Niceliksel fonlar uzun zamandır varlık yönetimi dünyasında yapay zekanın en büyük kullanıcıları olmuştur. Ancak üretken yapay zekanın ortaya çıkışı, geleneksel, temellere dayalı varlık yöneticilerini niceliklere tercih edebilir.

Asya'daki birçok fon yöneticisi ve veri sağlayıcının dile getirdiği endişe bu. DigFin.

 Bir nicelik yöneticisi, "Finansta yapay zeka uygulamaları hâlâ nadirdir" dedi. “Veri bilimcileri bunu sermaye piyasalarına uygulamıyor. Ancak bu araçlar hisse senedi ticareti için kullanılırsa manzara değişecektir. Yeni kazananlar ve kaybedenler olacak.”

Kuantum nedir?

Quants, büyük bilgi işlem gücüne ve yatırım stratejilerini modelleyen özelleştirilmiş yazılım programlarına dayanarak hisse senetleri alıp satıyor. Quant'ların yükselişi, faiz oranlarında onlarca yıldır devam eden düşüş ve pasif yatırımların yükselişiyle aynı zamana denk geldi; bu iki trend, insanlar tarafından yapılan aktif hisse senedi toplama işlemini giderek daha az rekabetçi bir iş haline getirdi.

Algoritmik veya sistematik olarak programlanmış ticaretin kullanımı, belirli bir stratejiyi veya (faiz oranları veya piyasanın oynaklığı gibi) 'faktörü' takip eden tek stratejili yöneticilerden oluşan platformları işleten firmalarla birlikte bir 'sistematik yatırım' endüstrisinin ortaya çıkmasına neden oldu.

Bu tür yatırımcılar hissedar olmakla ilgilenmezler; uzun/kısa, piyasadan bağımsız, istatistiksel arbitraj, olaya dayalı stratejileri yönlendirmek için yalnızca hızlı bir şekilde hisse senedi alıp satmakla ilgilenirler. Yüksek frekanslı ticaret dünyasıyla bir örtüşme var; ortak nokta, kavramsallaştırılan ve tamamen sayısal terimlerle yönlendirilen ticaretler.

AI eski zamanlayıcıları

Bu fikirler yeni değil, ancak bilgi işlem gücünün ve büyük veri setlerinin kullanılabilirliği, son yirmi yılda kuantumların yükselişini körükledi. Son on yılda quant'lar, makine öğrenimi ve sinir ağlarının kullanımı gibi yeni yapay zeka tekniklerini ilk benimseyen kişiler oldu. Sosyal medya akışlarından duygu analizi gibi alternatif verilerin açgözlü tüketicileri haline geldiler.

Nicelik yatırımcılarının en büyük sorunu, yapay zeka için niceliklerin 'kara kutusu'na kadar uzanan daha yeni bir terim olan 'açıklanabilirlik' olmuştur. Uzun Vadeli Sermaye Yönetimi'nin 1998'deki çöküşü, özellikle niceliklerin genellikle kaldıraçla kullanılması nedeniyle bu riskin somut bir örneğidir.

Ancak o zamandan bu yana Citadel, DE Shaw, Man AHL, Millennium Management, Renaissance Technologies ve Two Sigma gibi quant mağazaları Wall Street'teki en büyük ve en etkili alıcı tarafı firmaları haline geldi. Başarıları, BlackRock veya Fidelity gibi geleneksel fon kuruluşlarını kendi niceliksel stratejilerini başlatmaya teşvik etti.

Ayrıca likidite, düşük gecikmeli ticaret altyapısı ve riskten korunma araçları (ETF'ler veya yerel piyasa endekslerini takip eden vadeli işlem sözleşmeleri gibi) bulabilecekleri ABD dışı pazarlarda da faaliyet gösterirler. Japonya, Asya Pasifik'teki en büyük pazardı, ancak Hindistan artık önemli bir oyun alanı. (Güney Kore'nin kısa süre önce açığa satış yasağı getirmesi ve Çin'de artan hükümet müdahalesinin de gösterdiği gibi, Asya'daki sorunlardan biri düzenleyici kapristir.)

Bu nedenle Quant fonları yalnızca etkili zirve yırtıcıları değil, aynı zamanda yeni dijital teknolojilerin benimsenmesinde de ön saflarda yer alıyorlar.

GenAI'ye girin

Bu da yapay zekadaki yeni gelişmeleri nicelikler için bir bulmaca haline getiriyor.

Bu firmalar elbette üretken önceden eğitilmiş transformatörlerin mümkün kıldığı geniş dil modellerini (LLM'ler) tam anlamıyla kullanacaklar.

Quant'lar için kutsal kase, LLM'leri tahmin araçlarına dönüştürmek olacaktır. Bir insan, zaman serileri ve diğer veri kümelerindeki kalıpları tespit etmek için bilgisayar arkadaşlarıyla etkileşime girecektir. Aslında quant'lar bunu zaten yapıyor; sadece Yüksek Lisans'ların süreci daha sezgisel hale getirmesi, metinsel olmayan verileri daha iyi entegre etmesi ve geliştiricilerin modelleri çok daha hızlı oluşturmasına olanak sağlaması gerekiyor.

Quant mağazaları ayrıca genAI'yi düzenleyici raporların nasıl yazılacağını öğrenmek, kazanç raporlarını yorumlamak veya sunum sunumlarını incelemek gibi daha sıradan amaçlar için de kullanacak. Müşteri katılımı ve diğer arka ofis işlevleri daha da otomatik hale getirilebilir.

Ancak bir kuantum mağazasının bunları yapmasının gizemli bir yanı yok çünkü bu, diğer herkesin genAI'yı kullanacağı şeyle aynı şey.

Herkes yapıyor

Aradaki fark, tahmine dayalı yatırım modelleri ve uygulama algoritmalarının geliştirilmesinde yatmaktadır. Quant'ları özel kılan da budur, ancak ilk işaretler genAI'nın geleneksel varlık yöneticilerinin de bunları yapmasına olanak sağlayacağını gösteriyor. Aynı şey özel sermaye fonlarının yöneticileri için de geçerlidir; otomasyona geçmediği bilinen bir işletme olan bu işletme, yatırım kararlarını daha sistemli ve veriye dayalı hale getirmek için LLM'leri kullanabilir.

Varlık yöneticilerinin hepsi Yüksek Lisans'larla ve onların uydurma eğilimleriyle ilgili sorularla karşılaşacak. OpenAI'nin ChatGPT'si gibi ürünler nihai kara kutudur. Her ne kadar niceliksel fonlar ilahi stratejiler için yapay zekaya güvense de, bunlar hâlâ bir ticaret fikrinin sonuçlarını anlayan lisanslı profesyoneller tarafından yönetiliyor. genAI araçlarında durum böyle değil.

Hızlı mühendislik, bu şeffaflığın bir kısmını sağlayarak, LLM'leri süreçlerine ve bir karara varmak için kullanılan faktörlere ve kaynaklara ilişkin bir fikir edinmek için sorgulayarak değer katabilir. Bir gün Yüksek Lisans'ların insanlardan daha şeffaf ve hesap verebilir hale gelmesi teorik olarak mümkün.

Yatırımların makinelere devredilmesi fikri iyi bir manşet olsa da, niceliksel yatırımcıların LLM'leri daha spesifik şekillerde kullanması muhtemeldir.

Örneğin, bir ticaretin gerçek sürtünme maliyetini belirlemek için mikro piyasa yapılarının derinlemesine incelenmesini gerektiren araçlar isteyeceklerdir. Belirli bir ticaret için bütçeye ne kadar yakın olduklarını anlamak için bir yatırımcının performansını ölçen tipik bir ölçüme 'uygulama eksikliği' adı verilir. Firmalar gün içinde likiditenin olgunlaştığı veya ellerini açmadan ticaret yapabilecekleri anları aradıkça, bu tür algoritmalar daha da karmaşık hale geliyor.

Bu, bir quant'ın misyonunun özü olan piyasa sinyallerini bulmakla ilgilidir. Quant mağazalarının, bir işlemi gerçekleştirmek için en iyi zamanları ve mekanları tahmin etmenin daha iyi yollarını geliştirmek için genAI'yı kullanması muhtemeldir.

Bu hâlâ çok kullanışlı ama kimsenin arabanın anahtarını Terminatör'e vermesi gibi bir durum söz konusu değil. Yapay zeka, Asya pazarlarındaki en büyük engel olan riskten korunma araçlarının eksikliği ve ardından bir sözleşme mevcut olduğunda yüksek riskten korunma maliyetinin üstesinden gelemiyor.

Daha da önemlisi bu durum kuantlara özgü değildir. Büyük geleneksel satın alma tarafları da, ister şirket içinde ister satış tarafı komisyoncusu tarafından tasarlanmış olsun, bu uygulama algoritmalarını kullanır.

Quant'lar için varoluşsal soru, genAI araçları, yaptıkları birçok şeyi temel varlık yöneticilerinin kullanımına daha kolay hale getirirken üstünlüklerini nasıl koruyabilecekleridir. Quant mağazaları, kısmen yapay zeka modellerini ve uygulama algoritmalarını gizli soslar olarak gördükleri için ilgi odağı olmaktan kaçınıyor. genAI bunları metaya dönüştürebilir mi? Hızlı mühendisliğiniz ne kadar farklı?

Bir uzmanın belirttiği gibi, "Yapay zeka yıllardır araç setimizin bir parçası. GenAI engelleri ortadan kaldırmıyor ancak temel aktif yöneticileri veri toplama ve analiz etme konusunda daha verimli hale getirerek onlara daha fazla fayda sağlayacak. Bu firmalar getiriyi sağlayan unsurları anladıktan sonra rakibimiz haline gelirler."

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://www.digfingroup.com/genai-quants/