Машина во главе инвестфонда: сможет ли ИИ заработать больше человека

В отрасли инвестиций происходит смена парадигмы: от традиционного управления активами многие фонды переходят к стратегиям, основанным на больших данных и ИИ. Фото: PeachShutterStock/Shutterstock.com
Машинное обучение в управлении активами — больше не эксперимент, это инструмент, который уже показывает результаты. Но работает он не сам по себе, а только в сочетании с экономической логикой. При этом важно понимать ограничения ИИ и не полагаться на «черные ящики» без проверки. Именно так работает одна из стратегий AQR известного инвестора Клиффа Аснесса, пишет старший партнер группы компаний по управлению инвестициями Mоvchan’s Group Елена Чиркова.
Сигналы от ИИ
AQR Capital Management управляет активами на $128 млрд. В 2025 году компания начала привлекать внешние инвестиции в два фонда, которые используют машинное обучение для принятия решений об инвестициях, рассказывает Bloomberg. Это Turing Equities и Turing Macro.
Компания запустила эти фонды в 2023 году, но не давала инвесторам возможности в них вложиться. Причина этого не раскрывается, но, скорее всего, это связано с тем, что компания тестировала эти стратегии.
Стратегии AQR долгие годы опирались на классические методы отбора ценных бумаг. Сам Аснесс и его коллеги публиковали академические исследования по этим темам, например о гипотезе эффективного рынка или стоимостном инвестировании.
Но после того, как стало ясно, что ИИ помогает отбирать активы более эффективно, Аснесс и его ключевые сотрудники стали сторонниками этого подхода. «Иногда вы находите устойчивые закономерности в данных, но не можете объяснить их с экономической точки зрения, — сказал Брайан Келли, руководитель подразделения машинного обучения AQR и профессор Йельского университета. — Но если такой сигнал стабильно работает, отказаться от него — это плохая наука и плохое управление активами».
«ИИ немного отодвигает нас от наших традиционных подходов — и это было для меня некомфортно, – признал Аснесс в интервью Bloomberg в декабре. Теперь он считает, что, вероятно, задержал внедрение технологии «на год-два».
По словам коллеги Аснесса Тобиаса Московица, ИИ делает компанию более гибкой и быстрой. Теперь примерно пятая часть решений об инвестициях в основном фонде AQR принимается с помощью моделей машинного обучения, пишет Bloomberg.
Показатели фондов AQR в марте была впечатляющей. Об этом пишет Reuters со ссылкой на источники (данные не публичные). К примеру, доходность мультистратегического хедж-фонда Apex Strategy составила 3,4%, а за первый квартал — 9%. Для сравнения — индекс S&P 500 в марте упал примерно на 5,8%, снижение за квартал составило 4,6%.
Apex обогнал по доходности многих конкурентов. Правда, как и у многих хедж-фондов, в апреле (по 22 апреля) его доходность снизилась — на 2,8%, пишет Bloomberg. Причина проста: в начале апреля президент США Дональд Трамп объявил о введении 10-процентной пошлины на весь импорт в Штаты, а также повышенных пошлин на товары из десятков стран. Все это вызвало настоящий обвал рынка.
Где граница использования ИИ
Все это подогревает новые споры в важной области системного управления активами. C одной стороны, в отличие от классических линейных моделей, машинное обучение позволяет выявлять более сложные взаимосвязи.
Например, как рыночные мультипликаторы компаний взаимодействуют с другими рыночными переменными. В повседневной торговле AQR использует машинное обучение для анализа неструктурированных данных, таких как стенограммы звонков аналитиков с менеджментом по итогам квартальных отчетов, и для генерации торговых сигналов на основании этого анализа, определяющих, покупать или продавать актив.
В то же время есть риск того, что модели на основе ИИ станут слишком сложными и будут выявлять закономерности там, где их нет. В инвестициях это особенно опасно из-за «шума» и ограниченных данных. Об этом недавно предостерегли Альваро Картеа, Ци Цзинь и Юаньтао Ши из Оксфордcкого университета.
Однако Брайан Келли считает эти опасения преувеличенными. Он соавтор статьи о «достоинствах сложности», где утверждает: чем сложнее модель, тем точнее она может предсказывать доходность.
Тем не менее AQR вряд ли когда-либо станет компанией, полностью основанной на ИИ. Управляющие по-прежнему стараются интегрировать экономические принципы в свои модели и не следуют слепо за сигналами от искусственного интеллекта. Если он не имеет объяснимой логики, планка для его применения выше. «Поделить влияние 50 на 50 между экономикой и ИИ? Возможно. Мы этого пока не достигли, но вполне можем в ближайшие годы», – заключает Келли.
Почему такой подход работает
По данным Research and Markets, размер рынка ИИ-решений в управлении активами в 2024 году составил $3,4 млрд, по прогнозу, он может увеличиться до $21,7 млрд к 2034-му. По мере того как финансовые учреждения внедряют автоматизацию и ИИ, в отрасли происходит смена парадигмы: от традиционного управления активами, основанного на человеческом факторе, многие фонды переходят к инвестиционным стратегиям, основанным на больших данных, говорится в отчете.
Одним из пионеров в использовании машинного обучения и ИИ-моделей является Renaissance Technologies легендарного инвестора Джима Саймонса.
В прошлом году Bridgewater, основанный Рэем Далио, запустил фонд на $2 млрд, решения в котором принимаются на основе ИИ. Глава Bridgewater Нир Бар Деа заявил в марте этого года, что этот ИИ-фонд сгенерировал «уникальный альфа-доход (сверх ожидаемой доходности), который не коррелирует с тем, что делают наши люди».
ИИ в том или ином виде используют и другие квантовые фонды (например Citadel и Jane Street). Впрочем, Кен Гриффин, глава Citadel, недавно отметил, что, по его мнению, ИИ не изменит сферу финансов.
Клифф Аснесс верит, что стоимостной подход Уоррена Баффета не так уж сильно отличается от количественного инвестирования, поскольку Баффет не считает рынки полностью эффективными и пытается извлечь из этого возможности.
Я полагаю, что количественный анализ можно и даже нужно накладывать на стоимостную концепцию.
Наш фонд GEIST вкладывает средства инвесторов в акции и фонды акций. Цель — опережать на длинном горизонте S&P 500, с меньшей волатильностью. Мы убеждены: сочетание экономической логики и количественного анализа позволяет достичь устойчивой доходности. Именно это сочетание демонстрирует AQR, поэтому в конце 2024 года наш фонд сделал инвестицию в один из фондов AQR. У этого фонда нет управляющего-человека.
Улучшение показателей лонг-шорт портфелей, при которой инвестор одновременно открывает позиции на повышение по одним активам и на понижение по другим, происходит только при включении небольшого количества факторов, которые должны быть напрямую связаны с доходностью акций, отмечал аналитик Movchan’s Group Сергей Гуров. Именно здесь и проявляется значимость стоимостного подхода — он может помочь в выборе подобных переменных.
Кроме того, методы машинного обучения могут быть полезны и для решения задачи определения подходящего времени для увеличения или уменьшения экспозиции на рынок акций. Но и в этом случае алгоритмические стратегии по маркет-таймингу, основанные на нелинейных моделях, демонстрируют хорошие результаты при включении только экономически значимых переменных.