ניהול השקעות רובוטי: זה יותר קשה ממה שזה נשמע

קרנות גידור התחילו לאמץ למידת מכונה - מערך טכניקות שמאפשר למחשבים לאתר דפוסים בנתונים בלי להפעיל חוקים שכתבו בני אדם ■ האם הגישה החדשנית תצליח בשוק ההון? • ניהול תיקים – יתרונות וחסרונות

ניהול השקעות רובוטי    / איור: Shutterstock/ א.ס.א.פ קרייטיב
ניהול השקעות רובוטי / איור: Shutterstock/ א.ס.א.פ קרייטיב

מבחינת מיכאל חריטונוב, הקמת קרן גידור שמתבססת על למידת מכונה, היתה אתגר יוצא דופן: זה היה פי שלושה יותר קשה, ולקח פי שלושה יותר זמן מכפי שהוא צפה. "רוב הדברים שניסינו נכשלו", אומר המייסד של החברה Voleon Group מברקלי, קליפורניה.

למידת מכונה, מערך של טכניקות שמאפשר למחשבים לאתר דפוסים בנתונים בלי להפעיל חוקים שנכתבו מראש על-ידי בני אדם, מייצרת התקדמויות במגוון של תחומים, מרובוטיקה עד חיזוי מזג אוויר ותרגום אוטומטי. זו גם טכניקה שמאחורי המכונית האוטונומית.

התחושה שאפשר לפצח עם למידת מכונה את שוקי ההון, הובילה ל"מירוץ חימוש" שבו חברות השקעות שהיו ממילא ממוקדות במתמטיקה, החלו לגייס את מהנדסי המחשבים והסטטיסטיקאים החכמים ביותר שהן יכלו למצוא.

ההימור הזה הצליח כנראה בשתיים מקרנות הגידור עם הביצועים הטובים ביותר השנה. הקרן הגדולה ביותר של Quantitative Investment עלתה השנה ב-68%, לטענתה בזכות למידת מכונה. Teza Capital Management רשמה עלייה דומה של מעל 50%.

ובכל זאת, המקרים בהם למידת מכונה הופכת להצלחה מתמשכת בהשקעות הם נדירים. אפשר להבין את הקשיים כאשר בוחנים את קשייה של Voleon, אחת מחברות ההשקעות הראשונות שהחליטו ללכת בגדול על התחום הזה, שנמשכים זה שנים ארוכות.

אחד הלקחים המוקדמים של החברה היה שיכול להיות שלמידת מכונה לא מתאימה למסחר בנכסים פיננסיים, תחום שבו הדפוסים לא תמיד ברורים.

"הרעיון שנוכל פשוט לקחת את טכניקות למידת המכונה בזיהוי נאומים וחזון ממוחשב כדי לייצר תחזיות טובות יותר, פשוט לא עובד", אמר חריטונוב, מדען מחשבים שהיגר מרוסיה לארה"ב בגיל 18.

מוסדיים ספקנים

חריטונוב, בן 54, ושותפו המייסד השני ג'ון מקאוליף, בן 43, הם בעלי תואר דוקטור במדעי המחשב וסטטיסטיקה, בהתאמה. שניהם נכנסו לפיננסים והפכו לחוקרים בקבוצת D.E. Shaw, אחת מקרנות הגידור ה"כמותיות" הוותיקות והמצליחות ביותר. חריטונוב היה כפוף בשלב מסוים לג'ף בזוס, לפני שזה עזב והקים את אמזון.

במשך כמה שנים, חריטונוב ומקאוליף האמינו שכלי למידת המכונה, ששניהם למדו, הם גולמיים מכדי ליישם בתחום ההשקעות. המתודולוגיה היתה רצינית, אבל המחשבים לא היו מהירים מספיק, ולא היו מערכי נתונים גדולים מספיק כדי לסרוק.

בניגוד למקרה השכיח יותר, שבו למדען יש הערה והוא כותב אלגוריתם למחשב לביצוע, בלמידת מכונה המדען זורע במחשב כמויות גדלות של נתונים, ומבקש מהמחשב לאתר בהם דפוסים בעצמו. המחשב כותב למעשה את האלגוריתם שלו, ומשתמש בו לביצוע ניבויים.

ב-2007, מערכי נתונים חדשים ומחשבים חזקים יותר שכנעו את חריטונוב, מישה בפי חבריו, ומקאוליף להשיק את החברה שלהם שמוקדשת להשקעות דרך למידת מכונה. הם פתחו את Voleon, שם שאין לו משמעות מיוחדת, מפני שהדומיין באינטרנט היה פנוי.

בגיוס הכספים הם נתקלו במשקיעים מוסדיים ספקניים מאוד. חברות קוואנט גדולות (הגישה הכמותית) יכולות להסביר די טוב מה האלגוריתמים שלהן עושים, כי הן פיתחו אותם. בלמידת מכונה, רק המחשב יודע למה הוא עשה את מה שהוא עושה.

היישומים הקודמים הושלכו לפח

המסחר האמיתי החל בסתיו 2008, בשיא המשבר הפיננסי. בשנתיים הבאות, החברה שתתה הפסדים, למרות ההתאוששות ההדרגתית של שוק המניות האמריקאי ממארס 2009. מייסדי Voleon המשיכו לחרוש, בהנחה שהם נתקלו בבעיות הקשות ביותר של למידת המכונה וייקח זמן עד שהלמידה הזו תניב רווח.

הבעיה הבסיסית שלהם היתה שהשווקים היו כאוטיים. מערכות למידת מכונה יושמו עד כה בצורה הטובה ביותר במצבים שבהם הדפוסים הם בעלי אופי חוזר ונשנה, ולכן קל לאתר אותם. שוקי ההון הם "רעשניים" יותר - כלומר ממשיכים להיות מושפעים מאירועים חדשים, שהיחסים ביניהם משתנים לעיתים תכופות.

האופי הלא עקבי של השווקים אומר גם שיחסים של אתמול יכולים להיעלם כאשר המשקיעים מבחינים בהם ומנסים לנצל אותם. זו לא בעיה בלמידת מכונה בתחומים אחרים, כמו הסבת דיבור אנושי לטקסט. הנדסת מחשב יכולה לסמוך על כך שלדיבור האנושי יהיו אותן תכונות בסיסיות.

בסוף 2011 מייסדי Voleon השליכו לפח את רוב הטכניקות מהיישומים האחרים. הם החליפו אותן במערכת מתוצרת עצמית שלהם לשווקים הסוררים. ספרים עם כותרים כמו "יסודות תיאוריית הדגימות הגדולות" ו"BDA3" ניצבים על מדפים במשרד המסודר של מקאוליף. המשרד של חריסטונוב מציג לוח מעגלים שהוא פירק וג'ונגל של תיבות גדושות בניירת.

האתגר של שניהם היה הצורך להריץ הדמיות של 15 שנים של שוק המניות עם כל "טיק" בשערי כל המניות. זה עניין של טרה-ביטים של נתונים. המטרה היתה להריץ את ההדמיות בכמה שעות, אבל הן נמשכו ימים ואפילו שבועות. באותה עת מנתה החברה 10-12 עובדים. הם ניסו לקנות עוד כוח מחשוב ולהשתמש בשבבים מיוחדים שנבנו למשחקי מחשב, GPUs, אבל התהליך היה עדיין ארוך מדי.

מקאוליף הסתגר במשרדו במשך חודשים כדי לעבוד על הבעיה הזו בתהליך איטי ודקדקני. לבסוף הוא פיצח את הבעיה, ו-Voleon יכלה להשיק את פלטפורמת הדור השני שלה ביולי 2012.

מערכת המסחר החדשה הביאה רווחים הרבה יותר טובים, ויותר התעניינות של משקיעים. אחרי תשואת צנועות בקרן הראשית שלה ב-2011, Voleon השיגה תשואות של 34.9% ב-2012 ו-46.3% ב-2013, לפי אחד המשקיעים שלה. אבל אחרי עוד שנתיים רווחיות, Voleon ספגה הפסד של מעל 9% ב-2016, שעורר חששות בקרב כמה מהמשקיעים שלה. "שום דבר לא ממקד לך את הראש כמו ירידה. למדנו הרבה בשנה שעברה", אומר חריטונוב. השנה המצב השתפר. החברה, שמנהלת קרוב ל-1.8 מיליארד דולר, עלתה ב-4.5% עד אוקטובר בקרן הראשית שלה. התשואה השנתית המצטברת מאז השקת הקרן היא 10.5%.

רוצה להשאר מעודכן/ת בנושא גלובלי ושוקי עולם?
✓ הרישום בוצע בהצלחה!
צרו איתנו קשר *5988