新科技改寫
資產管理業格局

By Richard Mathieson, Raffaele Savi, 沈宇青(Jeff Shen) 博士

 


重點摘要

  • 網路、智慧手機、人造衛星及其他創新科技每分每秒都會產生大量資料,這類資料一般稱為「大數據(big data)」或「另類資料(alternative data)」。
  • 許多資產管理業都會運用自然語言處理、圖像識別及機器學習等技術分析大數據,以發掘投資觀點,盡其所能發揮大數據的威力。
  • 過去十多年,貝萊德系統化主動股票團隊(Systematic Active Equity, SAE) 堅持不懈利用科技分析另類數據,從中領悟出在投資過程有效運用科技的四大要訣。
資料來源要多,更要找「對的」資料
  • 投資經理人需考慮的問題

    • 目前擁有多少另類數據來源,資料量成長幅度如何?
    • 投資在新資料來源的年度預算有多少,過去五年是否逐年遞增?
    • 說明現有獲取新資料來源的程序。
    • 資產管理業有何程序需要遵循以確保投資過程免於個人隱私洩露影響?
機器學習等科技須配合專業知識才能發揮威力
  • 投資經理人需考慮的問題

    • 旗下投資團隊的數據科學家和電腦科學家有多少?他們在專業領域有幾年經驗,在公司的年資多長?
    • 公司採取哪些特別措施(如有)聘用和留住數據科學和電腦科學方面的人才?
    • 如何在投資過程中綜合運用數據科學、電腦科學和其他技術專業知識?
    • 數據科學家和電腦科學家可以如何參與應用(或改進)新技術的檢查程序,以確保新技術具增值作用?
投資團隊如果欠缺科技創新力就會喪失優勢
  • 投資經理人需考慮的問題

    • 過去一年,資產管理業如何革新在投資過程中分析另類資料的技術?
    • 舉例說明過去一年創新科技如何發掘差異化超額報酬來源。
    • 如何鼓勵團隊成員創新(如:是否與薪酬有關)?
    • 創新週期(從構思理念到應用於實際投資組合)一般需要多久?
創新來自於長久積累的團隊合作文化
  • 投資經理人需考慮的問題

    • 資產管理公司是否有良好的合作文化,是否會集思廣益(具持續創新能力)?請舉例。
    • 在日常工作中,數據和電腦科學家實際上如何與投資職責及專業背景較傳統的團隊成員合作?
    • 與團隊內的數據科學家(和其他技術人員)、基金經理人和基層成員面談。他們如何評價自身的團隊文化?
    • 是否具備知識共用系統,並透過正式管道(如公司內部網路等)讓全體團隊成員獲取資料?