经理在自主学习的投资策略选择和尽职调查(爱丽丝)

我们正处在一个技术革命。人工智能(AI)的增加使用,机器学习,区块链和大数据技术是快速变化的资产管理行业。

最近的一项调查的对冲基金行业未来的另类投资管理协会(宗旨)发现新的“统计和计算工具,包括先进的量化技术和人工智能正迫使对冲基金公司重新评估他们的运作方式和投资。”

所以经理选择和尽职调查是如何变化的,由于这些新技术?

在这个问题上的见解,我们会见了迈克尔·奥利弗·温伯格,足协的首席投资官MOV37和门徒的合作伙伴,讨论经理选择和尽职调查的演变过程。

门徒和MOV37专业资产管理公司投资于小型对冲基金和选择新兴经理。成立于2002年,门徒一直是一个关键的市场参与者在支持通过种子交易对冲基金行业的增长和资本分配可自由支配的经理。MOV37最近成立专门和投资经理,专门从事自主学习投资策略(爱丽丝),利用人工智能和机器学习的最新进展。

温伯格将在“自主学习投资策略(爱丽丝)——一位投资者的视角”的年度量化交易研讨会埃里森商学院的2018年5月14日在IDC荷,以色列。

爱游戏安全吗CFA协会:遗留公司门生Partners是对冲基金行业的领导者通过投资新兴经理自2002年成立以来。你能走我们通过你的经理人挑选的过程在传统的自由裁量在门生框架吗?你怎么“源”你的经理吗?

迈克尔•奥利弗·温伯格CFA:我们叫我们公司的门生的原因是我们喜欢经理“门徒”的世界上最好的经理。我们寻找工作时得到上级经理培训与世界上最好的经理,并准备将自己的观点的策略,他们曾在其形成期开发自己的投资的过程。

我和我的伙伴有一个很大的转诊网络来源在华尔街。我们能够覆盖整个对冲基金行业良好的通过我们的人际关系。除了我们的网络,也有机构经纪商、资本引入公司,对冲基金数据库可以帮助采购。

你如何继续一旦你已经确认了经理“采购”池?

我们启动投资尽职调查过程。在我们的第一次会议中,我们通常与投资组合经理坐下来看看理解经理的战略和经理如何使自己有别于其他经理。经理能有助于我们的基金投资组合?经理有一个清晰的、差异化的投资方式和具体的专业知识,实现它吗?同时,经理的经验对我们来说是非常重要的。经理在哪里工作?经理的策略是如何与它的导师吗?它是类似的,它是相同的,我们相信有差异,理想情况下改进吗?

通过第一阶段的经理,以下会议可能会投资组合构建的研究不断深入,风险管理和研究过程。我们希望看到经理的分析模型,并得到很好地理解他们的研究优势。经理试图赚取高额回报通过提供高质量的研究数据,更好的分析,或两者的结合?它们使用公共数据库或他们依靠一套专有数据吗?

我们还将看经理的团队。经理能够吸引和留住顶尖人才?经理有能力做生意吗?在一个大型资产管理公司,你可以专注于项目组合管理和获得成功,但是如果你想成为成功的启动和发展一个新的资产管理业务,你必须能够运行一个业务和开发团队。

在最后阶段,我们将做背景调查。我们将要求经理提供一个列表的前同事和社会关系。我们想了解经理的个性和个人和商业交易。我们将使用我们的网络来获取引用没有经理,推荐的,哪些是更公正。我们寻找有争议的引用。如果一个经理离开公司在不清楚的情况下,我们将试图找到经理的直接主管之前,同事,人在那家公司工作的经理。

总的来说,我们的尽职调查过程通常需要6个月到一年。它还可以更长。

有关如何经理的选拔过程的历史记录吗?

我们的首选项是经理建立记录至少一年。他们不一定要一份礼物一个单独的记录他们的新基金。例如,一个经理可能来自一个大公司,这是一块整体投资组合管理和可能给我们的记录雕刻出来的性能。

当我们看一个经理的记录,我们钻深入假设流到性能指标。返回的净总值或费用吗?费用是如何计算的?它包括交易成本和佣金吗?它包括融资成本吗?我们经常做出调整来生成一个形式记录与实际的对冲基金记录将是什么样子。有时经理告诉我们,他们希望他们的表现是不同的未来,因为,例如,他们正在改变他们的杠杆,风险管理或其他关键领域的战略。

总的来说,一个经理的记录将为我们提供一个良好的起点来评估性能。已经说过,我们还会使异常和考虑管理者,没有一个实际的记录。我们最近有一个案例,一个年轻的经理,没有可识别的记录,但在一个非常重要的资产管理公司,是非常令人印象深刻的,聪明的和渴望建立一个成功的业务。我们问他建立一个纸组合,贸易纸组合几个月(6 - 9是一个很好的参考点)完全透明,最后他播种与实际资本。我们的“审判”期间,我们有机会通过投资组合,提问,看到他的战略实施,并观察他与他的团队互动。这是一个很好的例子,我们可以接触一个新的经理,但是没有实质性的记录提供了巨大的潜力。

现在让我们转向你的新风险MOV37。你源经理MOV37过程不同于过程是如何在门徒?

MOV37成立投资新兴经理专门从事自动化,无法控制的机器学习策略已成为可能的融合“五个爱丽丝因素”:

1. 大量数据的可用性。
2. 发展科学的数据如何使用这些数据。
3. 机器学习技术的发展,自动化数据使用。
4. 数据处理和存储成本低。
5. 玩太靠近边缘的信息。

我们喜欢爱丽丝的超级的发展进行比较。Uber,你也需要一个融合的因素:iPhone技术、卫星技术和一个健壮的GPS系统。爱丽丝的相同:如果你没有所有五个爱丽丝因素的融合,爱丽丝将不会工作。

MOV37,我们通常寻找博士从世界领先科技、学术项目等领域的计算机科学、粒子物理、统计、应用数学、电子工程、流行病学。一些基金经理来我们从顶部量化基金,如两个σ,DE Shaw,复兴。其他人来自Facebook等科技公司,亚马逊,谷歌,Netflix。玩家和黑客也爱丽丝投资组合经理的沃土。

在MOV37,我们在坚持不懈地寻找方法来扩大我们的网络超越华尔街和科学界广泛。我们通过思想领导积极参与科学界,与科学家的文章,参加会议,会议和潜在的经理。MOV37也有一个顾问委员会,其中包括世界各国领导人在人工智能和机器学习的发展和应用广泛的地区,包括应用数学、当代艺术、农业、软件工程、运动。我们的采购经理和顾问帮助我们识别有前途的人工智能的趋势。有时科学家来我们直接当他们即将推出一个基金或知道有人这样做,寻找资金和咨询支持。

他们的尽职调查过程关键特性适用于爱丽丝?

MOV37,对我们来说是至关重要的有很强的洞察背后的科学和技术经理的策略。我们的分析师团队包括麻省理工学院博士学位。除了金融知识,我们的分析师通常有很强的学术背景。

我们的尽职调查会议通常包括开发人员、程序员和程序员而不是mba或业务的毕业生。我们要理解什么是投资组合构建的基本规则和他们如何使用机器学习技术。我们考虑他们如何维持他们的算法和算法调整的过程。我们也考虑这样的问题:他们使用计算机语言是什么?他们的硬件是什么?他们使用云吗?他们发展他们的内部处理和存储容量吗?他们意识到可用的商业应用解决方案吗?他们的统计模型有多强劲?他们是过度拟合吗?

同时,爱丽丝经理应该是完全系统化和不可任意支配的。通常,这些经理有一个或两个博士项目的系统和定义的算法交易策略,包括系统约束。一旦这些设置,我们希望将没有材料覆盖自动规范的。即使经理的个人观点在特定时间点上是,一个特定的投资并不合适,系统必须获胜。在我们的分析,我们考虑系统真的是经理的策略。一些基金经理将机器学习技术纳入系统,但仍留下大量的自由裁量权的投资组合经理来决定是否购买或出售一个特定的投资在一定程度上。这种混合模型不是我们正在寻找什么。

我们正在寻找资金完全系统化和订单执行的自动化。这些基金的经理没有研究分析师,你发现在传统的可自由支配的资金。你也找不到风险管理作为一个独立的函数,由于风险管理组件由博士战略家内置系统,程序员和开发人员。传统的投资组合和风险经理的角色是有效的系统化。我们相信爱丽丝经理可以提供一个强大的潜在来源的α和超额回报投资者的成本远远低于大多数传统的可自由支配的经理。

爱丽丝经理的关键特性之一就是能够获取和处理大量的数据在一个有成本效益的方式。你如何评价所使用的数据的类型和质量经理在尽职调查过程中吗?

数据市场目前是非常低效的。有大型商业数据集销售,如卫星图像和信用卡数据库。我们的观点是,这些大型商业数据集某些球员也许有价值,但爱丽丝而言,他们可能在很大程度上已经商品化。

大型商业市场数据集让我想起一个模拟马科斯·洛佩兹·德·普拉多AI教授和投资组合经理,使用关于淘金热末:你可以找一个我的大掘金的黄金,但很有可能所有的大型煤矿已发现黄金,你可以找到更好的通过筛选大量的水用高科技工具。很难提取价值仅仅通过信用卡交易数据和卫星数据。然而,你可以一起想办法把你的数据源,并生成α出来的协同效应。

同样,你可以搜索数据源不容易找到,可能非常有价值:这是爱丽丝经理通常做什么。在互联网上有大量的数据,我们刚刚开始挖掘。我们可以分类数据四类:结构化、非结构化、金融或非金融和组织的总可用数据可视化在四个象限:结构化的左上角,财务数据,包括彭博数据,路透Capital IQ, FactSet。在右下角,你有可能是非结构化的,非财务数据,如数据从Twitter、社交媒体、视频和新闻数据,企业废气数据。右下象限中的数据通常是在低成本。

较低的处理和存储成本可以用来创建全新的α为非结构化和非财务数据来源。我们大部分的爱丽丝经理是千禧一代,他们不愿意支付数据访问。他们中的许多人不订阅金融数据提供商彭博:他们会上网和建立自己的项目直接提取交易和定价的信息交流。他们也有动力去降低成本,增加盈利的基金和投资者的回报。

仍有许多挑战在通常使用专有数据库和非结构化的数据(财务和非财务):所有的数据必须是匿名,必须取得合法的,许可,不是材料的非公开信息。此外,数据的质量必须是可以依赖的模型构建。这些因素是我们的核心爱丽丝经理尽职调查过程。

你能谈谈你的种子过程新兴经理吗?你从事播种你的爱丽丝经理吗?

在播种的安排,我们将收入与经理还允许我们参加经理通过分享自己的投资回报的资产管理费和绩效薪酬。这是除了任何返回,我们可能得到基于普通基金份额的利润作为有限合伙人。

门徒播种经理已经超过15年,现在我们有四个种子。我们尚未完成的种子在MOV 37,但我们有打算在不久的将来会这样做。在播种的交易中,我们寻找经理表明承诺能够运行一个商业上可行的业务。在播种,返回的有两个来源:该基金回报率和投资回报由第三方,即你的股票的收入来自第三方的管理资产。从第三方为了筹集资金,你需要有一个强大的业务,需要市场营销。

如果你是投资基金在手臂的长度,没有播种,你可能不在乎经理是一个很好的营销人员。我们有多个情况下经理没有好的营销人员但仍产生超额收益对我们和他们的投资者。另一方面,如果我们播种,我们非常关心我们的经理善于营销和可以筹集资金,这样我们就可以从第三方收入增量换取我们的客户。另一个显著差异是在手臂的长度(non-seeding)资本投资可以赎回通常每月,或者更频繁的投资是通过托管账户。

在种子,另一方面,我们通常两年或三年的承诺:只要经理没有违反其种子安排方面,我们的资本是锁着的。当我们考虑种子交易,我们特别注意种子安排和条款的条款可以让我们退出投资如果出现某些情况下:例如,协议可能允许退出如果经理下跌超过一定比例的一个预定义的时间,或如果经理违反某些杠杆限制,限制非流动性投资,或其他风险约束。同时,我们的信誉风险更高的种子交易,当我们把我们的名字的经理。

是什么费用模型通常与你的爱丽丝经理谈判吗?

在爱丽丝的投资,我们支持1-10-20结构,即每年1%的管理费加上10%的业绩提成10%的回报,从而增加20%的整个性能回报高于10%的净回报,即。追赶的条款。我们相信,这样的收费结构有利于管理者和投资者之间利益的一致性。1-10-20收费结构作为激励爱丽丝经理吸收他们的数据成本管理公司层面(或减少),而不是让他们通过基金,否则风险不触及20%的激励费用。

Fintech和爱丽丝是快速变化的环境中,资产管理公司运作。那个地方有一个传统的价值投资原则在资产管理行业的未来的憧憬?

我爱价值投资。我就读于哥伦比亚大学,有过接触的所有最高价值投资者:沃伦•巴菲特(Warren Buffett)迈克尔价格,马里奥加百利,格伦•格林伯格赛斯卡拉曼。我希望爱丽丝经理能够系统化价值投资策略的理论。价值投资的原则仍然是有效的,但他们会自动交易执行的基础。

爱丽丝经理会问价值投资者:高额利润,市场份额高、成本低、管理,有创造价值的历史、环境、社会和治理。他们将能够利用财务数据集和价值投资者感兴趣的因素和过程通过他们的机器使用机器学习算法。很多价值投资者目前正在做什么可以系统化和由机器更快和更有效地完成。

已经说过,我们仍然看到机会的可自由支配的价值投资经理在复杂情况下的五个爱丽丝因素还不适用:激进主义、流动性较差的证券,和前沿和新兴市场在亚洲,拉丁美洲。也许非洲。今天爱丽丝策略主要是在美国股市,期货,和etf:液体的策略。你需要大量的数据能够设计和实现爱丽丝策略。一个看多的市场流动性并不适合爱丽丝。

然而,我们的行业也在迅速发展。我们已经开始看到爱丽丝策略在投资级信用。现在有一个市政债券基金使用集群技术和提取的数据交流。我们相信爱丽丝将资产管理行业的颠覆性的改变。

如果你喜欢这篇文章,别忘了订阅有事业心的投资者。

---

所有文章作者的观点。因此,他们不应该被视为投资建议,也不代表CFA协会的观点表达的观点或作者的雇主。爱游戏安全吗

图片来源:©盖蒂图片社/ Pixtum