利用数据的能力是金钱管理的无人驾驶汽车 - 一个可以永远改变行业如何工作的破坏者。
近年来，可以利用机器学习，数据科学和人工智能的资产经理，以近年来数据爆炸的收集洞察力将在下一年产业重塑时茁壮成长。大多数经理都在做到这一点，比其他人更快。
这并不奇怪II300.-亚博赞助欧冠在300年最大的美国资产经理的年度排名 - 通过技术和量化投资长期历史，如Blackrock，State Street Global Advisors和Goldman Sachs资产管理。
例如，州街全球顾问 - II300中的第3号，符合2.8万亿美元的管理层 - 在过去几年中建立了AI基础设施，包括投资所谓的大量平行基础设施，这有助于它处理大型数据集根据首席投资组合策略师Gaurav Mallik的说法，使用人工智能预测公司基本面并找到基本数据中的异常。
与此同时，迄今为止，Blackrock，迄今为止，在管理巴克莱全球投资者的2009年，在2009年，对计算机驱动策略进行了显着投资的最大资产管理公司。BGI是第一家资产经理，提供基于规模和价值的资金，投资因素，作为广泛和持久的股票回报来源。1985年，当BGI首先引入了因子基金时，用于识别具有正确特性的股票的数据不适合那些可用的5.75英寸的存储盘，这是Blackrock的因素策略负责人的负责人。
“在那些日子里，我们称之为大数据，”他说。
现在BlackRock在所有资产课程中提供基于因子的投资，包括股票，固定收入和替代品。虽然因素基金只是Blackrock的定量策略的一个例子，但他们是公司将数据和研究结合在其所有投资产品中的努力。例如，今年早些时候，BlackRock推出了一系列新的交易所交易资金，专注于数据和机器学习。
Ang将资产管理的现在和未来与在音乐行业中发生的分区中。“我曾经买过CD和盒式磁带。即使我只喜欢一条赛道，我被迫购买整张专辑，”他说。但随着itunes和spotify的推出，消费者现在能够选择他们支付的东西，并只有最好的歌曲建造播放列表。同样，Ang解释说，定量技术的上升导致资产管理不捆绑，数据和技术使得可以将仅从生成真正alpha的人提供众所周知的因素的活动经理分开。反过来，投资者可以建立与市场资本化的指数基金，因子资金和alpha-发行资金的投资组合，并为每个人支付适当的价格。
“我们可以识别具有表现不佳的因素基准的积极管理人员，我们可以以更有效的方式获得这些因素，”Ang说。
[II深潜：在大数据时代，一家公司试图进行新的方法]
远远超过因素可以在数据中找到。北方信托资产管理的量化策略集团迈克尔·亨斯塔德是人工智能和数据分析重要性的信徒，尽管他对其申请持谨慎态度。
“我非常关注AI，大数据，数据挖掘，成为世界上所有问题的令人感知的灵丹妙药，”亨斯塔德说。
他解释说，危险是在数据中发现了虚假的关系，因为存在如此多的新信息，并且在竞争性行业中找到alpha的许多愿望。
“你拥有这种非常高兴的分析技术，你在假设数据是好的假设下，”他说。“但没有很多数据实际上很好。”
在北方信托处，Hunstad专注于与经济基本面的任何关系绑定，并询问为什么模式会出现。该公司还利用更常用的数据，以便为其传统流程更常用。例如，NTAM集成了Notes和前瞻性陈述，分析师可能会在其价值模型中发出问题。
“价值是一种缓慢的想法;亨斯塔德指出，没有分钟甚至几分钟甚至日常变化。但该公司已成功添加更多这些新型数据，这些数据已经越来越多地提供。“这增加了信号力量，”他说。
然而，总体而言，NTAM认为大数据和人工智能在风险控制风险和避免早期数据的趋势方面避免了黑色天鹅事件时，会产生最大的影响。
一家拥有量化和基本研究团队的公司智龙总量的Brian Cho，表示，许多涉及AI和数据的讨论中失踪的作品是人为判断。
“你需要人为干预，”他说。“考虑过去两年中产生的数据。这是人类生成的90％的数据。Quants应该知道，当有太多的信息时，信噪比将变为零。这是最重要的问题和搏斗。“
州街的Mallik同意，争论数据工具和人才的组合对于“令人愉快的”投资假设是必要的。
“长期来说，什么定义了基础知识的良好投资，”他说。“你需要人才有助于通过这些问题思考。”