Een technologie-eerste benadering bij het investeren van geld is niet nieuw, maar de hulpmiddelen op het gebied van kunstmatige intelligentie bieden het bedrijf nieuwe kansen om beter te presteren.

Jeff Shen, co-chief investment officer en co-hoofd van systematische actieve aandelen uit San Francisco, zegt dat modellen voor het leren van talen krachtige instrumenten worden.

“We zitten midden in een revolutie”, zei hij. “Big data, alternatieve data en nu ook generatieve AI transformeren alle sectoren, inclusief asset management. Er zijn meer data beschikbaar en betere algoritmen om die data vast te leggen, en dat maakt systematisch investeren spannend.”

Vier decennia van kwantitatieve

De oorsprong van het systematische team ligt in het Barclays Global Investors-bedrijf dat BlackRock in 2009 heeft overgenomen. De deal kwam tot stand toen Barclays, zwaar getroffen door de wereldwijde financiële crisis, zijn beleggingsactiviteiten opgaf om te overleven – en BlackRock tot de grootste vermogensbeheerder ter wereld maakte, met een waarde van destijds $2.7 biljoen. .

De wortels van BGI gaan terug tot 1985 als wat vandaag de dag als fintech zou kunnen worden beschouwd: een in Silicon Valley gevestigde onderneming die gebruik maakt van big data en primitieve vormen van machinaal leren, lang voordat deze termen of mogelijkheden in de mode kwamen. Het is een kwantitatieve winkel, die gebruikmaakt van datagestuurde inzichten om een ​​heleboel kleine, snelle weddenschappen af ​​te sluiten waarbij de ene aandelen tegen de andere worden bemiddeld: Coca-Cola versus Pepsi.

Dit werkt zelfs als de sector of de markt het slecht doet – Country Garden versus Evergrande. Wat telt is het vinden van een klein, kortstondig voordeel dat de beheerder snel en op grote schaal kan verhandelen, en vervolgens de positie kan sluiten. Vermenigvuldig dergelijke transacties met honderden of duizenden in een portefeuille, en het bedrijf creëert een grote aandelenstrategie met een lage correlatie met benchmarks.

Met meer gegevens, betere algoritmen, toenemende rekenkracht en de elektronische ontwikkeling van de aandelenmarkten was BGI uitgegroeid tot een baanbrekende krachtpatser en blijft het de systematische tak van BlackRock.

Sindsdien heeft de ETF-wereld een grote vlucht genomen, waardoor BlackRock de grootste vermogensbeheerder ter wereld is geworden. Vanaf september 2023 rapporteerde het bedrijf $3.1 biljoen aan op de beurs verhandelde fondsen (een detailhandelsbedrijf) en nog eens $2.6 biljoen aan indexfondsen (voor instellingen). De technologiedienstengroep van het bedrijf, inclusief het Aladdin-portfoliorisicosysteem, levert een andere belangrijke bijdrage aan de omzet.

De vooruitgang van AI

In deze context is de systematische aandelenbusiness, een institutionele business, bescheiden, met een beheerd vermogen van $237 miljard. Shen is natuurlijk optimistisch over zijn verdeeldheid. “Systematische kwantitatieve investeringen bevinden zich nu in een gouden eeuw”, zei hij.

Maar de opwinding rond generatieve AI, die natuurlijke-taalmodellen zoals ChatGPT omvat, geeft het optimisme van Chen enige geloofwaardigheid.

Vroeger bestond de kwantitatieve tactiek uit het rangschikken van Amerikaanse large-capaandelen op basis van traditionele maatstaven (koers-boekwaarde, koers-winstverhouding, dividendrendement). Zelfs toen bouwden de grootste kwantitatieve hedgefondsen datawarehouses van verbazingwekkende omvang. Dit gaf hen de mogelijkheid om prestaties te genereren, ongeacht de markttrends. De meest succesvolle bedrijven verdienden veel geld, onder leiding van Renaissance Technologies, dat van 1988 tot 2018 de meest winstgevende (en geheimzinnige) investeringsmaatschappij ter wereld was.

De stappen die betrokken zijn bij het uitvoeren van actieve strategieën, kwantitatief of anderszins, zijn gestaag geautomatiseerd. Informatie is nu machinaal leesbaar, zoals makelaarsrapporten, bedrijfsfinanciën, mediaverhalen en overheidsstatistieken. Natuurlijke taalverwerking maakte het mogelijk om ongestructureerde gegevens (van een pdf tot de handtekening van een advocaat) machinaal leesbaar te maken. Het internet der dingen en satellietbeelden hebben de lijst van dingen die kunnen worden gemeten en gekwantificeerd uitgebreid. Bovendien geven deze fondsbeheerders nu toegang tot realtime inzichten.

Shen noemt de beweging van vrachtwagens. Dankzij geospatiale tagging, WiFi-bakens en satellietbeelden kunnen kopers van deze gegevens vrachtwagenparken volgen. Dit geeft hen een gevoel van verkeer tussen leveranciers en winkels, één datapunt om te bepalen hoe het met een bedrijf gaat. Als je er genoeg van bouwt, kan een bedrijf zijn reikwijdte vergroten om een ​​macro-beeld van de economie te krijgen.

Voer GenAI in

Tegenwoordig voegt generatieve AI een nieuwe set tools toe aan de mix. Maar het is niet zomaar een manier om gegevens te verwerken. Het verandert feitelijk de manier waarop portefeuillebeheerders informatie begrijpen.

Shen geeft het voorbeeld van een nieuwsbericht over het aftreden van een CEO. De afgelopen twintig jaar hebben technisch onderlegde bedrijven machinaal leren gebruikt om een ​​'zak met woorden'-aanpak te volgen. De machine analyseert een tekst en zoekt naar concentraties van woorden of zinsdelen die verband houden met goed of slecht, kopen of verkopen.

In het voorbeeld waarin de CEO zijn baan verliest, zou de machine in de openingsparagraaf zeven relevante bewoordingen kunnen identificeren. Het zou worden bestempeld als negatieve clusters zoals 'alert', 'het bedrijf verlaten', 'vervangen', 'frustratie' en 'zwakker'. Het zou ook twee vrolijke uitdrukkingen benadrukken, 'verrassend' en 'positief reageren', maar over het geheel genomen zou het gewicht van de negativiteit ertoe leiden dat de computer een verkoopaanbeveling zou doen.

Als dit bedrijf deel zou uitmaken van een Coca-Cola-Pepsi-duo, zou BlackRock kunnen besluiten dat dit een signaal was om de een short te gaan en de ander long te gaan, met een hefboomwerking. De transactie zou een paar uur of een paar dagen kunnen duren, maar de snelheid van de analyse zou het team een ​​andere uitkomst opleveren dan de massa actieve fundamentele spelers die afhankelijk zijn van een menselijke interpretatie.

"Dat was de stand van zaken in 2007", zei Shen. Sindsdien zijn de data en de aglo's beter geworden, maar de 'zak vol woorden'-benadering was nog steeds de norm. LLM's zoals ChatGPT brengen hier verandering in.

LLM's nemen dezelfde paragraaf en concluderen, in het voorbeeld van Shen, dat dit een enorm positief nieuws is in plaats van een slecht nieuws. Dat komt omdat het niet alleen gaat om het vertalen van tekst, maar om het begrijpen ervan in de context. De LLM weet dat, hoewel er bovenaan een aantal negatieve woorden staan, de sleutelzin onderaan staat: 'we verwachten dat de aandelen positief zullen reageren'.

“Ondanks dat dit nieuws is over het aftreden van een CEO, begrijpt de LLM de essentie van het persbericht – het geeft de clou weer”, zei Shen.

Data en algo's

Hoewel dit voorbeeld is bedoeld voor BlackRock-presentaties voor journalisten, impliceert dit dat een systematische winkel die LLM's aan de mix toevoegt, beter zou moeten presteren. In dit nette voorbeeld krijgt de portefeuillemanager een heel ander antwoord.

Het echte leven is niet zo netjes, maar Shen zegt dat LLM's de volgende golf van tools zijn die zijn ontworpen om een ​​manager een klein voordeel te geven. Bedrijven zoals BlackRock gebruiken nu LLM's op eigen datasets om de modellen te trainen op financiële en andere specifieke soorten gegevens. Hij zegt dat BlackRock vindt dat zijn eigen LLM's een voorsprong hebben op ChatGPT (dat op het internet in het algemeen is getraind).

Dit brengt kwantitatieve analyses terug naar dezelfde oude basisprincipes: wie heeft de beste gegevens en de beste manier om deze te zuiveren; en wie heeft dan de slimste algo's? Maar LLM's voegen hier nog een rimpel toe, door mensen te helpen hun beoordelingsvermogen te verbeteren.

De menselijke maat

Hoewel sommige kwantitatieve winkels zoals RenTec berucht waren omdat ze alleen maar hun computers volgden, vereist Shen dat systematische strategieën nog steeds menselijke beslissingen vereisen. Dit wordt duidelijk op momenten dat de historische gegevens onvolledig zijn of niet bestaan. Het modelleren van een bedrijf tijdens Covid was bijvoorbeeld moeilijk omdat de laatste wereldwijde pandemie van deze omvang een eeuw geleden plaatsvond. Er zijn geen betrouwbare gegevens uit 1918 om vandaag de dag te gebruiken. Dus hoewel quants realtime gegevens over verkeer of vacatures gebruikten om inzicht te krijgen, was er nog steeds een mens nodig om te extrapoleren wat dit voor de nabije toekomst betekende. Big data op zichzelf waren geen betrouwbare voorspeller.

Maar met LLM's kunnen de mensen de machine genuanceerde vragen stellen die onmogelijk waren om een ​​machine-leersysteem te stellen. Dit verandert de LLM in een productiviteitstool en verschillende vragen leiden tot verschillende resultaten. De oude big data-modellen uit de jaren tachtig en negentig waren gebaseerd op het analyseren van waarderingen, en voegden er in de jaren 1980 zaken als marktsentiment aan toe. Nu is de reikwijdte van het stellen van vragen breed, wat menselijke creativiteit mogelijk maakt.

“De vraag kan een concurrentievoordeel opleveren,” zei Shen.

Betekent dit, gegeven wat Shen beschrijft als een mooie toekomst, dat actieve managementstijlen beter zullen gaan presteren dan passieve strategieën? Zijn systematische investeringen klaar om een ​​deel van de activa terug te vorderen die naar de ETF-kant van het huis zijn gestroomd?

Shen bleef vrijblijvend. De winnaars in de sector zijn volgens hem de bedrijven die AI omarmen, ongeacht het product. Een veilig antwoord. Daarom zal een veilige veronderstelling zijn dat de nieuwe concurrentie die gebruik maakt van technologie bedrijven zal bevoordelen met de middelen om zoveel mogelijk data in handen te krijgen.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.digfingroup.com/blackrock-llm/