XiaoMi-AI文件搜索系统
World File Search SystemGencay
人工智能驱动的共同基金表现是否更好？
首只人工智能公募基金AIEQ于2017年10月18日成立，采用机器学习技术主动选股，成为2017年最受欢迎的基金之一，短短几周内募集资金超过7000万美元。算法交易被广泛应用于优化和自动化订单提交和执行，但只有在做出投资组合选择之后才会发生（Lo et al., 2000; Hendershott et al., 2011）。而人工智能则在投资组合选择的早期阶段做出决策，与此形成鲜明对比。此外，人工智能基金使用专有技术进行实时预测，大大提高了传统量化基金的灵活性和时效性（Abis, 2020）。与人类相比，人工智能的优势是多方面的。首先，人工智能具有超强的计算能力，可以在短时间内对海量数据进行分析，且性能不俗（Donaldson and Kamstra，1997 年；Neely 等，1997 年；Chouard，2016 年；Krauss 等，2017 年；Adcock and Gradojevic，2019 年）。其次，人类的理性是有限的，容易受到各种认知偏见的影响（Bazley 等，2020 年；Linnainmaa 等，2021 年）。相比之下，人工智能会优化预期结果，并学习变得更有效率，预计也会变得更加理性（D'Acunto 等，2019 年）。第三，人力管理的共同基金的业绩一直在下滑，因为在新千年里，熟练的基金经理的比例大幅下降，甚至几乎不存在（Barras 等人，2010 年；Ratanabanchuen 和 Saengchote，2020 年）。因此，投资界渴望通过尖端技术创新获得利润（Gencay 和 Stengos，1998 年；Gradojevic 和 Gençay，2013 年；Fischer 和 Krauss，2018 年）。然而，人工智能基金的缺点也同样明显。第一个担忧与现有金融文献的成就和人工智能技术潜在的增量贡献有关。最近有大量论文研究深度学习是否能比“传统”线性因子模型或特征更好地预测定价核和股票收益的横截面（Hutchinson 等人，1994 年；Fernandez-Rodrıguez 等人，2000 年；Garcia 和 Gençay，2000 年）。迄今为止的进展是积极的，但绝不是突破性的。其中，顾等人（2020 年）发现“所有（机器学习）方法都同意同一组