Финансы становятся всё более количественными. Огромное количество доступных данных растёт экспоненциально, а инструменты для их анализа становятся всё более сложными. Если вы сегодня молоды и хотите построить карьеру инвестора, то можете задаться вопросом, стоит ли вам изучать компьютерные науки или ИИ, а не бизнес и экономику. Китайско-канадская исследовательская группа использовала более строгий анализ для оценки влияния «квантов» на эффективность инвестиционных компаний, поэтому давайте посмотрим, что они говорят на эту тему.
Лин Цен и его коллеги изучили карьерные пути 124 947 специалистов по анализу данных, нанятых 1957 различными инвесторами в период с 2008 по 2021 гг. Затем они рассмотрели торговую и инвестиционную прибыль этих почти 2000 фирм и институциональных инвесторов, чтобы выяснить, наблюдалось ли увеличение аномальной доходности после того, как они наняли специалистов по анализу данных.
На диаграмме ниже показано, что альфа CAPM в среднем выросла на 0,5 б.п. для каждого специалиста по данным, нанятого фирмой, если специалист по данным занимался количественным анализом. Наем специалистов по данным для сбора данных статистически не изменил доходность фирмы, но в среднем оказал небольшое отрицательное влияние. Наем специалистов по данным для обслуживания данных и моделей увеличил альфу примерно на 0,4 б.п. Это не кажется чем-то серьёзным, но всё же это более чем 10%-ный рост квартальной доходности, достигнутой компанией до того, как она наняла специалиста по данным.
Увеличение показателя CAPM Alpha после найма специалиста по анализу данных:
Источник: Cen et al. (2024). Примечание: *** и ** обозначают статистическую значимость на уровне 1% и 5% соответственно.
Исследователи также обнаружили, что если местный университет вводит специальность «аналитик данных», то через 4 года местные компании начинают нанимать больше специалистов по данным и видят, что эффективность их инвестиций улучшается.
Одним из путей, способствующих повышению эффективности, является то, что компании с большим количеством специалистов по анализу данных, как правило, смещают распределение активов в сторону более концентрированных портфелей, что позволяет специалистам глубже понять конкретные инвестиции.
Однако следует отметить, что эти разработки имеют и обратную сторону. Когда специалисты по данным сосредоточены среди нескольких институциональных инвесторов, цены на акции становятся менее информативными относительно будущих доходов.
Специалисты по данным, как правило, изучают данные, но не вся информация может быть точно количественно определена, хотя это быстро меняется с появлением больших языковых моделей, о чём подробно писал на прошлой неделе. Следовательно, если компания в основном отслеживается учреждениями, которые используют науку о данных для её изучения, большая часть качественной информации, предоставляемой компанией, не включается в цену акций, что делает фондовый рынок менее эффективным. Это создаёт возможности для традиционных аналитиков (или аналитиков, использующих ИИ для «количественной» оценки качественной информации) генерировать избыточную прибыль.
Но возвращаясь к первоначальному вопросу о том, являются ли специалисты по работе с данными лучшими инвесторами, чем люди с опытом работы в сфере бизнеса или экономики, по крайней мере, это исследование, похоже, подтверждает, что это так. Удачи!!!
_______________________________________________________________________________________________________________________
Помогая проектам ТТ, где есть Большое Спасибо:
Любой донат через Дзен. //// Через Boosty.
Для РФ: МИР: 2200700155277048
Донаты для ТТ в крипте:
BTC: bc1qtr4c0v8uh95eppzcz93az7plvhcewv4hmqwcav
ETH: 0xDdf2a1fC12bf01493979A9e5179bAD7702F9c6A3
USDT: 0xDdf2a1fC12bf01493979A9e5179bAD7702F9c6A3
LTC: LhPwsfm1YhNcdF5fTobXsMYjuEsdpvgT46
SOL: C4hpFMHQFzCVX4BdXzTyHDDo7gk3XHzXGFXWndesR4
TON: UQDfuCbQs5NGOx5yJKk8KsDjM8LsFhLtqRgDJi5ShOTeWZxy
Комментариев нет:
Отправить комментарий