험을 잘 보여줍니다.

그러나 그 이후로 Citadel, DE Shaw, Man AHL, Millennium Management, Renaissance Technologies 및 Two Sigma와 같은 퀀트 상점은 월스트리트에서 가장 크고 영향력 있는 바이사이드 회사가 되었습니다. 그들의 성공으로 인해 BlackRock이나 Fidelity와 같은 전통적인 펀드 하우스는 자체적인 퀀트 전략을 시작하게 되었습니다.

또한 유동성, 짧은 지연 시간의 거래 인프라 및 헤징 도구(현지 시장 지수를 추적하는 ETF 또는 선물 계약 등)를 찾을 수 있는 미국 이외의 시장에서도 운영됩니다. 일본은 아시아 태평양에서 가장 큰 시장이었지만 이제는 인도가 주요 시장이 되었습니다. (아시아의 한 가지 문제는 규제 변덕입니다. 최근 한국의 공매도 금지와 중국에 대한 정부의 간섭 증가가 이를 증명합니다.)

따라서 퀀트 펀드는 영향력 있는 정점 포식자일 뿐만 아니라 새로운 디지털 기술을 채택하는 데 앞장서고 있습니다.

GenAI를 입력하세요

이는 AI의 새로운 발전을 퀀트에게 수수께끼로 만듭니다.

물론 이들 회사는 생성적 사전 훈련된 변환기를 통해 가능해진 LLM(대형 언어 모델)을 최대한 활용할 것입니다.

퀀트의 성배는 LLM을 예측 도구로 바꾸는 것입니다. 인간은 컴퓨터 친구와 상호 작용하여 시계열 및 기타 데이터 세트의 패턴을 감지합니다. 실제로 퀀트는 이미 이 작업을 수행하고 있습니다. 단지 LLM이 프로세스를 보다 직관적으로 만들고 비텍스트 데이터를 더 잘 통합하며 개발자가 모델을 훨씬 더 빠르게 구축할 수 있도록 해야 한다는 것입니다.

Quant Shop에서는 규제 보고서 작성 방법, 수익 보고서 해석 방법, 프레젠테이션 자료 검토 등 보다 일상적인 목적에도 genAI를 사용할 것입니다. 고객 온보딩 및 기타 백오피스 기능을 더욱 자동화할 수 있습니다.

그러나 이러한 작업을 수행하는 퀀트 상점에 대해 신비한 것은 없습니다. 왜냐하면 다른 모든 사람들이 genAI를 사용하는 것과 동일한 것이기 때문입니다.

모두가하고있다.

차이점은 예측 투자 모델과 실행 알고리즘을 개발하는 것입니다. 이것이 퀀트를 특별하게 만드는 이유이지만, 초기 징후는 genAI가 전통적인 자산 관리자도 이러한 일을 할 수 있게 해줄 것임을 암시합니다. LLM을 사용하여 보다 체계적이고 데이터 중심적인 투자 결정을 내릴 수 있는 악명 높은 자동화되지 않은 비즈니스인 사모 펀드 관리자도 마찬가지입니다.

자산 관리자는 모두 LLM과 물건을 구성하는 경향에 대한 질문에 직면할 것입니다. OpenAI의 ChatGPT와 같은 제품은 최고의 블랙박스입니다. 퀀트 펀드는 전략을 예측하기 위해 AI에 의존하지만, 이는 여전히 거래 아이디어의 결과를 이해하는 자격증을 갖춘 전문가에 의해 운영됩니다. genAI 도구는 그렇지 않습니다.

신속한 엔지니어링은 LLM을 조사하여 프로세스에 대한 감각과 결정을 내리는 데 사용된 요소 및 소스를 도출함으로써 투명성을 제공함으로써 가치를 더할 수 있습니다. 언젠가는 LLM이 인간보다 더 투명하고 책임감 있게 될 가능성이 이론적으로 가능합니다.

투자를 기계에 넘겨준다는 아이디어가 좋은 헤드라인을 장식하지만, 퀀트는 LLM을 보다 구체적인 방식으로 사용할 가능성이 높습니다.

예를 들어, 그들은 미시 시장 구조에 대한 심층적인 연구를 포함하는 거래의 실제 마찰 비용을 식별하는 도구를 원할 것입니다. 트레이더의 성과를 측정하는 일반적인 측정 기준을 '구현 부족'이라고 하며, 특정 거래에 대한 예산을 얼마나 가깝게 유지하는지 파악합니다. 기업들이 유동성이 풍부한 낮 시간이나 손을 공개하지 않고 거래할 수 있는 순간을 찾음에 따라 이러한 알고는 이미 더욱 정교해지고 있습니다.

이는 퀀트 임무의 핵심인 시장 신호를 찾는 것입니다. 퀀트 상점은 genAI를 사용하여 거래를 실행하기에 가장 좋은 시간과 장소를 예측하는 더 나은 방법을 개발할 가능성이 높습니다.

이것은 여전히 ​​매우 유용하지만 누군가가 터미네이터에게 자동차 열쇠를 건네주는 것과는 다릅니다. 또한 AI는 헤징 수단이 부족하고 계약이 가능한 경우 높은 헤징 비용이 뒤따르는 아시아 시장의 가장 큰 장애물을 극복하지 못합니다.

더 중요한 것은 이것이 퀀트에만 국한된 것이 아니라는 점입니다. 대규모의 전통적인 구매 측도 내부 설계 또는 판매 측 브로커에 의해 설계되었는지 여부에 관계없이 이러한 실행 알고리즘을 사용합니다.

퀀트에 대한 실존적 질문은 genAI 도구가 자신이 수행하는 많은 작업을 기본 자산 관리자가 보다 쉽게 ​​사용할 수 있도록 할 때 우위를 유지하는 방법입니다. Quant 상점은 부분적으로 AI 모델과 실행 알고리즘을 비밀 소스로 간주하기 때문에 각광을 피합니다. genAI가 이를 상품으로 바꿀 수 있을까요? 귀사의 신속한 엔지니어링은 얼마나 차별화되어 있습니까?

한 계량자는 “AI는 수년 동안 우리 도구 세트의 일부였습니다. GenAI는 장벽을 제거하지는 않지만, 데이터를 더 효율적으로 집계하고 분석함으로써 기본 활성 관리자에게 더 많은 이점을 제공할 것입니다. 일단 그 회사들이 수익의 동인을 이해하면 그들은 우리의 경쟁자가 됩니다.”

spot_img

최신 인텔리전스

spot_img

저작권 @ 2024 Plato Technologies Inc.