"Розведення раків" стало гарячою темою в фонді та інвестиційних колах Публічні фонди переживають глибоку революцію робочого процесу

Секретна газета журналіст Zhao Mengqiao, Pei Lirui

«Ми не будемо замінені штучним інтелектом, але нас обов’язково замінять ті, хто вміло використовує ШІ, особливо у сфері публічних інвестиційних досліджень, яка поєднує науку і мистецтво, раціональність і емоційність», — зазначив один менеджер фонду, звертаючись до журналістів.

Останнім часом популярність «вирощування лангустів» поширюється від технологічної сфери до фінансового сектору, і AI-агенти, такі як OpenClaw, починають привертати увагу публічних інвестиційних фондів. За інформацією журналістів, кілька компаній вже обережно оцінюють можливості застосування цього інструменту у дослідженнях і аналізах фондів, зокрема кілька менеджерів, зокрема кілька квантових менеджерів, вже експериментують з використанням OpenClaw для розробки стратегій, і ШІ поступово перетворюється з суперінструменту у самостійного співпрацівника.

Проте, з іншого боку, індустрія фондів знову переглядає вплив ШІ на традиційні моделі досліджень і аналізів. Від обробки величезних обсягів фінансових даних до розпізнавання сигналів у квантових інвестиціях і навіть у складних моделях досліджень — усе це переживає м’яку і глибоку революцію робочих процесів, але водночас стикається з новими викликами, такими як заміна людиною, витік даних тощо.

«Популярність вирощування лангустів» у фондовій сфері

«Спочатку я очікував від цього лише допомоги у тестуванні сценаріїв і обробці даних, але за останні два тижні я зрозумів, що він має досить високу автономність, здатен цілодобово самостійно витягати з первинних даних хороші фактори, розширювати джерела Alpha, і точність дуже висока — ніби поруч цілодобово працює досвідчений помічник-фондовий аналітик», — розповів один квантовий менеджер із Шанхаю.

Нещодавно, під впливом популярності відкритих AI-агентів, таких як OpenClaw, у всьому суспільстві виникла хвиля «вирощування лангустів», особливо у сферах, що пов’язані з обробкою складної інформації і прийняттям рішень у дослідженнях і аналізах фондів.

Голова цифрового департаменту компанії Bosera Fund, Че Хуньюань, повідомив, що наразі команда Bosera вже використовує OpenClaw у хмарних сервісах і в рамках відповідності нормативам, а також досліджує застосування вітчизняного програмного забезпечення у внутрішніх безпечних і відповідних сценаріях.

Крім того, компанія E Fund створила спеціальну команду для тестування функцій і технічних досліджень OpenClaw у ізольованому мережевому середовищі, але ще не перейшла до виробничого впровадження. За словами представників фінтех-підрозділу E Fund, основні сфери застосування — автоматизований збір і аналіз ринкової інформації, управління корпоративними даними тощо.

«OpenClaw, як відкритий і глибоко налаштовуваний AI-агент, запалив нову хвилю інтересу до застосування ШІ у публічних інвестиціях, і його значення виходить за межі просто інструменту», — зазначив Че Хуньюань. «OpenClaw орієнтований на індивідуальних користувачів і має потенціал значно розкрити індивідуальні інноваційні можливості. У застосуванні важлива ініціативність користувача. Зараз першими його використовують дослідники, він надає їм потужного цифрового помічника, що допомагає розвивати творчий і виробничий потенціал.»

Фонд Yimin вважає, що OpenClaw для досліджень і аналізів — це не просто покращення існуючих інструментів, а поступова і глибока революція робочих процесів.

«Головна ідея традиційних інструментів — пасивна реакція: люди вводять команду, інструмент видає результат. Головна перевага AI-агентів типу OpenClaw — активне виконання, здатність самостійно завершувати цикл «збір інформації — обробка даних — попередній аналіз — зворотній зв’язок», наприклад, раніше дослідники витрачали 1-2 дні на обробку даних про галузь, тепер за допомогою налаштувань OpenClaw можна автоматично збирати і класифікувати дані цілодобово, а дослідник зосереджений на інтерпретації даних і логічній перевірці. Це радикально змінює робочий процес досліджень, а не просто підвищує ефективність», — зазначив Yimin Fund.

Заступник директора відділу квантових інвестицій і менеджер фонду Ван Інь з компанії CITIC Prudential зазначив, що їхня команда вже давно інтегрувала ШІ у щоденну систему досліджень. Зараз квантові фактори, навчені за допомогою машинного навчання, займають близько третини їхньої стратегії, переважно у торгових стратегічних моделях на основі цін і обсягів.

«Ми помітили, що сигнали для торгівлі, які визначаються AI, при виконанні в той же день приносять кращий дохід, ніж на наступний день», — пояснила вона. «Логіка тут у тому, що AI добре захоплює короткострокові імпульсні підйоми, викликані збільшенням ліквідності. Вчасне втручання дозволяє не тільки скористатися швидкоплинними можливостями, а й зменшити торгові витрати завдяки високій ліквідності. Весь процес автоматизовано і генерує сигнали.»

Заміщення людини чи співіснування

Від потужних мовних моделей ШІ до автономних планувальників і виконавців — швидкий розвиток ШІ безпосередньо впливає на базові і повторювані завдання у дослідженнях і аналізах, таких як збір інформації, обробка даних і підготовка звітів. Чи стане це для публічних інвестиційних фондів, особливо для дослідницької роботи, новою «промисловою революцією» і чи не перетворить це дослідників у «ткацьких дів»?

Менеджер одного з публічних фондів Південного Китаю зазначив: «Я вважаю, що ШІ — це зрілий стажист або новачок у дослідженнях. Деякі роботи, наприклад збір і обробка даних, перевірка і простий аналіз — цим вже займаються досить досвідчені. Після автоматизації цих процесів дослідники зможуть більше часу приділяти складнішим завданням, які ШІ ще не може виконати.»

«Реальні можливості ШІ і людських здібностей у дослідженнях і аналізах не перекриваються і навіть доповнюють одне одного», — вважає менеджер фонду Minsheng Jinyin, Wang Yue. «Хороший дослідник — це той, хто постійно ставить правильні питання. Їхня мета — не отримати відповідь, а сформулювати правильне «чому», щоб виявити найважливіші змінні у галузі або компанії. Хороший ШІ — це інструмент для отримання відповідей, він не має глибокого логічного мислення, але може швидко і точно відповідати на поставлені питання, підвищуючи ефективність досліджень.»

Менеджер фонду HSBC Jintrust, Wei Yu, також вважає, що наразі ШІ ще не здатен замінити менеджерів і дослідників. Він може допомагати обробляти великі обсяги історичних даних, виявляти ключові закономірності і створювати короткострокові прогнози, роль — швидше асистента досліджень. Дослідники і менеджери можуть на основі цієї інформації, використовуючи свій досвід і знання, приймати більш точні рішення щодо галузі і інвестицій.

«Але потрібно враховувати, що багато роботи ШІ виконати не може. Наприклад, польові дослідження — багато дослідників спілкуються з керівниками компаній або менеджментом безпосередньо, щоб оцінити їхній стан. Це може здаватися емоційним, але саме так можна передбачити майбутні результати компанії, оскільки багато з них є передвісниками. Також важливою є робота з конфіденційною інформацією: AI може аналізувати лише відкриті дані, але й у цьому випадку вона має високу цінність», — зазначив менеджер з Південного Китаю.

Зміщення джерел альфи з широти на глибину

Хоча ШІ став потужним інструментом у дослідженнях, професійний бар’єр для менеджерів і команд досліджень залишається чітким і навіть посилюється.

«Моя думка — ШІ замінює низькоцінні роботи, а не самі посади; загроза — це люди, які не готові до змін і мають обмежені навички, а не дослідники з ключовими компетенціями», — вважає Yimin Fund.

За словами Yimin Fund, у епоху ШІ інформаційний розрив на ринку поступово зменшиться, оскільки ШІ швидко збирає і аналізує величезні обсяги даних, і майже всі дослідницькі інститути отримують однакову базову інформацію. Тому майбутній додатковий дохід вже не залежить від швидкості отримання інформації, а від глибини її інтерпретації, точності прогнозів і ефективного управління ризиками. Простими словами, не тільки обчислювальна потужність, а й алгоритми — це ключові джерела альфи для менеджерів і дослідницьких команд.

Ван Юй зазначила: «Ми цінуємо глибину мислення дослідників більше, ніж широту зібраної інформації. Вони мають ставити правильні питання, а не просто збирати якомога більше даних. Знайти найважливішу змінну і швидко її захопити — ось джерело додаткової дохідності.»

Че Хуньюань також підкреслив, що ШІ через автоматизацію обробки різних типів інформації сприяє підвищенню ефективності аналізу, але це вимагає від дослідників переходу до високорівневих навичок — глибокого логічного мислення, галузевих інсайтів і міждисциплінарної перевірки. Це може сприяти еволюції системи досліджень у мережеву структуру співпраці людини і машини, змінюючи лінійний підхід «дослідник — голосування — рішення менеджера». Дослідники і ШІ зможуть спільно шукати ідеї, формувати стратегії і контролювати ризики.

«Ми не будемо замінені ШІ, але нас обов’язково замінять ті, хто вміло використовує ШІ; особливо у сфері досліджень, яка поєднує науку і мистецтво, раціональність і емоційність», — зазначив менеджер з Південного Китаю. «Стратегія побудови дослідницької системи на рівні компанії — створити екосистему, що відповідає її особливостям. Для цього потрібні хороші механізми, культура, таланти і інструменти. І ці інструменти у майбутньому будуть тісно пов’язані з ШІ. В результаті, кожен з нас зможе проявити свої сильні сторони, працюючи на спільній платформі, і отримувати цінну інформацію для розвитку.»

Об’єднання ефективності і ризиків

Безперечно, допомога ШІ робить дослідження і аналізи більш ефективними, але багато публічних фондів вже глибоко усвідомили, що ШІ — це двосічний меч: він може значно підвищити продуктивність, але приховує багато ризиків, які при недбалому управлінні можуть призвести до інвестиційних втрат.

Лабораторія кількісних фінансів Yimin попереджає про «ризик чорної скриньки» ШІ — це найважливіший і найнебезпечніший аспект. Більшість моделей ШІ (особливо глибокого навчання) працюють за принципом «незрозумілої логіки»: відомо лише вхід і вихід, але не зрозуміло, як модель дійшла до результату. Це і є «проблема чорної скриньки».

За словами лабораторії, цей ризик проявляється у двох аспектах: по-перше, у «фальшиво ефективних» факторах, які AI може знайти, але вони є лише «історичним підгонкою» і не дають прибутку у майбутніх умовах, а іноді й спричиняють збитки; по-друге, у неправильних рекомендаціях, які AI може давати через помилкову логіку або упередженість даних. Якщо менеджери сліпо довіряють цим рекомендаціям, це може призвести до неправильних інвестиційних рішень. Наприклад, AI може рекомендувати купівлю акцій, базуючись на історичних даних, але ігнорувати погіршення їхнього фундаментального стану — і це може спричинити значні збитки. Крім того, «непояснюваність» моделей ускладнює відстеження ризиків і пошук причин проблем.

Ван Юй також застерігає про обережність у застосуванні ШІ, особливо щодо витоку конфіденційної інформації. «Ми використовуємо ШІ для обговорень і збору відкритих даних, але маємо сильні механізми захисту приватної інформації і запобігання доступу до комерційної таємниці», — підкреслила вона.