Модели против менеджеров: кто управляет деньгами лучше

Несколько фондов, управляющих деньгами клиентов с помощью алгоритмов, понесли этим летом убытки. Машины оказались не готовы к непредсказуемости президента США. Но всегда ли они проигрывают человеку?

В июне пионер квантового инвестирования — фонд Renaissance Institutional Equities — основанный покойным миллиардером Джимом Саймонсом (сейчас он управляется его бывшим помощником Питером Брауном), согласно отчету HSBC потерял почти 6%. Лето 2025-го показало, как могут ошибаются машины. В июле квантовые фонды синхронно попали под «мусорное ралли»: резко выросли дешевые, перегруженные шортами акции — как раз те, к которым модели обычно холодны. Goldman Sachs назвал начало и середину минувшего лета худшим периодом для этого сектора  за последние пять лет.

При этом в 2024 году этот и другие квантовые фонды демонстрировали двузначную доходность.  Renaissance Institutional Equities Fund и Renaissance Institutional Diversified Alpha выросли на 22,7% и 15,6% соответственно, сообщал Business Insider со ссылкой на источник, близкий к управляющему. Medallion, также входящий в Renaissance Technologies и вовсе показал доходность в 30%, писал на Linkedin биограф Саймонса, репортер Wall Street Journal Грегори Цукерман.

Вообще в первом полугодии 2025-го многие фонды, где решения принимают люди, чувствовали себя заметно лучше большинства алгоритмических стратегий. Очевидно, главный «виновник» этого – Дональд Трамп, не самый предсказуемый хозяин Белого дома, чьи многие решения трудно рационально просчитать, а значит они с большей вероятностью создают волатильность на рынке.

Экономисты лиссабонского Высшего института бизнеса и трудовых наук Антониу Фрейтас Мигел и Ихао Чэн, в своей работе «Do Machines Beat Humans? Evidence from Mutual Fund Performance Persistence»  утверждают —  у фондов, где решения принимает программа, нет устойчивого преимущества перед фондами, в которых за штурвалом люди. 

Алгоритмы великолепны в повторении и дисциплине, но когда многие модели обучаются на похожих данных, и зачастую одними и теми же специалистами, которые «кочуют» из фонда в фонд, источник прибыли быстро пересыхает: «секрет» перестает быть секретом, однотипные стратегии начинают мешать друг другу. В такой среде выигрывает не тот, чья модель лучше обучена на исторических данных, а тот, кто быстрее приспосабливается к новым условиям. И вот тут у людей в среднем выше «чутье контекста» — умение вовремя задать себе вопрос: «а не поменялись ли правила игры?».

Исследователи собрали массив данных по американским фондам акций за почти два десятилетия — с 2000 по 2019 год. Исследователи оставили 3915 уникальных фондов, из которых 217 действительно «квантовые», то есть «количественные» — «quantitative». В них портфель строится строго по правилам математической модели, без финальной ручной докрутки. Гипотеза, которую проверяли авторы исследования, звучала просто: если алгоритмы и правда умнее людей, то их победы должны повторяться чаще, а провалы случаться реже.

Чтобы сравнение получилось честным, ученые смотрели доходность после всех комиссий, а также сравнивали «яблоки с яблоками»: то есть компании одного ряда.

Был применен и еще один фильтр: устранение эффекта притока и оттока нового капитала. Если какой-то фонд показывал выдающийся результат, он сталкивался с наплывом новых клиентов, в результате стратегия «распухала» и теряла форму. Авторы тестировали это отдельно и не нашли существенных отличий по притокам и оттокам капитала между «квантовыми» и «человеческими» фондами. Значит, дело не в клиентах, а в самих процессах управления. Главный итог исследования прост и неприятен для поклонников робо-Баффетов. У «квантов» устойчивость результатов ближе к нижней планке: фонды, которые отставали, часто продолжают отставать. А те, кто врывался в топ, часто откатываются. Точно так же ведут себя и обычные активные фонды, но у «квантов» откаты сильнее, причем, как на коротких горизонтах (квартал), так и на длинных (год). Это не значит, что люди умнее машин. Речь о том, что на длинной дистанции у квантовых фондов нет заметного и стабильного преимущества перед фондами, где решения принимают люди.

 История знает и чисто технические провалы: классический кейс AXA Rosenberg, где ошибка в коде и непрозрачность перед клиентами обошлись в сотни миллионов и санкции от SEC.

При этом нужно отметить и обратное: подходы развиваются. В 2025-м AQR Capital Management, один из крупнейших в мире количественных фондов, основанный в 1998 году Клифом Аснессом и коллегами по работе в Goldman Sachs, открыто сдался машинам». Компания расширила использование алгоритмов в разных классах активов, а их стратегии Apex и Delphi показывали двузначные результаты за первое полугодие: +11,4% и +11,6% соответственно. Но сам Клиф Аснесс признаёт: объяснить клиентам, почему модель торгует именно так, а не иначе, трудно. Особенно в периоды просадок.

Вот как выводы исследования Мигела и Чэна трактует один из ярких популяризаторов «инвестирования на основе доказательств» Ларри Свидроу:

Отсутствие значимой разницы между людьми и машинами в генерации прибыли на рынке еще раз возвращает нас к базовым принципам безопасности инвестора.

Нет смысла переплачивать за вывеску «AI-inside», по крайней мере пока. Намного важнее смотреть на то, что имеет значение при любом управляющем: комиссии фонда, способы налоговой оптимизации, частота пересмотра ваших финансовых целей и адаптация под них состава портфеля.

Все также не стоит поддаваться очарованию высоких результатов. Независимо от того, управляется фонд человеком или компьютером, большие успехи в прошлом по-прежнему не являются гарантией способности повторить их в будущем. Перескакивание из одного «звездного» фонда в другой — верный путь отстать от простого индекса.

Все еще важно требовать от управляющего внятного объяснения, что именно делает его стратегия: какие бумаги она любит, чего избегает, что будет при смене рыночных трендов. Если этого объяснения нет, относитесь к продукту как к рискованному, даже если у него красивая презентация.

Используйте алгоритмы там, где они сильны, и где их уже применяют почти все крупные игроки рынка: в дисциплине и технике, если речь идет про торговлю. Если мы говорим про работу с информацией —то это чтение больших объемов текста, классификация трендов, поиск данных и выявление рисков. Так алгоритмы становятся спутником управляющего, а не его заменой. Это и есть здравый фокус отрасли: оптимизировать механику, а не искать «вечный Грааль» отбора правильных акций.