BBG: 华尔街投资者日复一日地担忧,人工智能可能会将专家的判断转化为代码 ,从而颠覆白领行业 。 选股似乎正好处于这种变革的风口浪尖。 一项由哈佛商学院教授领导的最新学术 研究 发现,主动型基金经理的许多操作都遵循机器可以学习的模式。该研究利用一种名为神经网络的机器学习算法,预测了约71%的共同基金交易决策——即基金经理在一个季度 内是买入、卖出还是持有某只股票 。 该模型基于1990年至2023年滚动五年窗口的数据进行训练,数据来源包括基金规模、投资者资金流动、股票特征和整体经济状况等信息。在此基础上,该模型能够预测大部分投资组合的调整。 令人意想不到的是:它的局限性或许比它的成功更具启发意义。该系统未能预测到的交易——约占29%——平均而言与超额收益更为密切相关。换句话说,那些不属于常规、可识别投资模式的活动似乎蕴藏着大部分价值。 人工智能系统预测错误的仓位表现反而优于预测正确的仓位(来源:Lauren Cohen、Yiwen Lu 和 Quoc H. Nguyen 合著的《模拟金融》) 来源:《模拟金融》 这并非意味着机器已经攻克了市场。相反,它们似乎已经掌握了行业内许多通用的运作模式——管理者通常如何应对市场波动、趋势以及同行的行为。它们难以把握的是那些偏离既定模式的、比例较小的决策。 “如果71%的决策都能被算法预测,那么就很难证明为这部分支付主动管理费的合理性,”哈佛大学金融学教授、该论文的合著者劳伦·科恩在电子邮件中解释道。“当然,那些非常规交易,也就是我们的模型无法预测的交易,才是真正超额收益的来源。但这些交易在整体交易活动中占比相对较小。” 上周发布在国家经济研究局(NBER)的这份题为 《模仿金融》(Mimicking Finance) 的工作报告,正值人工智能对专业服务领域各个细分领域产生巨大冲击之际。近几周来,人们 对人工智能颠覆性影响的担忧 导致从财富管理公司到物流集团等众多企业的股价剧烈波动。 对于主动型基金经理而言,这种批评并不新鲜。多年来,投资者一直在 将资金 从选股型基金转移到低成本的指数产品。该行业的核心承诺一直是“阿尔法”(alpha)——即高于标普500等基准指数的回报——即便量化模型不断提高标准,表明广泛的市场敞口和常见的投资风格可以 解释 多少业绩。 这项由宾夕法尼亚大学的陆一文和德保罗大学的阮国浩共同撰写的研...
聚焦中美经济报道 Focus on us-china economic&financial report,中美贸易战跟踪,股市分析,宏观经济分析,A股美股港股,分享国际主流财经媒体报道,找最新深度财经分析上【财税茶座 ,CSCZ.ORG】,一站在手全都有。