Hedgefonder: Tre gånger så bra avkastning med AI-förvaltning enligt rapport

STOCKHOLM (Fonder Direkt) Hedgefonder som använder sig av AI (artificiell intelligens) i förvaltningen har avkastat nästan tre gånger så mycket som övriga fonder inom kategorin de senaste tre åren.

Det rapporterar Institutional Investor med hänvisning till en rapport från analysfirman Cerulli.

Avkastningen för AI-anammande hedgefonder uppgick till 34 procent för de senaste tre åren fram till maj 2020, jämfört med 12 procents avkastning för den globala hedgefondbranschen som helhet.

“Det har länge funnits misstänksamhet kring förmågan för AI att reagera vid oväntade händelser såsom coronaviruspandemin. Men nu tycks det som att teknologin har avancerat till en punkt där den är bättre rustad för att anpassa sig till oförutsedda scenarier, tack vare den ständigt växande mängden tillgängliga marknadsdata”, säger Cerullis analyschef Justina Deveikyte i ett uttalande.

En invändning mot relevansen i att förvalta kapital med hjälp av AI under till exempel en historisk pandemi har varit att maskininlärningsalgoritmer arbetar med historiska data för att lära sig känna igen mönster, vilket gör det svårt att navigera genom en så extrem och ovanlig händelse som covid-19.

Men rapporten pekar på att AI kan användas även för att samla in information om exempelvis virusspridning, satellitdata samt analysera massiva textmängder av nyheter för att ta tempen på stämningen bland företag och marknadsaktörer.

“Investerare som förstår hur sentimentet styr val och omdöme kan bättre bedöma hur en specifik nyhetsartikel kommer att påverka marknader både i termer av riktning och intensitet”, enligt rapporten.

Som underlag till rapporten tog Cerulli hjälp av bland andra Pan Agora Asset Management och RAM Active Investments. Enligt Pan Agoras aktiechef Mike Chen innebär det en balansakt för fondförvaltare att tillämpa maskininlärning i investeringsprocessen, då man inte vill att algoritmen ska reagera för snabbt på “brus i marknadsinformationen”, men inte heller för långsamt så att den riskerar att missa en trend.

“Även om de flesta maskininlärningsalgoritmerna är öppen källkod är det möjligt att få en teknologisk ‘edge’ genom att finjustera hyperparametrar för specifika uppgifter, och genom smidig hantering av maskininlärnings-pipelines för att kontinuerligt införliva teknologisk förbättring”, förklarar Nicolas Jamet, kvantitativ analytiker på RAM, enligt rapporten.


Tjänsten Fonder Direkt produceras av Nyhetsbyrån Direkts fondredaktion, som är frikopplad från Direkts övriga redaktion. Materialet kan vara finansierat och framtaget efter överenskommelse med extern part, vilket i förekommande fall markeras med "Uppdragsartikel" vid rubriken.


TAGGAR