Низкая корреляция с другими инвестициями: как фонды ИИ могут снизить колебания портфеля

Рынок фондов, основанных на ИИ, то есть стратегий, использующих искусственный интеллект в инвестиционном процессе, растёт. Согласно недавнему отчёту отраслевой службы Hedgeweek, почти 60% инвесторов, инвестирующих в альтернативные классы активов, заинтересованы в ИИ.

В то время как глобальные активы под управлением (AuM) в инвестиционных решениях на базе ИИ едва превышали три миллиарда евро до первой половины 2024 года , мы регистрируем растущий спрос со стороны институциональных инвесторов, а также управляющих активами и благосостоянием.

Области применения ИИ в инвестиционных стратегиях

Мало кто из инвесторов интересуется ИИ как таковым или исключительно из-за его технического интереса. Вопрос скорее в том, что ИИ может делать, чего он достигает (лучше, чем аналитики или менеджеры-люди) и какие конкретные задачи – с какой ожидаемой доходностью – можно ему поручить.

Для некоторых инвесторов стремление к максимальной доходности имеет первостепенное значение. Другие мотивы использования ИИ в инвестиционных стратегиях включают потребность в большем объёме релевантных данных или способность отфильтровывать эмоциональные влияния (поведенческие предубеждения) и когнитивные искажения (например, приверженность определённым референтным значениям, известная как «якорение»).

Но с какой задачей ИИ действительно справляется особенно хорошо? Ключевым преимуществом, которое многие рыночные аналитики, включая независимых экспертов индекса NextGen Artificial Intelligence Multi-Manager Index, охватывающего около 45 инвестиционных стратегий на основе ИИ по всему миру, считают низкую корреляцию ИИ с другими классами активов. ИИ часто работает с нелинейными закономерностями. При использовании в инвестиционном процессе для расчета вероятности рыночных движений и выбора ценных бумаг торговые сигналы, распределение активов и весовые коэффициенты портфеля, как правило, отличаются от сигналов традиционного управляющего.

Портфели 50/50: пределы смешивания

Подведем краткий итог: модели ИИ рассматриваются как фактор декорреляции, основанный, среди прочего, на бэк-тестах и сравнениях с традиционными (количественными) группами-аналогами. Таким образом, подходы на основе ИИ могут использоваться в качестве потенциально рыночно-нейтрального компонента в дополнительном портфеле. Однако для каких частных банкиров и управляющих активами эта сила декорреляции может быть особенно актуальна?

Это касается всех инвесторов (только для длинных позиций), которые пересматривают свои портфели на предмет зависимости от роста фондовых рынков и государственных облигаций и часто разочаровываются в существующих вариантах диверсификации портфеля (таких как недвижимость, прямые инвестиции и хедж-фонды). Они часто имеют высокую корреляцию с традиционными классами активов (>0,7 и выше) и столь же чувствительно реагируют на (геополитические) рыночные события, а также на риски инфляции и процентных ставок.

Инвестиционные стратегии, использующие машинный интеллект для расчета сигналов и управления фондами, можно рассматривать как новые, прорывные дополнительные элементы, если они используют указанную силу декорреляции и соответствуют критериям эффективной диверсификации (согласованность с фондовым рынком <0,3).

Как представители отрасли, мы можем количественно оценить это, используя нашу собственную стратегию фонда ИИ. Корреляция, то есть взаимосвязь с ключевыми классами активов – акциями и облигациями, – составляет <0,1.

Никакого оракула: ИИ на практике

Можно ли дополнительно измерить добавленную стоимость такой правильно запрограммированной и обученной системы ИИ? Если мы поставим перед ИИ отдельную задачу декорреляции (вместо того, чтобы рассматривать его как своего рода «оракула», которым он не является), станет легче понять его роль как средства достижения цели. ИИ — это средство достижения декорреляции. Декорреляция — это средство достижения более высокой доходности (точнее, коэффициента Шарпа), а также снижения волатильности и стабилизации ценовых спадов в контексте всего портфеля.

Исходя из нашей инвестиционной практики, в рамках которой за последние годы мы провели около 55 000 сделок на фондовом рынке с использованием трёх семейств ИИ-моделей, ориентированных на декорреляцию и диверсификацию, мы можем сказать: диверсификация портфеля часто обсуждается, но редко измеряется на практике. Те, кто хочет избежать рисков концентрации и добиться стабильной доходности, изучат различные источники дохода.

На основании оценок независимых третьих сторон некоррелированный компонент ИИ может быть использован для периода с 2019 года по настоящее время, включая фазы рынка в начале агрессивной войны против Украины и во время пандемии коронавируса: при среднем начальном портфеле 50/50 (на основе индексов MSCI World Net и Bloomberg Global Aggregate Bond, которые адекватно отражают глобальные рынки акций и облигаций), микс в размере 10–25 процентов может снизить волатильность портфеля до четверти, а максимальные просадки — до трети.

Конечно, потенциально рассматриваются и другие альтернативные инвестиции, которые могут продемонстрировать свою независимость от основных инвестиций, таких как акции и облигации. ИИ можно отнести к категории sui generis благодаря своей уникальной природе, поскольку он, как правило, формирует иные структуры портфелей, чем управляющие-люди.

проблемы

Для того чтобы сделать алгоритмы ИИ пригодными для управления фондами, необходимы обширные исследования и знания особенностей их применения на финансовых рынках.

В отличие от генеративного ИИ, который становится всё более популярным в программах преобразования речи в текст (чат-ботах) и обработке естественного языка, предиктивный ИИ используется здесь для выявления тенденций фондового рынка, их переломов и торговых возможностей. По сравнению с традиционными количественными стратегиями, мы копаем глубже: семизначный объём данных о ценах оценивается с использованием различных алгоритмов ИИ и машинного обучения, включая глубокое обучение.

перспективы

В рамках управления портфелем теперь можно делегировать различные задачи ИИ. Ключевым преимуществом, вероятно, станет его роль инструмента, свободного от гипотез и практически не зависящего от рыночных тенденций и человеческого фактора.

В случаях, когда ИИ используется централизованно для управления инвестиционной стратегией, инвесторам следует чётко определить ожидаемые результаты от применения машинного интеллекта. Следует запросить информацию об измеримости эффектов и добавленной стоимости в инвестиционном процессе, например, в случае продуктов, дополняющих традиционные портфели, в идеале, в более длительных временных горизонтах и на разных этапах рынка. Однако простого измерения этого вклада в стоимость на основе отдельных, случайно выбранных событий недостаточно.

О приглашенных авторах:

Пабло Хесс и Михаэль Гюнтер — разработчики ИИ и управляющие портфелями в компании Tungsten Capital, расположенной во Франкфурте-на-Майне. Их стратегия уже более десяти лет является одним из проверенных решений для инвестиций в ИИ в регионе DACH, а объём активов под управлением компании превышает 200 миллионов евро.