Gli investitori istituzionali cercano rendimenti. Gli overlay della macchina possono aiutare a trovarli
In che modo gli investitori possono ottenere il meglio da entrambi i mondi da approcci quantitativi e fondamentali? Implementando gli overlay di machine learning , scrive Nick Abe, co-fondatore e Chief Operating Officer di Boosted.ai . I gestori fondamentali stanno lasciando i guadagni sul tavolo non adattandosi alle mutevoli tecnologie e alla domanda degli investitori istituzionali. Abe dimostra che combinare la propria esperienza nel settore finanziario con strumenti di intelligenza artificiale all’avanguardia può aumentare alpha e Sharpe.
Entrambi i lati dello spettro di investimenti – quantitativo e fondamentale – hanno avuto problemi ultimamente. Anche gli investitori più sofisticati hanno faticato nel 2020 a causa della volatilità imprevista che la pandemia COVID-19 ha portato sul mercato.
L’approccio quantitativo si è sviluppato lentamente all’interno dei grandi gestori patrimoniali mentre creano i propri team quantistici. Tuttavia, la promessa di avere un vantaggio dalla tecnologia moderna è stata soddisfatta con le difficoltà di mettere in pratica l’apprendimento automatico di successo, in gran parte a causa delle competenze richieste e dell’alto costo di sviluppo di un programma funzionante.
I negozi quantitativi di successo impiegano gruppi di dottorati di ricerca, scienziati di dati e ingegneri per dare un senso a grandi quantità di dati complessi e anche in questo caso a volte falliscono. Trovare il potere predittivo dai dati è difficile e gli eventi del cigno nero come COVID-19 e altri cambiamenti di regime possono rendere tali dati obsoleti senza la supervisione umana.
Fallimenti fondamentali
La maggior parte delle persone conosce i principi dell’analisi fondamentale: studiare i rendiconti finanziari e incorporare i fattori economici per prendere decisioni su dove gli investitori dovrebbero investire per ottenere i migliori rendimenti, dati gli obiettivi e la propensione al rischio. Gli investitori hanno praticato e perfezionato questo approccio che richiede tempo per ottenere rendimenti per decenni. Alcuni, tuttavia, si stanno entusiasmando per sfruttare la tecnologia moderna come l’apprendimento automatico e dati alternativi per affinare le prestazioni, sintetizzare le informazioni in meno tempo e limitare eventuali pregiudizi cognitivi che potrebbero interferire nel processo decisionale.
Inoltre, la gestione attiva degli investimenti fondamentali deve affrontare sfide immense, che vanno dalla compressione delle commissioni e dai progressi tecnologici allo spostamento del sentiment degli investitori verso ETF a basso costo.
Cosa hanno in comune l’approccio quantitativo e quello fondamentale? Studiano il mondo che li circonda per prendere decisioni informate su dove è meglio impiegare il capitale per ottenere rendimenti.
Ma se ci fosse una terza opzione?
The Call for Machine Learning in Fundamental Management
L’apprendimento automatico ha rivoluzionato le industrie e la vita quotidiana. Da Google Translate alle auto a guida autonoma, la tecnologia sta trasformando il mondo proprio come la rivoluzione industriale precedente e il settore della gestione degli investimenti non sarà immune ai cambiamenti. Secondo uno studio del 2019 del CFA Institute che ha intervistato i gestori di portafoglio, solo il 10% dei gestori di portafoglio aveva utilizzato intelligenza artificiale o apprendimento automatico nel processo di investimento.
Man mano che la tecnologia continua a progredire, le tecniche di apprendimento automatico diventeranno un aspetto non negoziabile della gestione degli investimenti. Tuttavia, molte applicazioni di machine learning richiedono conoscenze di programmazione estranee ai manager tradizionali che sono più fiduciosi nella propria analisi fondamentale, che possono fare da soli e per impostazione predefinita hanno una comprensione più profonda.
Dati i blocchi stradali di cui sopra, come possono adattarsi con successo i gestori fondamentali?
Combinazione per un processo migliore: overlay di machine learning
L’aggiunta di una sovrapposizione di machine learning a un portafoglio è solo un esempio di un connubio tra le competenze fondamentali del gestore degli investimenti e i vantaggi tecnologici che l’AI ha da offrire.
Gli overlay delle macchine risolvono gli ostacoli degli investitori fondamentali che cercano di incorporare la tecnologia. Sono facili da usare e possono essere implementati sopra i portafogli esistenti degli investitori tradizionali senza alcuna conoscenza di programmazione richiesta. Forniscono la piena spiegabilità del ragionamento della macchina, mostrando quali variabili l’apprendimento automatico considera importanti nel suo processo decisionale. Questo aiuta i manager fondamentali a sentirsi più a loro agio nell’implementare l’intelligenza nel loro processo.
Ad esempio, un overlay di machine learning Boosted Insights prende il portafoglio esistente di un gestore degli investimenti e regola leggermente le ponderazioni della posizione azionaria. Non aggiunge nuove posizioni, ma regola le ponderazioni (lunghe o corte) delle azioni nel portafoglio esistente del gestore. Sulla base dei suoi risultati, le azioni che si classificano in alto possono avere la loro ponderazione aumentata e le azioni che si classificano male possono vedersi ridotte.
Alla fine, gli overlay di machine learning consentono a un gestore di investimenti fondamentali di combinare il proprio acume nella selezione di titoli con un AI / ML specifico per finanziamenti all’avanguardia per ottenere risultati migliori.
Un gestore degli investimenti può apprezzare le azioni di Facebook, Apple, Amazon, Netflix e Google (FAANG) e scoprire che offrono buone prestazioni nel proprio portafoglio ma che hanno tutti e cinque lo stesso peso. L’aggiunta dell’overlay di apprendimento automatico di Boosted Insights consente alla macchina di modificare leggermente le ponderazioni, ad esempio Facebook viene ridotto al 18,5% e Apple viene aumentata al 21,5%. Queste piccole differenze, pur mantenendo lo stesso identico portafoglio del gestore degli investimenti, possono portare a risultati migliori in termini di rendimento, alfa e volatilità.
Abbiamo scoperto che questi tipi di modelli sono in grado di migliorare i portafogli che avevano già un alfa elevato regolando solo le ponderazioni delle azioni e non dovendo aggiustare la composizione. La beta è rimasta coerente poiché le allocazioni di base sono state modificate dagli overlay del modello.
Apprendimento automatico per investimenti migliori
L’apprendimento automatico ha e continuerà a rivoluzionare le industrie. I gestori degli investimenti possono migliorare i loro obiettivi di portafoglio implementando l’apprendimento automatico nel loro processo, ma in modo complementare e organico al loro flusso di lavoro. Un buon modo per immergersi nelle acque delle tecniche di apprendimento automatico è implementare una sovrapposizione di apprendimento automatico.
