Robothandlere administrerer omkring $1 ud af hver $3. De er allestedsnærværende. Du ejer sandsynligvis et par indeksfonde, der betragtes som robot- eller kvantitative fonde. De er billige, og de giver adgang til det tilsyneladende ustoppelige aktiemarked på det seneste. Men endelig kan boblen briste (i det mindste for kvantmidler). Kvantfonde overalt lukker ned (f.eks. Columbia Threadneedle, Neuberger Berman). Trend-følgende kvantfonde oplevede nogle af de værste udstrømninger i 13 år. Så hvad er disse mængdemidler præcist? Hvorfor opstod de? Og er dette dyk et signal om et endemisk problem med kvanter eller blot en midlertidig nulstilling?
Det brede finansområde har på grund af sin adgang til kapital længe været den sektor, der har en tendens til at omfavne teknologiske innovationer før andre industrier. Så da softwareteknologien ankom i det 20. århundrede, og algoritmiske programmer dukkede op, var det uundgåeligt, at finanssektoren ville være den første til at udnytte potentialet. John Bogle, grundlæggeren af Vanguard, lancerede verdens første indeksfonde i 1970'erne, ved at implementere software til at spore kurve af aktier og dermed give en fond mulighed for at implementere automatiske omallokeringer i overensstemmelse med eventuelle ændringer i dens underliggende benchmark.
Fordelen ved at bruge software til at automatisere handel var stor, for det meste i dens effekt på at sænke driftsomkostningerne. Indeksfonde behøvede ikke at betale for de menneskelige ressourcer, der ellers ville være blevet udnyttet til at træffe valg- og allokeringsbeslutninger. Indkomsten af indeksfonden var en vigtig begivenhed i åbningen af verden af personlig økonomistyring for et massemarked, som ellers ville have været prissat ud af en sådan service.
Spol frem til i dag, og automatiserede (kvantitative) fonde har i løbet af det sidste årti støt bevæget sig opad for at holde den højeste andel af volumen ved institutionel handel på amerikanske børser.
Yderligere teknologiske udviklinger førte til introduktionen af kvantitative Exchange Traded Funds (ETF'er) mod slutningen af 1980'erne. Disse instrumenter implementerede softwareprogrammer til at træffe dynamiske aktievalgsbeslutninger baseret på visse faktorer. For eksempel kan en algoritme programmeres til at købe en aktie, når dens markeds-til-bog-forhold falder til under 1,0 og derefter til at sælge den samme aktie, når forholdet stiger over 1,5. Som vist i dette grove eksempel er softwaren programmeret til at træffe systematiske investeringsbeslutninger baseret på fundamentale analyser, som ellers ville blive udført af menneskelige ledere.
I de 30 år, der er gået siden den første ETF, er sofistikeringen af automatiseret handel udviklet sig til stadigt avancerede stadier på grund af de hurtige innovationer inden for kunstig intelligens. Inden for rammerne af algoritmisk software indebærer brugen af kunstig intelligens, at handelsprogrammer kan lære og forbedre deres effektivitet af egen vilje. Så antag, at den software, der blev brugt i vores ETF-eksempel ovenfor, blev implementeret med et kunstig intelligens-modul. Nu kan den muligvis løbende analysere data om aktiepræstationer, så den efterfølgende kan få indsigt i, at en mere rentabel strategi ville være kun at købe aktier, når deres markeds-til-bog-forhold falder til under 1,25 og sælge dem, når forholdet stiger til 1,8. Softwaren vil derefter begynde at træffe beslutninger baseret på denne læring, uden behov for menneskelig indgriben.
Fra 2019 forvalter ETF'er og indeksfonde tilsammen flere amerikanske aktier end menneskeligt forvaltede kapitalforvaltere. På tværs af 31 billioner USD af amerikansk aktiemarkedsværdi ejer quant funds nu 35,1 % af markedsværdien, sammenlignet med 24,3 % af de menneskeligt forvaltede fonde. Dette er et væsentligt skift – men hvorfor betyder det noget?
På hvilke måder er kvantitative fonde et overlegent valg af kapitalforvaltere frem for deres menneskelige modparter? Den mest håndgribelige måde er gennem de lave administrationsgebyrer, der tilbydes af kvantfonde, som ikke kan matches af menneskestyrede aktive fonde. Effektivitet på omkostningerne er en af grundene til, at vi ser Vanguard – opfinderen af indeksfonden – stige gennem årtierne for at nå randen af at være verdens største kapitalforvalter. Gebyrer er essentielle i fonde, fordi de over tid bliver en betydelig omkostningsbyrde for investoren, og fordi – i forbindelse med måling af præstation – jo højere gebyrerne er, jo højere præstationer skal overstige benchmark for at retfærdiggøre dem. Især hedgefonde kan belaste investorer med gebyrer på op til 20 %, men alligevel har de underpræsteret det sidste årti.
En anden fordel ved kvantfonde kommer fra deres evne til at drage indsigt ved at analysere store mængder data i realtid. Dette er måske ikke nødvendigvis en fordel for fremtidige begivenheder, som bemærket af den berømte fondsforvalter Ray Dalio:
"Hvis nogen opdager, hvad du har opdaget, er det ikke kun værdiløst, men det bliver overdiskonteret, og det vil give tab. Der er ingen garanti for, at strategier, der virkede før, virker igen,” siger han. En maskinlæringsstrategi, der ikke anvender menneskelig logik, er "bundet til at sprænge i luften til sidst, hvis den ikke er ledsaget af dyb forståelse."
Kvantfonde kan også træffe hurtigere investeringsbeslutninger end menneskelige forvaltere. Så de kan afgive ordrer hurtigere og udnytte fordelene ved snævre prisforskelle mere effektivt. De kan være meget mere effektive til at implementere handelsstrategier end menneskelige ledere på grund af deres neutrale bias og negerede risiko for fedt-finger-fejl.
Og hvad er ulemperne ved kvantitative midler? En negativ er, at med den øgede brug af kunstig intelligens kan forskellige kvantitative fonde uundgåeligt begynde at træffe de samme beslutninger i forening, hvilket kan medføre smitteproblemer for de finansielle markeder. En vigtig fordel ved menneskedrevet fondsforvaltning er evnen til at opdage idiosynkratiske karakteristika ved et marked og træffe beslutninger baseret på kvalitative data. Kvantfonde kan ikke suge tommelfingeren og kan som sådan bidrage til øget volatilitet i perioder med markedsstress.
Den systematiske objektivitet i kvantitativ handel rejser et spørgsmål om, hvordan kvantfonde skaber differentiering fra hinanden. Hvordan opnår en kvantfond en konkurrencefordel i forhold til en rival? Menneskelige ledere tjener deres striber ved at demonstrere en bedre forståelse af grundlæggende eller gennem overlegen intuition, begge faktorer udviklet gennem mange års læring og bevist objektivt gennem alfa på bundlinjen.
Kunstig intelligens-drevne midler er baseret på at analysere store mængder data i realtid og derefter udlede indsigt og efterfølgende investeringsbeslutninger. Dette introducerer nye variabler i rangeringskriterier, såsom hvilken fond der har den hurtigste computerkraft, eller petabytes dataadgang. Stjernekoderen kan afløse stjernehandleren, da midler opnår en konkurrencefordel ved at have en overlegen maskinlæringsregel skrevet af dataforskere i baggrunden.
Søgen blandt højfrekvente handel (HFT) algoritmiske fonde for at opnå konkurrencefordele gennem hurtigere handel har resulteret i, at nogle af dem har skabt deres egne private fiberoptiske eller mikrobølgenetværk for at forbinde til børser. Teorien er, at lægning af den mest perfekte, lige kabellinje vil resultere i den mest ultimative latente effektivitet til at sende ordrer til børsen, hvilket vil sætte ejeren i en fordelagtig position sammenlignet med konkurrenter, der bruger offentlige forsyningsselskaber.
Bare et par millisekunder kan måle fordelen ved at eje et privat fibernet. Men disse få millisekunder kan resultere i forskelle på millioner eller milliarder af dollars i overskud for HFT-firmaer, der udfører tusindvis af ordrer i løbet af en handelssession. I sin bog Flash Boys , forklarede forfatter Michael Lewis, i hvilket omfang nogle handlende gik for at realisere de marginale gevinster ved en privat fiberoptisk linje bygget mellem Chicago og New Yorks børser. NASDAQ-børsen i New York har den hurtigste eksekveringstid blandt verdens største børser, hvilket demonstrerer de høje indsatser, der tilbydes for fornuftige handlende, der ønsker at opnå enhver fordel, de kan, ved at være de første i rækken.
Alligevel er private fibernet dyre at bygge. De kræver betydelige initiale investeringer og kan blive hindret af fysiske barrierer såsom bjerge. Mikrobølgenetværk tjener dog det samme formål, men med fordelen af højere hastigheder og færre geografiske hindringer på grund af deres luftbaserede transmission. På nogle markeder har HFT'er allerede trukket kamplinjer i bud på at eje de mest optimale mikrobølgenetværk.
Nogle HFT'er har endda prøvet co-location, hvilket refererer til at placere deres handelssoftware i systemer placeret inde på de børser, de handler på. Dette er på nogle måder slutspillet for timingkampen om at få ordrer til en børs. Mange børser tilbyder nu samlokaliseringstjenester og opkræver gebyrer for at give plads til handlende til at placere deres systemer tættere på børsens system. Men på lang sigt vil lovligheden af disse samlokaliseringstjenester sandsynligvis blive udfordret, hvilket rejser etiske spørgsmål på samme måde som debatten om netneutralitet. Aktiemarkeder er i deres essens market makers eller markedspladser, der bringer købere og sælgere sammen uden fordomme. Et trindelt system med fordelagtig adgang nedbryder dette forhold, hvilket er en bekymrende knibe.
Selvom en HFT har forsøgt at bevæbne sig med alle de mulige fordele, er der ingen garanti for, at det altid vil virke. Sagen om Knight Capital vil altid tjene som en påmindelse om dette. Knight var en af de første HFT'er, der kom på markedet, men i 2012 fejlede dens algoritmiske software, og der blev foretaget forkerte handler for 7 milliarder dollars over en periode på kun en time. At rette disse fejlagtige handler kostede virksomheden næsten en halv milliard dollars og resulterede i sidste ende i, at fonden måtte likvidere og lukke.
Det bringer os også til spørgsmålet om personlig formueforvaltning. På et samfundsmæssigt plan kan dette være det mest markante område at se på, fordi en stor del af de investeringer, der går ind i aktiefonde, er samlede kapitalinvesteringer af individuelle borgere (f.eks. pensioner).
Robo-rådgivere er softwaredrevne investeringsrådgivere, der leder kunder baseret på algoritmer. De er gradvist blevet fremtrædende i løbet af det sidste årti. Der er både løfte og fare ved at fjerne menneskelig beslutningstagning fra finansiel rådgivning. På den ene side er der chancen for at introducere store dele af befolkningen til institutionelle koncepter for finansiel planlægning og investeringsporteføljekonstruktion. Men på den anden side er nogle af beslutningstagningspillerne i robo-rådgivning ret arbitrære (dvs. ejer flere obligationer, efterhånden som du bliver ældre) og - selvom det er muligt "korrekt" i en lærebogsforstand - kan de undlade at tage hensyn til investorens individuelle forhold. Brugen af kunstig intelligens vil yderligere styrke robo-rådgivere, når de begynder at forfine deres tildelingsbeslutninger baseret på deres egne erfaringer.
Er dette en alarmklokke for den menneskelige formueforvalter? Vil det i væsentlig grad ændre den måde, formueforvaltning udføres på i banker og andre finansielle institutioner, der leverer formueforvaltningstjenester? Når det kommer til penge og investeringer, er det en risiko at overlade alt til software og teknologi, som sikkert de færreste vil tage. I slutningen af dagen kræver software, selvom det har AI-komponenter, regler for at fungere; og disse regler kan kun laves af mennesker. Robo-rådgivere kan gøre formueforvaltningsprocessen hurtigere og mere effektiv. Alligevel vil måske den rigtige vinder i denne kamp være den institution, der formår at udnytte fordelene ved at både mennesker og maskiner arbejder sammen.