2024人工智能在投资管理中的应用研究报告

目录 简介 3 主要发现 5 人工智能在投资策略中的应用。 ... ... ... ... ... ...5未来人工智能对市场的影响。 ... ... ... ... ...6投资机会 ... ... ... ... ... ... ...6人工智能集成对运营的影响。 . . . . . . . . . . . . . .7 详细发现8 第二部分：投资机会……………16第一部分：人工智能在投资策略中的应用……8 第三章：人工智能对市场及战略发展的影响……………………………20 24282930第四章：人工智能集成对运营的影响……关键因素经理应考虑……………结论………………………………………………术语和定义………………………………… 引言 1950年，计算机科学家艾伦·图灵认为“机器能思考吗？”这个问题过于简单化。相反，图灵提出了一种实验性提问方式来评估机器的认知能力，这被称为图灵测试。 从股票选择到资产配置，再到风险和收益建模，这些做法可能导致投资者、投资组合经理和高管团队不确定应提出哪些问题。 为了解决关于人工智能在行业内如何部署的一些问题，我们试图评估全球基金经理在投资流程和策略、产品开发以及运营中人工智能整合的当前范围和用例。Mercer对我们全球投资经理数据库（GIMD™）中经理的调查结合了关键投资决策者和技术领导者的观点，以构建一个更全面的快照，展示经理当前使用人工智能技术的状况；近期能力提升的计划；以及对人工智能对投资策略、产品开发和运营潜在影响的预期。 几乎75年后，关于人工智能（AI）是否满足图灵测试的关键条件的辩论仍在继续，而对AI的日益浓厚兴趣引发了一波关于其未来对经济、市场和各领域影响的全新问题。 关于人工智能影响的疑问是投资管理行业未来的基础，这是全球资本分配——以及投资业绩和阿尔法生成——的一个关键决定因素。 然而，围绕人工智能及其对投资决策潜在影响的“未知数”的规模 我们的调查评估了以下四个领域： 4. 人工智能技术对运营和战略的当前及预期影响 关于长期在资产类别和行业部门层面出现的人工智能驱动投资机会的看法 1. 管理者在当前及计划中在投资策略中对人工智能的应用 3. 对于人工智能对未来全球资本市场影响及alpha收益生成的预期 在投资管理领域对人工智能应用兴趣激增的时期，围绕人工智能使用的逐步发展故事中最有力的方面之一是，其应用被普遍认为“才刚刚开始”——革命性的变革尚在眼前。1 本报告呈现了美世投资公司的调查结果。人工智能在投资管理中的集成——2024年全球经理调查在2023年12月至2024年1月中旬期间进行。调查涵盖了来自不同资产类别的150位资产管理经理。 我们的研究关键目标之一是就当前人工智能应用的范畴提供“现实检查”。但我们还寻求区分生成式人工智能能力（通过扩展数据分析和创新思维来增强现有流程）和预测应用（通过更自主的决策来扩展和运行投资流程）的使用。 我们收集了列于GIMD的资产管理公司投资管理、技术和业务发展团队的反馈。™收集到的见解为投资管理中人工智能的采用提供了有价值的信息。 区分生成式AI、机器学习和大型语言模型在alpha生成中的实施，以及它们在提高运营效率方面的更广泛采用，仍然是我们研究中的一个重要关注领域。 工作职能 以下哪项最能描述您的角色？ 我们希望这项研究能够提供一个有形的感知，了解管理者们目前是如何使用人工智能的，他们近期能够开始或扩展应用的计划，以及对未来十年人工智能可能带来的运营影响的预期。 23% 投资管理团队 霍尔德，乔安妮 全球投资研究与咨询部负责人，美世 25% 乌尔苏拉·尼德贝格战略投资研究，美世 首席技术官（或同等职位），业务发展团队等。 51% 双方 关键发现 人工智能在投资策略中的应用 • 在就人工智能的定义达成一致方面遇到的挑战，进一步强化了确定管理者如何使用和整合能力的复杂性。然而，管理者们对构成人工智能的要素有明确的共识，所谓“核心能力”包括生成式人工智能（gen AI）、大型语言模型（LLS）、自然语言处理（NLP）和机器学习（ML）模型。 通过数据集和分析以及创意生成能力的扩展，现有能力得到增强。少数管理者正在将人工智能应用于投资组合管理的更复杂方面。 • 只有少数管理者报告了完全自动化的统计、机器学习（ML）和深度学习（DL）模型。在所有这三个领域，目前的大部分AI流程仍然依赖于持续的人类干预，这强化了AI和ML技术在投资过程中作为支持性“工具”的角色，而不是直接替代人类。 当前，在投资策略和研究方面，AI的应用已经远远超越了传统的“量化”团队。有九成的管理者目前正在使用（54%）或计划使用（37%）AI在其投资策略或资产类别研究之中。 • 超过一半的AI整合投资团队表示，AI分析仅用于提供信息，而不是决定最终的投资决策。五分之一团队报告称，AI提出投资决策，但投资团队可以对其进行覆盖。 • 管理者在使用人工智能于投资研究与alpha生成时，主要集中于增强 未来人工智能对市场的影响 投资机会 • 目前使用AI的管理者预计这些功能的集成将带来积极的经济效益，包括GDP增长和美元贡献。虽然对这些影响的估计范围广泛，但平均而言，目前使用AI的管理者预计到2030年全球经济增长将增加14万亿美元，这与其他知名预测基本一致。2并且，在同期全球GDP增长9%。有趣的是，管理者们预计人工智能将会在提高市场效率的同时，增加市场的集中度，这种现象通常是由低效率的从众心理引起的。 在资产类别层面，共识最清晰的是关于人工智能驱动的价值创造在股票、对冲基金和数字资产领域的机遇。 在行业层面，不同行业所感知到的机会显著分散，这表明了潜在超额收益的产生空间。 • 在已经使用人工智能的领域，技术行业自然而然地成为价值创造最突出的领域，其次是医疗保健、金融服务和财富管理；法律服务；银行和保险。 在目前使用人工智能的管理者中，数据质量和可用性是解锁该技术全部潜力的最常见障碍，其次是关于集成和兼容性的担忧，以及伦理和法律方面的考量。 • 人工智能快速发展的同时，那些尚未实施人工智能的管理者对人工智能的关注度更高，凸显了人工智能在组织内部的进展超越实施的风险。 • 近一半的管理者认为，人工智能监管的差异被视为一个重要的风险因素。 • 目前大多数使用人工智能的管理者尚未推出与人工智能相关的投资策略，且在接下来的12个月内也不打算这么做。 • 过去一年中，管理者对人工智能的整合速度加快，但对于许多人来说，添加人工智能应用的过程已经超过三年。 • 生产率是许多经理人在AI领域的关注点，尽管关于AI对资产管理（AUM）和公司整体收入商业影响的效果尚未定论。 • 机器学习（ML）、自然语言处理（NLP）和通用人工智能（gen AI）是运营投资的重点领域，尽管预测人工智能（predictive AI）的投资在我们的研究结果中也表现强劲。 在五年展望中，管理者们预期人工智能对员工总数的影响有限，尽管在此期间公司打算雇佣更多特定的技能组合。 详细发现 第一部分：人工智能在投资策略中的应用 人工智能在投资策略中的应用并非新现象；它是一个未来的前景。对冲基金、量化及系统化策略已经利用了机器学习、自然语言处理和交易模式识别的力量多年。然而，我们的研究发现，目前AI在投资策略和研究中的应用远远超出了传统的“量化”群体（受访者中的15%-20%）。 1.1 定义人工智能工具及其“核心能力”的普遍性 在定义“什么是人工智能”及潜在解释范围广泛性的挑战，使得在投资策略和运营中确定人工智能的范畴变得更为复杂。 然而，我们的研究发现，管理者们对于构成人工智能的定义有明确的共识，这表明当他们报告使用人工智能时，他们所指的可能是所谓的“核心能力”——通用人工智能、大型语言模型、自然语言处理和机器学习模型。 尽管通用人工智能自2022年11月ChatGPT发布以来一直占据头条新闻，并成为兴趣激增的核心，但管理者使用通用人工智能功能的应用落后于机器学习和大型语言模型的使用报告。 仅有超过四分之一的经理（26%）报告目前使用通用人工智能（gen AI），相比之下，接近一半（48%）目前正在使用机器学习（ML），还有44%使用大型语言模型（LLMs）和自然语言处理（NLP）。 然而，生成式人工智能是管理者未来计划的重点。超过一半的管理者（51%）计划在未来使用生成式人工智能的功能，相比之下，43%的人计划使用大型语言模型和自然语言处理，还有四分之一的人计划使用机器学习（25%）。 管理者洞察 总体而言，在我们的调查中，大约91%的管理者目前正在使用或计划在他们的投资策略或资产类别研究中使用人工智能。这为我们提供了一个非常广泛的起点，从其中我们深入研究了背后的使用趋势。 • “使用通用人工智能或一般人工智能进行多年代理投资具有挑战性，这主要由于数据可用性有限以及预测股价的复杂性。” • “机器学习主要用于提高投资组合实施的效率，而不是作为一种预测回报的方法。” 我们使用重复图案和监督学习，包括自然语言模型。 1.2 人工智能并非如许多人所想的那样是新生事物。 超过一半的管理者（54%）报告称目前已在投资策略或资产类别研究中使用人工智能，这表明人工智能的整合已超越了数量和系统型管理者，扩展到运行基础策略的管理者。尽管超过三分之一的（36%）管理者目前在投资或研究环境中尚未使用人工智能，但他们计划在未来这样做。 不，我们也没有计划这样做。 不，但计划在接下来的6个月内使用它。 不，但计划在未来6个月到1年内使用它。 仅有9%的受访者表示没有计划使用人工智能进行投资策略和研究目的，强调人工智能的集成和应用案例开发正日益成为常态。 那90%的管理者已经在他们的投资和研究过程中使用人工智能，或者计划这么做，这证实了管理者们正在积极从人工智能中寻求优势（我们在这里认识到“人工智能洗白”的潜力）。当然，如果每个人都在使用相同的人工智能技术，管理者可能不会从他们的人工智能投资中获得超额回报。任何新发现的异常可能会迅速消失，因为超额回报是一场零和游戏，每个人都在消费。 在研究和阿尔法生成领域，40%的管理者正在使用人工智能进行大数据分析，这可能意味着将替代数据集纳入预测性、描述性和规范性分析。管理者列举的例子包括使用人工智能搜索档案、推导安全排名和总结会议记录。 近三分之一的经理（32%）使用人工智能来支持他们的想法生成，无论是优化投资领域、识别新的机会还是证明新的交易想法。一位经理训练了一个自然语言处理模型，用于对基本面分析师的笔记进行情感分类并预测未来表现。 尼克·怀特 全球战略投资研究总监，美世 略微较低的比例（31%）正在利用人工智能来识别数据和信息代理以识别缺失信息（31%）。 尽管管理者可能以不同的方式解读投资过程（即研究以及alpha生成）以及人工智能整合的方面，但我们的数据中出现了清晰的趋势。管理者在投资研究和alpha生成中使用人工智能主要集中于通过扩大数据集和分析、理念生成以及识别信息可能更有限的替代信号来增强现有能力。增强数据收集、访问和分析是管理者在追求alpha生成时使用人工智能的前沿，尽管少数管理者正在将人工智能应用于投资组合管理的复杂方面。 管理者们还报告了在投资决策和投资组合管理更复杂的领域中人工智能的应用，这些应用通常被视为管理者“附加值”的一部分，包括战略和动态资产配置、投资组合构建和再平衡等方面的内容。 四分之一的经理（25%）报告使用人工智能来支持投资决策，扩展了投资风险管理体系（21%）和投资组合构建与再平衡（18%）。在再平衡方面，一位经理报告开发了一个随机森林因子-时机模型，该模型根据价值和增长因素调整投资策略。 从应用人工智能以提高效率的步骤到实施更复杂的投资管理方面的实施，这是人工智能真正实现变革的关键。尽管评估这一组成部分的管理者比例更为有限，但近五分之一（18%）的人报告说在投资组合构建