Реальность использования Искусственного Интеллекта инвестиционными и управляющими компаниями
Институт CFA провел исследование по анализу практики, чтобы понять степень внедрения различных технологий в рабочие процессы аналитиков, управляющих портфелем и управляющих частным капиталом. В этом обзоре представлены некоторые соответствующие выводы, чтобы проиллюстрировать отраслевой ландшафт, касающийся технологий искусственного интеллекта, и установить в контексте конкретные тематические исследования, которые следуют ниже.
Опрос был разослан рандомизированной выборке членов-учредителей CFA Institute в марте 2019 года, и в нем приняли участие 734 респондента (52% из Америки, 18% из Азиатско-Тихоокеанского региона, 30% из Европы, Ближнего Востока и Африки).
Профессии респондентов включали анализ капитала и кредитоспособности, управление портфелем, главных инвестиционных директоров и управление частным капиталом, как показано на панели A рисунка 1.
Профессиональный опыт
респондентов показан на панели Б рис. 1.
Результаты опроса показывают,
что немногие профессионалы в области
инвестиций в настоящее время используют
программы, обычно используемые в методах
машинного обучения, включая такие
языки программирования, как Python,
R и MATLAB.
Большинство управляющих портфелями
по-прежнему полагаются на Excel
(на что указали 95% респондентов из числа
управляющих портфелем) и настольные
инструменты для работы с рыночными
данными (три четверти респондентов
из числа управляющих портфелем) в
своей инвестиционной стратегии и
процессах.
Более того, как показывают результаты
на Рисунке 2, только 10% респондентов,
управляющих портфелем, использовали
методы ИИ / МО за последние 12 месяцев, а
количество респондентов, использующих
линейную регрессию в инвестиционной
стратегии и процессе, превышает количество
респондентов, использующих методы AI /
ML на почти пять к одному.
Только 10% портфельных менеджеров,
ответивших в опросе, использовали
методы AI / ML
для улучшения их инвестиционного
процесса за последние 12 месяцев.
На организационном уровне степень
сотрудничества между инвестиционными
и технологическими группами остается
относительно низкой, как показано на
рисунке 3. Это говорит о том, что
может потребоваться дальнейшая интеграция
для повышения эффективности процессов
по мере того, как эти технологии
закрепятся.
Согласно исследованию, распространенность
методов AI / ML
в торговых стратегиях также невысока.
Как показано на Рисунке 4, 69%
респондентов, управляющих портфелем,
сообщают, что не использовали какие-либо
методы AI / ML
для создания торговых алгоритмов за
последние 12 месяцев.
Те профессионалы, которые используют
эти методы, указывают на широкий спектр
вариантов использования, включая
принятие решений о покупке или продаже
на основе различных входных переменных
(15%), формирование сигналов (14%) и определение
настроения на основе NLP
(10%), среди нескольких других.
Аналогичный результат демонстрируется
на панели A рисунка 5,
которая показывает, что три четверти
респондентов-аналитиков не используют
методы AI / ML
для анализа отрасли и компании. Среди
тех, кто использует, два наиболее
популярных из перечисленных методов -
это извлечение данных сторонних
веб-сайтов (по мнению 14% респондентов)
и использование NLP
(по мнению 10% респондентов). Для
сравнения, 40% респондентов использовали
линейную регрессию для анализа отрасли
и компании (не показано).
Использование неструктурированных и
альтернативных данных для анализа
отрасли и компании более популярно, чем
использование методов AI
/ ML среди профессионалов
в области инвестиций.
Как показано на панели Б рисунка 5,
44% респондентов-аналитиков сообщают
об использовании индивидуальных данных,
таких как социальные сети, обзоры
продуктов и тенденции веб-поиска, за
последние 12 месяцев, в то время как
только 11% использовали спутниковые
изображения. Однако одним из недостатков
этих результатов является то, что они
не позволяют нам сделать вывод, как
часто и насколько широко эти источники
данных используются в отраслевом анализе
и анализе компаний. Значительное
количество профессионалов, 44%, не
используют эти данные.
