资产管理中的AI革命：启示之光 🌟
欢迎阅读我们关于AI在资产管理中变革作用的最新讨论。在本期文章中，我们将探索技术如何不仅仅是自动化任务，更是重塑战略性投资决策。📈
文章摘要
• 关键要点
• 电力是人类历史上最强大的发明之一，改变了社会的各个方面。
• 目前，我们正目睹人工智能（尤其是生成式AI）的类似变革。
• 生成式AI在Man AHL的应用包括数据增强、特征工程、数据提取和投资组合构建。
生成式AI的兴起
电灯泡的发明使得电力进入千家万户，但这一过程花费了数十年。同样，AI技术的发展也经历了一个逐步被接受和广泛应用的过程。今天，生成式AI正在迅速改变着多个行业，包括资产管理。
生成式AI是机器学习的一个子集，机器学习又是人工智能的一个子集。生成式AI使得用户可以通过自然语言与模型互动，并生成新的输出，这显著推动了AI技术的普及。
生成式AI在Man AHL的应用
在Man AHL，我们发现生成式AI在提高生产力方面有显著作用，尽管它还没有完全取代研究人员或投资组合经理。下面展示了四个具体的应用实例：
1. 使用Copilot进行编程
GitHub Copilot等工具通过预测代码续写，可以加速开发原型和初步研究结果。这不仅减少了开发时间，还促进了知识共享。例如，开发人员可以要求AI解释由其他人编写的代码部分。
我们正在开发可以理解内部代码的聊天机器人，例如，一个聊天机器人可以识别市场代码元数据的位置并检索时间序列价格，指定正确的库和字段，从而节省时间。这一功能增强了我们的效率并利用了我们的专有知识。
2. 提取交易信息
Man AHL最初作为商品交易顾问（CTA）成立，交易期货合约。随着业务的增长和多元化，我们开始交易更多新颖和独特的金融工具，如灾难债券。每个灾难债券都有独特的特征，需要在投资前清晰理解。
目前，我们正在测试一种流程，由ChatGPT提取相关信息并将其放入系统模板中进行审核。这解放了一名分析师的时间，使他们能够专注于新的研究。
3. 投资者查询辅助
我们的客户关系团队处理来自客户的各种问题，包括Man AHL系统性投资策略的信息。许多问题需要从不同的投资材料中提取信息，如数据表、演示文稿、尽职调查问卷和投资评论。
ChatGPT可以自动化这一过程的多个步骤。首先，它可以从相关文件中提取所需信息。其次，它可以草拟出初步回应，供人类分析师审核。这样可以使团队专注于更高价值的任务。
4. 宏观数据分析
在定量宏观研究中，ChatGPT可以作为假设生成器，建议某一经济时间序列是否与特定市场存在基本合理的关系。这些假设可以通过统计回测方法进行验证。
尽管ChatGPT目前无法完全替代我们的宏观研究团队，但其理解力与一名研究生相当。主要区别在于，人工研究者需要休息，而ChatGPT可以系统地查询成千上万的关系，并可能在这些关系上建议信号。
学到的经验
• 处理虚假信息：ChatGPT的回复不能完全信任。为了减轻虚假信息的影响，我们使用工具标出原文中的信息位置，帮助人工检查。
• 提示工程：如果ChatGPT不能很好地完成任务，通常是因为提示不明确。完善提示需要大量资源、反复试验和特定技术。
• 任务分解：ChatGPT不能一次性逻辑性地分解和执行复杂问题。有效的“AI工程”包括将项目分解为较小的任务，每个任务由专门的ChatGPT实例处理。
• 教育是广泛应用的关键：理解ChatGPT的能力和局限性至关重要。怀疑者应看到它的优势，而爱好者需要了解它的缺陷。
作者介绍
Harry Moore
• 职位: Principal, Man AHL
Martin Luk
• 职位: Quant Researcher, Man AHL
Matthew Hertz
• 职位: Head of Machine Learning Technology, Man Group
参考文献
1. Ajay Agrawal, A., Gans, J. and Goldfarb, A. ‘Power and Prediction: The Disruptive Economics of Artificial Intelligence’ (2022)
2. Luk, M., ‘Generative AI: Overview, Economic Impact, and Applications in Asset Management’, 18 September, 2023. Available at: SSRN or DOI
3. Ledford, A. ‘An Introduction to Machine Learning’, 2019. Available here
4. Korgaonkar, R., ‘Diary of a Quant: AI’, 2024. Available here
5. Pensions and Investments, ‘Man Group CEO sees generative AI boosting efficiency, but not investment decisions’, 30 April 2024. Available here
6. Korgaonkar, R., ‘Diary of a Quant: Journeying into Exotic Markets’, 2024. Available here
7. Radford, A., Wu, J., Child, R., Luan, D., Amodei, D. and Sutskever, I., ‘Language models are unsupervised multitask learners’, 2019. OpenAI blog, 1(8), p.9
8. Eloundou, T., Manning, S., Mishkin, P. and Rock, D., 2023. ‘Gpts are gpts: An early look at the labor market impact potential of large language models’. arXiv preprint arXiv:2303.10130
9. Bloomberg, Odd Lots podcast, ‘How Humans and Computers learn from each other’, 2 May 2024. Available here
本文由AI总结自：点击这里 版权由原作者所有
