システム化投資はAI時代におけるアクティブ投資の主流になりつつある。ウォール街で今最も話題になっているのは、「機械学習/大モデル賦で能動的に投資するには？」ということだ。
管理規模が10兆4700億ドル（今年3月末時点のデータ）に達する世界的な資金管理の巨体として、ベラードはすでに成熟した答えを出している。その旗艦戦略として、システム化されたアクティブ権益投資（Systematic Active Equity、以下「SAE」）戦略は機械学習、自然言語処理などのビッグデータ分析方法を用いて、投資に指導的価値のある投資信号を捕捉し、35年を超える研究経験と投資実践を持っている。今年第1四半期末現在、SAE戦略の世界の管理資産規模は1500億ドル（約10900億元）を超えている。
外資大手が続々と増配している中国市場では、SAE戦略も関連製品の中で俗っぽくない表現をしている。
複雑なデータから投資シグナルをキャプチャ
SAE戦略の核心的な運営ロジックを簡単にまとめる：ビッグデータ分析に基づいて、より速く、より広く、より正確に価値のある投資信号をフィルタリングして抽出し、そして厳格なリスク管理を採用して、取引先のために持続可能な超過収益を創造することを目指して、いわば“資本管理科学技術”の理念が実際の研究に着地するシンボル的な策略である。
SAE戦略のビッグデータと科学技術革新の属性は、人員構成と体制メカニズムにも反映されている--約100人の投研専門家、ビッグデータ科学者、科学技術者を擁する数少ない戦略であり、自主研究開発と反復投資信号、およびビッグデータ分析モデル、ポートフォリオ最適化エンジンなどの投資プロセスで運用されているツールである。
ベアードグループ取締役社長、SAEチームシニア投資マネージャーの趙英明氏は、投資目標と理念、リスク管理、取引コスト管理などの面から、SAE戦略の投資方法論を紹介した：
まず投資目標であり、SAE戦略は長期的で持続的な超過収益を追求する。投資理念の上で、策略モデルは多次元度のデータ分析を通じて、個株に対してファンダメンタルズ、投資情緒などの全方位の分析と予測を行って、最も超過潜在力のある投資目標を探しに来た。
次にリスク管理であり、SAE戦略は一貫して全倉投資、頭金を集中せず、分散投資を実践し、個別株、業界、スタイルなどの面で厳格なリスク管理を持っている。
また、取引コスト管理も戦略実施の重要な面であり、SAE戦略はポートフォリオ最適化の際に取引コストを考慮し、予想される超過収益、リスク貢献に類似する標的の中で取引コストのより性的な価格比を選択する。
この投資方法論の着地を支えているのはデータだ。
趙睿氏は記者に対し、「私たちのグループ（SAEチーム）は2008年からビッグデータと機械学習を開始し、データ科学チームは絶えず研究開発と革新を続け、厳格で効率的なデータ分析プロセスを形成し、データ間の伝送と研究者のインタラクションを持続的に最適化するプロセスである。例えば、私たちの自然言語分析エンジンは、現在第6世代に反復されており、研究報告、業績発表会、ニュース、フォーラム評論などの情報を効果的に分析し、各種類の投資家の情緒を理解し、価値のある投資信号を形成するのに役立つ」と述べた。
モデル構築において、SAE戦略は数百の投資信号から構成される：伝統的な因子投資と異なり、信号は現在の市場現象に対して単独で開発され、反復される；そのほか、信号の主なデータソースは非線形の「別種データ」であり、この戦略的差異化超過収益の主なソースでもある。
趙英明氏はさらに、「例えば、求人広告から関連会社がまだ求人をしているかどうか、どのような職種を募集しているか、求人にどのようなスキルが必要かなどを説明した。これらの情報は、会社の経営状況の良し悪し、拡張段階にあるかどうか、会社の将来の方向性などを理解するのに役立つ」と、「別のデータ」とは何かを説明した。
趙英明氏は、中国市場のデジタル化の程度は海外市場をはるかに上回っており、これは中国市場の取引が便利で、インターネットビジネスモデルが多いなどの要素と関係があると考えている。中国市場の大量のデータに基づいて、SAE戦略モデルはリアルタイムで産業発展傾向、経済活動の地域特徴、企業の経営状況、消費者の好みなどの千以上の因子を理解し、株価の将来の動きを予測し、新しいポートフォリオを構築することができる。
ベアードSAEチームが管理する投資中国の海外ファンド製品は2012年に正式に発行され、2013年からビッグデータと機械学習投資シグナルに参加している。2021年から、ベアード傘下の合弁財テク会社、ベアード建信財テクはSAE戦略を用いた財テク製品を発行し、この戦略の現地化投資運営を実現した。
記者の調べによると、べレード建信財テク会社が発行する権益系財テク製品「貝盈」シリーズは、べレードSAE戦略理念と本土投研運営の有機的な結合を採用している。
機械学習系信号は戦略モデルにおいて30%を占めている
システム化投資はAI時代のアクティブ投資の主流になりつつある。ウォール街で今最も流行している話題は、「どのように機械学習賦で自発的に投資できるのか」ということだ。
「実はベアードも私たちが独自に開発した大言語モデル（Large Language Model、以下“LLM”と略称する）にChatGPTに似たTransformer技術を運用し、自然言語処理技術の精度を最大限に高め、エネルギーシステム化のための積極的な投資を行っている」と趙英明氏は記者に語った。
ChatGPTよりもヒューマン・インタラクションの応用を重視しており、ベイライダーが開発したLLMは、上場企業の財務報告会議後の株価パフォーマンスの予測など、投資に密接に関連するタスクに特化している。そのため、ベアードのLLMモデルはより的確なデータベースに基づいて訓練され、投資研究における特定のタスクに対してより高い精度を示すことができる。
「機械学習に関する投資シグナルは、戦略モデル全体に占める割合はすでに30%に達しており、2019年はまだ15%にすぎません。技術の進歩と正確性の向上により、それらの重みも徐々に増加しています。私たちが初めてシステム化されたアクティブ株式戦略を用いて中国市場の海外ファンドに投資し、2012年11月に発行されました」と趙英明氏は述べた。
機械学習に依拠し、体系化された能動株式投資戦略は「能動」の二文字を際立たせ、能動的に株式を掘り起こして超過収益の実現を目指すことであり、その株式選択論理はファンダメンタルズ投資により近似し、個株に対して総合分析を行うが、これも伝統的な定量投資とは異なる場所である。戦略容量では、システム化されたアクティブ株式投資戦略の調倉頻度は高くなく、高度に分散化された持倉により、個別株の流動性に対する要求が従来の定量投資よりも低くなるため、戦略容量の制限は小さい。
記者によると、システム化されたアクティブ株式投資戦略は主に3種類の株式を発掘し、投資する：
第一に、ファンダメンタルズが優れ、評価の魅力が高い株式は、企業の利益が安定し、持続的に増加し、予想以上に上昇する余地があると同時に、株価評価は性価格比を持つことが求められている。
第二に、市場感情の積極的な株式であり、モデルは市場参加者（例えば売り手アナリスト）の観点、その他の投資家の在庫保有と将来の資金の流れの予想、短期流動性による取引機会、株式とその他の資産との関連性を追跡し、分析する。
第三に、マクロテーマと合致する業界と株であり、モデルは国内外の経済環境と政策ガイドラインを重点的に分析する。例えば、外部需要の回復に牽引された輸出業界、資本市場の質の高い発展政策に鼓舞された関連ターゲットなど。