
颠覆主观对冲基金的量化工程师、AI专家和数据科学家
量化和数据分析师可能还在与主观对冲基金经理争夺主导权, 但是私下里也许传统的对冲基金经理已经知道他们时日无多了。
Leig Drogen以前是一家对冲基金的CIO,现在运营着大数据金融技术公司Estimize,他说:“曾经有管理十亿美元以上的投资经理告诉我,他们正在夜校学习数据科学课程。这些课程甚至与财务没有关系,因为他们还不存在”。
摩根士丹利(Morgan Stanley)股票资本市场银行家Emmett Kilduff补充道:“大多数自由基金经理认为Python是一条大蛇。他们从来没有听说过网络抓取或其他大数据技术。他们完全没有这样的技能能力“。
对于量化分析师和数据科学家来说,主观基金管理像是一个“宗教”:以直觉和信念为基础进行预测。但在绝大多数对冲基金和资产管理公司,他们仍然是这样操作的。
“大多数对冲基金有一个集中化的团队,专注与寻找数据,清理和纳入。然后他们雇用数据科学家和量化研究人员寻找alpha的机会,然后简单的完成一个Excel电子表格交给不知道该怎么做的投资组合经理“,Drogen在新闻周刊人工智能资本市场会议上说。
Drogen的理论是,投资组合经理,数据科学家和量化分析师应该都在“池子”中一起工作。投资组合经理了解交易策略,可以解释他对股票的理解,以及他对alpha的看法给向量化分析员和数据科学家 ,然后由他们挖掘和获取数据。这样一个工作体系给投资经理非常大的优势。
大多数基金经理还没有意识到这一点。尤其是大公司, 在这么多不同的团队中试图引入如此多的稀缺数据科学人才现在几乎是不可能的。
“现在的方式是成立一个支持传统专业知识的集中量化团队”, Kilduff说。
将基本面的知识和巨量数据集的量化融合的想法-quantamental方法 ,现在越来越引人关注。即便如此,这个方法不是简单地获取这些巨大的数据来源,而是应该如何使用这些数据并了解后面潜在的金融驱动因素。
聚焦大数据对冲基金的迈克尔·比尔说:“量化与基本面争论的真正原因是,没有人知道如何使用数据科学来获得洞察力,并将洞察力转化为行动。如何把量化和基本面的洞察力合并成一个闭环, 并把它变成钱, 这才是最难的部分。”
”尽管有大量的不同意见,许多主观对冲基金的投资组合经理知道,背景已经改变,他们正在采取行动更新他们的技能“,Drogen说, “不少有几十年经验的投资经理去参加Python和R的课程,或学习如何建立一个多因子模型”。
在对冲基金向大数据和人工智能的转变中, 也遇到现在的工作人员的阻碍。大数据公司Orbital Insight全球销售主管AJ DeRosa说:“对基本面的膜拜有很久的时间了, 而这些传统的投资人员有很强的自尊心, 所以让他们转变, 你需要同情心。但在五年的时间里,他们的工作要么成为量化分析师,要么就不再存在了”。
主观对冲基金的想法:雇用了一大批数据科学家和博士,然后把他们放在后面的仓库里去自生自灭的创造奇迹。这样的想法需要改变。 文化的转变可能需要时间慢慢来,但一旦发生了, 产生的新的基金经理可能远超他们。
比尔说:“大约有70家对冲基金表示他们使用大数据,其中大约20家真正在做,也许有少数家真正做的很棒。“
其中之一是Numerai,这是一家由29岁的南非理查德· 克拉布(Richard Craib)经营的硅谷对冲基金。它使用成千上万的自由数据科学家创建机器学习模型,然后用于进行交易。有大约13,000人互相竞争创造最好的战略 - 奖金为价值约15万美元的比特币。
“我们的一个投资者Renaissance Technologies的联合创始人霍华德·摩根(Howard Morgan)过去几年就停止了投资在量化基金上。他的逻辑是你无法与有120个博士使用各种无法想象的模型来分析数据集的Two Sigma竞争。但是我们有七八个员工和13000多名分布在世界各地的数据科学家一起建立对冲基金。我们正处于第三波,正在创造一种新型的对冲基金”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24