Приватний «момент Детройта змінює людей»: коли ШІ перебрав альфа, що залишилося для людських фондових менеджерів?

Автор: Віддалена інвестиційна рецензія

Останній звіт Anthropic про безробіття змусив фінансових працівників похолонути від страху.

У звіті зазначено, що рівень заміщення фінансових посад досягає 94%, посідаючи друге місце серед усіх професій, але наразі фактичний рівень заміщення лише 28%, що відкриває великі перспективи для майбутнього. На щастя, близько 30% професій майже не піддаються впливу, і фінансові працівники можуть розглянути повторне працевлаштування на посадах кухарів, сантехніків тощо.

Після довгого перебування у галузі завжди виникає тривога — фінансова сфера живе у світі «порівнянь», де щодня тиснуть оцінки продажів і рейтинги результатів, і без навчання з’являється відчуття неспокою.

Наприклад, після закінчення новорічних свят, коли фінансова команда повернулася до робочих місць і ще спілкується з чатботами, сусідній колега, який вже виростив 8 омарів, сперечається з приводу коливань цін на нафту.

Фінансова індустрія ніколи не відмовляється від підвищення ефективності — від ручних звітів до алгоритмічної торгівлі, від офлайн-банківських продажів до онлайн-розповсюдження. Але цього разу AI замінює не низькоефективні фінансові інструменти, а людей, що їх створюють. Адже найвищі витрати у фінансовій сфері — це людські ресурси, і за прибутком управлінських компаній стоїть питання, як менше людей керувати більшою кількістю грошей.

Тому приватні фонди починають впроваджувати передові технології: Butterfly Asset проводить онлайн-курси, навчаючи, як приручити «цифрових дослідників», що працюють цілодобово; Mingxi Capital використовує Manus для автоматичного створення рекламних листівок із дивідендними показниками, з дизайном, що нагадує журнальні видання. Навіть клієнти стали більш обережними: після презентації популярного приватного фонду менеджер з фінансових консультацій одразу ж запитує у Боба, чи варто купувати.

Галузь приватних фондів поступово входить у період трансформації, схожий на сцену з «Детройт: Стати Людиною», де кожен елемент — дослідження, операції, продажі — вже починає замінюватися автоматизацією.

ЗАРПЛАТА ПРОТИ ВИТРАТ ТОКЕНІВ

У конкурентному середовищі з високими операційними витратами та зростаючими труднощами у здобутті Alpha, показник ефективності праці — це ключовий показник, над яким приватні інвестиційні керівники замислюються щовечора перед сном.

У галузі приватних фондів зарплати дослідників зазвичай досить високі. За даними CubeFund, річна зарплата кваліфікованих дослідників з акційного алгоритмічного аналізу становить від 800 000 до 1,5 мільйонів юанів, тоді як у суб’єктивних дослідників вона трохи нижча, але іноді трапляються вражаючі стимули — наприклад, на початку року один дослідник із активами понад мільярд, який рекомендував Nvidia, отримав у кінці року понад 20 мільйонів юанів бонусу.

Якщо приватний фонд зможе перейти на AI для досліджень і торгівлі, він зекономить мільйони. Якщо AI працюватиме цілодобово, зменшить витрати на оплату праці і при цьому дасть ще більший результат, то витрати на відрядження, понаднормову роботу, транспорт і харчування — все це, що раніше знімалося з прибутку, тепер не потрібно витрачати зовсім.

У сфері управління активами вся технологічна революція зводиться до двох слів: підвищення ефективності та зниження витрат. Власники приватних фондів не цікавляться, чи може AI думати так само, як людина, їх цікавить лише, чи виконає він роботу.

З цього приводу Howard Marks підрахував економічний баланс: якщо можна отримати аналітичний результат від асистента з річною зарплатнею 200 000 доларів, то для платника це не так важливо — чи він справді думає, чи просто підбирає схеми. Головне — чи результати роботи будуть достатньо надійними і корисними.

Після свят восьми брокерських команд з фінансового інжинірингу колективно опублікували «Керівництво з вирощування омарів», прискорюючи процес заміни людських дослідників. Вони особисто протестували OpenClaw, і він здатен самостійно генерувати дослідницькі результати так само, як людина.

На стартовому додатку з’явилася презентація під назвою «OpenClaw: від початківця до майстра», яку переглянули 4839 разів; Хуей Цзяньхуа з Північного Сходу розповів про 20 навичок, що підвищують ефективність досліджень у 10 разів; Цао Чунсяо з Founder використав омарів для відтворення стратегій PB-ROE, патернів «капітанська рука» у відборі акцій, автоматичного пошуку факторів і їхнього тестування.

Загалом, це нагадує одночасне оновлення навичок Бенджаміна Грема, Джона О’Ніла і Саймонаса.

Трейдери, що люблять навчатися

Продавці активно популяризують, а покупці — навчаються з ентузіазмом. Одна приватна компанія у Пекіні, щоб уникнути забруднення головного алгоритму, видала кожному досліднику новий комп’ютер і додатково дала 50 000 юанів у токенах, спеціально для вирощування омарів.

Ян Сіньбін з Snowball Asset Management виховав двох омарів-дослідників. Він каже, що щоденне спілкування з AI набагато частіше, ніж з людьми. Самостійно навчені AI-агенти виконують роботу за два дні так само ефективно, як досвідчений квантовий дослідник за півроку, і потенційно — ще краще.

Пау Ву з Qinyuan Investment поступово інтегрує AI у всі відділи компанії. Він відчуває, що AI вже закриває кілька циклів роботи самостійно і може самостійно оновлюватися. Він передбачає, що незабаром витрати компанії зменшаться до закупівлі та обслуговування Apple-аналізатора, а згодом — до створення інвестиційного радника на кшталт Пола.

Раніше багато приватних фондів стикалися з проблемою «зношування» у процесі трансформації досліджень — дослідники вважали, що керівники некомпетентні, а керівники — що дослідники безкорисні. З появою OpenClaw у приватних фондів з’явилася нова можливість — уникнути внутрішніх конфліктів і конкуренції за ключових дослідників.

З точки зору характеристик, омар відповідає всім уявленням керівників про ідеального дослідника: працює цілодобово, не бере відпустки і не «залипає»; має довгострокову пам’ять і може швидко назвати ключові дані; абсолютно лояльний і підпорядковується, не створює власних стратегій; постійно оновлюється і не залежить від старих шляхів, що з часом застарівають.

Якщо у майбутньому вартість силіконових токенів буде значно нижчою за зарплати людей, як керівники приватних фондів зможуть відмовитися від слухняного, корисного і піддаваного навчанню AI-дослідника?

Заміна не лише через омарів

Поки що приватні фонди все ще зважують, чи вигідно купувати токени. Великі квантові компанії вже створили власну обчислювальну інфраструктуру і знизили вартість токенів до мінімуму. Але вони дивляться на цю хвилю з дивною спокоєм.

«OpenClaw для сфери квантових технологій — це лише напівготовий іграшковий прототип», — сказав мені один із провідних квантових фахівців із Шанхаю. Його цінність у тому, щоб знизити технічний бар’єр для суб’єктивних інститутів і роздрібних інвесторів, а також забезпечити чіткий шлях окупності великих початкових інвестицій у моделі великих мовних систем. Але для серйозних виробничих умов, таких як квантові інвестиції, ця технологія малозначуща.

Ще один провідний квантовий фахівець висловився більш прямо: омари у фінансовій сфері — це схоже на піраміду. OpenClaw має випадковий характер, низьку системність і безпеку, що створює великі ризики для всієї системи квантових стратегій.

У квантовій спільноті OpenClaw не вважається передовою технологією. Цуй Ючун із XunTu Technology вважає, що не варто хвилюватися:

Омари у агентській оптимізації, інструментах (браузери для досліджень, редактори, аналітичні інструменти) навіть слабші за Manus і Kimi. Для дослідника без програмування потрібно 5-10 годин, щоб розгорнути і запустити їх, і більшість завдань не дають результату вище 60 балів.

Коли роздрібні інвестори використовують омарів для відбору акцій за допомогою навички China Stock Analysis, це відкриває новий світ. Вже побудована платформа Multi-Agent (багатоагентна), яка за допомогою більшої кількості агентів дає змогу знищити омарів. Однак для роботи цієї системи не обов’язково залучати більше людей.

Звичайна квантова система досліджень і торгівлі зазвичай має конвеєрну архітектуру: очищення даних → обчислення факторів → прогноз моделі → оптимізація портфеля. У епоху AI деякі компанії, як, наприклад, Man Group, перейшли до спрощеної моделі: розподіл ролей → виклик інструментів → проектування робочих процесів. Стандартизація і повторюваність роботи дедалі більше перекладаються на AI-агенти, і тепер вже не потрібно так багато дослідників, які працюють у «фабриках» факторів.

Наприклад, Apollo AI від Xiyue Investment — це багатогранна система з AI-агентами, що інтегровані у дослідження, дані, торгівлю і операції. Засновник Чжоу Сінь описує її як «збільшення кількості співробітників до семи-восьмисот AI».

Перед нами — фантастичне змагання: з одного боку, квантові «безлюдні фабрики», з іншого — роздрібні інвестори, що знижують інформаційний бар’єр за допомогою OpenClaw. А посередині — керівники приватних фондів, які опинилися у досить незручному становищі: дивлячись на наполегливу працю дослідників, вони зазнають ударів з боку алгоритмічних систем і з боку роздрібних інвесторів, і все частіше відчувають страх пропустити щось важливе через AI FOMO.

Під час новорічних свят я переглянув річний звіт одного з провідних приватних менеджерів у Шеньчжені. Він зізнався, що керівники фондів мають надто високі очікування від дослідників:

«Керівник хоче, щоб дослідник був чутливим до ринку, швидко помічав можливості, давав передові дослідження і судження, навіть постійно був у «ядрі» індустрії». Але якщо дослідник здатен на таке, навіщо тоді потрібен керівник? Можна просто самостійно торгувати і заробляти, навіщо тоді обслуговувати керівника?

Тому він зменшив свої очікування — дослідник тепер відповідає лише за дослідження конкретних активів і проблем, не шукає можливості і не дає інвестиційних рекомендацій. Це — його обов’язки як керівника фонду.

Якщо подивитися з іншого боку, то для приватного фонду дослідник, який не входить у «ядерний» коло індустрії і не аналізує на папері, а просто слідкує за активами, — цілком можливо, що його незабаром замінить AI-агент.

Епілог

Життя на ринку А-акцій за останні два роки нагадує прискорений режим.

Особливо у першу половину року — багато подій. Минулого року на Новий рік з’явився Deepseek, під час святкування Ціньмінь у квітні відбувся різкий податковий тиск, а цього року під час святкування Нового року всі вирощують омарів, і ще до закінчення січня почалася війна на Близькому Сході. Мозки фінансистів були у стані перевантаження — вже й не пригадати, коли був останній відпочинок без навчання. Щонайменше, у мене, як у редактора, вже не вистачає розумової потужності.

Згадую, що два роки тому, спілкуючись із керівниками фондів і пишучи статті, я часто чув їхні щасливі, але трохи незручні слова — «щодня йду на роботу, наче танцюю степ». Але за останні два роки вони вже без усмішки говорять про «ітерації» команд, «ітерації» інвестиційних ідей і «ітерації» галузевих знань.

Розвиток AI настільки швидкий, що, здається, єдина можливість не бути витісненим — це постійно оновлюватися.

Галузь все ще занадто напружена.

AI не розуміє людської природи, він не може передбачити, чи зараз у ринку А-акцій торгує третій або п’ятий похідний. AI не може співчувати, він не зрозуміє, чому хтось тримає акції двох нафтогазових компаній уже багато років і все ще чекає на вихід із «підвішеного» стану. AI не несе відповідальності — він не зазнає критики за 30% збитків і не напише вибачень, щоб переосмислити свою роботу.

Якщо колись AI замінить усіх керівників і дослідників, то гіпотеза ефективного ринку стане істинною — не буде більше так званого Alpha, і майбутнього Воррена Баффета вже не передбачити.

Отже, справжнє питання полягає в тому, що залишиться у людства, коли AI візьме на себе аналіз даних, моделювання і підготовку звітів? Залишиться саме любов до інвестицій, інтуїція щодо невизначеності і причина, чому люди все ще залишаються, — бо їх критикують, що їхні дослідження гірші за AI, і вони все одно залишаються.

Ми не можемо змінити тренд зростання ролі AI, але можемо змінити внутрішню боротьбу і втомленість від постійної боротьби.

Як у грі «Детройт: Стати Людиною», де гравець має зробити вибір — знищити AI чи підкоритися йому, — так і ми маємо визначити, яку роль відіграватимуть люди і AI у майбутньому.