Ще замени ли машинното самообучение активния инвестиционен мениджмънт?

Четвърто, тъй като МС се основава на щателна и непрекъсната оценка на огромни бази данни, това може да намали човешките пристрастия, които подкопават разумните инвестиционни решения. Тези когнитивни изкривявания включват прекомерна увереност, избягване на съжалението и преследване на тенденциите.

МС обаче има свои собствени ограничения. То може да има отклонения, получени от данните, използвани за обучение на алгоритми, или статистически особености в своите методологии. За да се установят и ограничат тези отклонения, компаниите се нуждаят от талантливи учени по данните.

МС извлича заключенията си от съществуващи данни, подадени на обучени алгоритми. То не може да се предскаже бъдещето, доколкото бъдещите модели не се коренят в миналото, като големите прекъсвания по време на финансовата криза през 2008 г. Инвестиционните специалисти трябва да правят преценки, базирани отчасти на интуицията и интелигентните предположения за това накъде са насочени бъдещите тенденции.

МС може да открие корелации без да разбира причините за тях. Така че талантливите специалисти трябва да решат дали тези корелации не са повече статистически шум, отколкото сигнал за инвестиция. Според експерт по МС, когато компютрите идентифицират нов модел, след това екипът му прекарва дни, оценявайки дали този модел е разумен, предсказуем, последователен и добавъчен.

Дори когато МС открие валидни модели, те трябва да бъдат превърнати в печеливши инвестиционни решения. Например, щателният компютърен анализ на социалните медии накара някои учени, занимаващи се данни, да прогнозират, че Доналд Тръмп ще бъде избран за президент през 2016 г. Това правилно предвиждане обаче може да се превърне в различни инвестиционни сценарии, в зависимост от вашето мнение за това как ще реагират фондовите пазари в САЩ на победата му.

Накратко, МС предоставя мощни инструменти за подобряване избора на акции поради последните скокове в изчислителната мощ, наличните данни и по-добрите алгоритми. Независимо от това, все още ще са необходими талантливи професионалисти, за да изчистват данните, да разработват алгоритмите и да превръщат моделите в изгодни сделки.

За да не изостанат в този смел нов свят, активните мениджъри трябва да изразходват много повече капитал за внедряване на МС, като същевременно набират много повече професионалисти с количествени умения, както и инвестиционна преценка. Тези изисквания вероятно ще облагодетелстват големи групи с достатъчно ресурси и ще издигнат входни бариери пред стартиращите мениджъри.