[AI存储] 对冲基金利用人工智能和DDN存储提升业绩

本文链接：https://blog.csdn.net/weixin_43740418/article/details/131942803

对冲基金的世界里，几分之一秒可能意味着所有的差异。因此，基金经理一直在寻找方法来更快地进行知情交易。无论他们进行超高频交易（追求数十亿笔相对低价值的交易），还是承担更大的风险(以高价值交易数千或数百万种资产)，情况都是如此。

在这个竞争异常激烈和快节奏的世界里，对冲基金越来越多地转向复杂和高性能的算法，以帮助他们评估机会和提高基金业绩。数据表明算法在发挥作用。去年，德州农工大学（Texas A&M University）与芬兰的瓦萨大学（University of Vaasa）合作，深入研究了从2006年至2015年的15年间的对冲基金数据。研究人员根据自动化在决策中所起作用将对冲基金分为四类。

以826只对冲基金为样本，该研究发现自动化程度越高的对冲基金表现越好，平均月回报率在0.74%至0.79%之间。同时，自动化程度越低的对冲基金类别月平均回报率为0.23%至0.28%。总之，研究人员得出结论：“自动化在对冲基金行业的盈利能力方面发挥着重要作用。”

其他研究人员也发现了类似的情况。市场研究公司Cerulli Associates研究了2016年至2019年人工智能对欧洲对冲基金的影响。研究发现，人工智能主导的基金的累计回报率比整个对冲基金生态系统高出近三倍，前者的回报率为33.9%，后者为12.1%。

1 对冲基金如何利用人工智能

算法和交易有一段有据可查的历史，而且算法在对冲基金的成功中起到了重要作用。但近期一波人工智能和机器学习融入交易的浪潮则更进了一步。

通过开发复杂的软件程序，对冲基金可以分析的不仅仅是美元和美分。他们涵盖了海量数据并寻找能够带来回报的模式。这些数据可能包括了所有来自美国证券交易委员会（SEC）的文件，首席执行官或其他高管的言论，甚至是停车场的卫星照片。这些复杂的算法深入研究了违约溢价、收益率曲线斜率和其他金融数据，然后将这些因素针对从其他数据源中发现的模式进行加权。这些软件比任何一个人或团队所能处理的更加周全。

有了机器学习，这些程序可以随着时间的推移进行调整和改进，将自己与华尔街“宽客”的传统模式区分开来。

这解释了为什么人工智能推动的投资正变得越来越主流。彭博社（Bloomberg）报道：“对冲基金巨头桥水基金（Bridgewater Associates）和英仕曼集团（Man Group PLC），以及日本的高桥资本管理公司（Highbridge Capital Management）和Simplex资产管理公司（Simplex Asset Management）都在开发或投资机器学习。文艺复兴科技公司（Renaissance Technologies）和双西投资（Two Sigma）早已使用这些技术很长时间了。人工智能基金的潜在资金来源和迹象表明该策略正慢慢成为主流，摩根大通（JPMorgan Chase&Co.）旗下的资产管理部门正计划投资新兴和成熟的机器学习统计套利对冲基金。”

2 人工智能和对冲基金的未来

尽管人工智能和机器学习已经是对冲基金经理们很喜欢的工具，它们的使用似乎还在进一步增加。2018年针对对冲基金的一项调查发现，超过一半（56%）的受访者使用人工智能为投资决策提供信息。纽约梅隆银行（BNY Mellon）表示，这几乎是前一年的三倍。

据《连线》（Wired）报道，这种转变不仅仅是“保守派和新派之间的斗争”。知名的基金经理已经投资了这项技术。Numerai创始人Richard Craib告诉该杂志：“那些我认为老派的人真的明白我在做什么。”Craib位于旧金山的对冲基金Numerai聘用数千位匿名数据科学家建立了一个机器学习模型。“我认为我会先于我的时代，”他说。

与此同时，人工智能有效性的证据继续增加。研究表明，人工智能基金不仅回报率更高，波动性也更低。这是根据研究公司Preqin的说法，该公司为德克萨斯农工大学和瓦萨大学的研究提供了数据。以下摘自Preqin：

“三年来，人工智能基金的波动率为3.20%，夏普比率为1.96，而所有对冲基金的波动率为3.87%，夏普比率为1.40。投资组合的夏普比率越高，其风险调整后的表现越好。更高的夏普比率，加上三年内较低的波动性，表明在过去三年里，利用人工智能技术的基金确实是更好的投资。”

3 对冲基金应如何为人工智能的进一步增长做好准备

数据显示，那些尚未使用人工智能的对冲基金应该在2023年考虑使用它。

这些技术的开发成本并不低——不仅是做算法需要大量的资源和资金投入，而且还需要进行一些试错试验以确保您不会使用无效的算法。但对冲基金已经了解到这项投资到底有多值得。

刚刚开始探索人工智能的基金应该从牢牢把握风险和回报开始，同时探索如何改善数据基础设施以准备好实施人工智能。

人工智能和机器学习模型的强大程度取决于支持它们的数据。当对冲基金无法获得良好的数据时，他们肯定只得到无效的预测和低效率。数据需要安全、完整和可使用。

已经管理着海量数据的基金可能需要利用创新来寻求个性化的开发方法，该方法为他们的人工智能打下数据基础。然而非常有价值的见解通常隐藏在复杂数据之中，而大型数据堆栈可能会变得繁琐且难以管理。从建立强大的数据基础开始可确保对冲基金在创新时有坚实的基础。

4 DDN如何提供帮助

DDN与各类金融服务机构合作，支持其数据基础设施并为其增长做好准备。人工智能应用是数据密集型的，DDN可以与对冲基金一起支持和创新以实现人工智能洞察。

DDN与头部的金融机构密切合作以做出数据驱动的决策，从而转变他们的创新方式并推动竞争优势，使用高性能人工智能存储来缩短发现的时间，并且开发新的交易方式，包括算法交易、时间序列分析、风险管理和合规等应用。

DDN为需要24小时运行的关键任务应用程序提供支持。我们的技术可帮助组织了解其行业的具体挑战，以便他们能够创建与其业务目标相匹配的解决方案。我们采取咨询的方式，将我们双方的专业知识相互匹配。