量化公司获得巨大的性能提升AI——至少在测试

“基于机器学习方法比传统方法更好…他们可以更好的模型风险,”荷帕特里克Houweling说。

Art_RobecoMachineLearning_0703.jpg

插图的二世

资产管理公司正竞相看看机器学习和人工智能可以改善他们的表现。量化基金经理荷,1700亿美元的管理资产,是最新的认真与工具和实验得到了一些可喜的成果。

采访中亚博赞助欧冠帕特里克Houweling,荷定量固定收入业务联席主管说,他的团队一直在努力将机器学习工具集成到该公司的投资过程量化的信用。荷开始的55亿美元的信贷策略提供接触的价值因素。类似于价值股,荷定义值在固定收益债券便宜的相对于基本面。

Houweling荷说结果表明,机器学习可以显著提高风险调整回报策略,使用价值的因素。当应用到一个使用价值的投资级债券投资组合风格,例如,基于机器学习的方法改善了信息比率——衡量每单位风险的超额回报——从1.42到1.83,根据最近的一篇论文Houweling的团队。当应用于价值,高收益债券投资组合,使用机器学习的模型增加了信息比率从0.99到1.75。

亚博篮球怎么下串

“基于机器学习方法比传统方法更好…他们可以更好的模型风险,“Houweling说。

荷探索机器学习之际,许多资产管理公司正在调查在投资和使用人工智能的可能性分布。例如,Rayliant Global Advisors的计划雇佣更多的人工智能人才扩大投资研究能力。对冲基金AQR一直试验ChatGPT-like大语言模型,以提高投资收益。PanAgora也被探索人工智能的能力赢得业务的工具。

Houweling 16名投资组合经理和他的团队说研究人员花了六个月研究ML-based方法。“我们想知道背后的直觉方法,“Houweling说。“一旦我们经历了所有这些不同的步骤的研究,我们决定做出改变接受机器学习作为一种新的工具在我们的工具箱”。

但是完全执行ML-based方法在客户的投资组合需要一个基础设施更新,可能需要一两个月,根据Houweling。“研究阶段已经结束,”Houweling说。“我们知道我们想做,我们要怎么做,但是我们需要在软件中实现它每天计算价值的信号。”

接下来,Houweling的团队计划测试相同的基于机器学习方法在其他因素,包括动量和大小。“我们想使用相同的工具,把它应用到其它因素…因为我们现在认为我们理解这个工具,我们喜欢它,”他说。

相关的