
顛覆主觀對沖基金的量化工程師、AI專家和數(shù)據(jù)科學(xué)家
量化和數(shù)據(jù)分析師可能還在與主觀對沖基金經(jīng)理爭奪主導(dǎo)權(quán), 但是私下里也許傳統(tǒng)的對沖基金經(jīng)理已經(jīng)知道他們時日無多了。
Leig Drogen以前是一家對沖基金的CIO,現(xiàn)在運營著大數(shù)據(jù)金融技術(shù)公司Estimize,他說:“曾經(jīng)有管理十億美元以上的投資經(jīng)理告訴我,他們正在夜校學(xué)習(xí)數(shù)據(jù)科學(xué)課程。這些課程甚至與財務(wù)沒有關(guān)系,因為他們還不存在”。
摩根士丹利(Morgan Stanley)股票資本市場銀行家Emmett Kilduff補(bǔ)充道:“大多數(shù)自由基金經(jīng)理認(rèn)為Python是一條大蛇。他們從來沒有聽說過網(wǎng)絡(luò)抓取或其他大數(shù)據(jù)技術(shù)。他們完全沒有這樣的技能能力“。
對于量化分析師和數(shù)據(jù)科學(xué)家來說,主觀基金管理像是一個“宗教”:以直覺和信念為基礎(chǔ)進(jìn)行預(yù)測。但在絕大多數(shù)對沖基金和資產(chǎn)管理公司,他們?nèi)匀皇沁@樣操作的。
“大多數(shù)對沖基金有一個集中化的團(tuán)隊,專注與尋找數(shù)據(jù),清理和納入。然后他們雇用數(shù)據(jù)科學(xué)家和量化研究人員尋找alpha的機(jī)會,然后簡單的完成一個Excel電子表格交給不知道該怎么做的投資組合經(jīng)理“,Drogen在新聞周刊人工智能資本市場會議上說。
Drogen的理論是,投資組合經(jīng)理,數(shù)據(jù)科學(xué)家和量化分析師應(yīng)該都在“池子”中一起工作。投資組合經(jīng)理了解交易策略,可以解釋他對股票的理解,以及他對alpha的看法給向量化分析員和數(shù)據(jù)科學(xué)家 ,然后由他們挖掘和獲取數(shù)據(jù)。這樣一個工作體系給投資經(jīng)理非常大的優(yōu)勢。
大多數(shù)基金經(jīng)理還沒有意識到這一點。尤其是大公司, 在這么多不同的團(tuán)隊中試圖引入如此多的稀缺數(shù)據(jù)科學(xué)人才現(xiàn)在幾乎是不可能的。
“現(xiàn)在的方式是成立一個支持傳統(tǒng)專業(yè)知識的集中量化團(tuán)隊”, Kilduff說。
將基本面的知識和巨量數(shù)據(jù)集的量化融合的想法-quantamental方法 ,現(xiàn)在越來越引人關(guān)注。即便如此,這個方法不是簡單地獲取這些巨大的數(shù)據(jù)來源,而是應(yīng)該如何使用這些數(shù)據(jù)并了解后面潛在的金融驅(qū)動因素。
聚焦大數(shù)據(jù)對沖基金的邁克爾·比爾說:“量化與基本面爭論的真正原因是,沒有人知道如何使用數(shù)據(jù)科學(xué)來獲得洞察力,并將洞察力轉(zhuǎn)化為行動。如何把量化和基本面的洞察力合并成一個閉環(huán), 并把它變成錢, 這才是最難的部分?!?
”盡管有大量的不同意見,許多主觀對沖基金的投資組合經(jīng)理知道,背景已經(jīng)改變,他們正在采取行動更新他們的技能“,Drogen說, “不少有幾十年經(jīng)驗的投資經(jīng)理去參加Python和R的課程,或?qū)W習(xí)如何建立一個多因子模型”。
在對沖基金向大數(shù)據(jù)和人工智能的轉(zhuǎn)變中, 也遇到現(xiàn)在的工作人員的阻礙。大數(shù)據(jù)公司Orbital Insight全球銷售主管AJ DeRosa說:“對基本面的膜拜有很久的時間了, 而這些傳統(tǒng)的投資人員有很強(qiáng)的自尊心, 所以讓他們轉(zhuǎn)變, 你需要同情心。但在五年的時間里,他們的工作要么成為量化分析師,要么就不再存在了”。
主觀對沖基金的想法:雇用了一大批數(shù)據(jù)科學(xué)家和博士,然后把他們放在后面的倉庫里去自生自滅的創(chuàng)造奇跡。這樣的想法需要改變。 文化的轉(zhuǎn)變可能需要時間慢慢來,但一旦發(fā)生了, 產(chǎn)生的新的基金經(jīng)理可能遠(yuǎn)超他們。
比爾說:“大約有70家對沖基金表示他們使用大數(shù)據(jù),其中大約20家真正在做,也許有少數(shù)家真正做的很棒。“
其中之一是Numerai,這是一家由29歲的南非理查德· 克拉布(Richard Craib)經(jīng)營的硅谷對沖基金。它使用成千上萬的自由數(shù)據(jù)科學(xué)家創(chuàng)建機(jī)器學(xué)習(xí)模型,然后用于進(jìn)行交易。有大約13,000人互相競爭創(chuàng)造最好的戰(zhàn)略 - 獎金為價值約15萬美元的比特幣。
“我們的一個投資者Renaissance Technologies的聯(lián)合創(chuàng)始人霍華德·摩根(Howard Morgan)過去幾年就停止了投資在量化基金上。他的邏輯是你無法與有120個博士使用各種無法想象的模型來分析數(shù)據(jù)集的Two Sigma競爭。但是我們有七八個員工和13000多名分布在世界各地的數(shù)據(jù)科學(xué)家一起建立對沖基金。我們正處于第三波,正在創(chuàng)造一種新型的對沖基金”。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10