股市瞬息万变,有时波动大如过山车,把握困难,去年至今,连方舟投资CEO“木头姐”凯茜·伍德(Cathie Wood)这样的知名投资人都遭受了巨大打击。
于是,市场上出现了那么一小群投资人和公司。他们另辟蹊径,将决策权完全交给人工智能(AI)——从选股到投资组合均由AI完成,外部人士的意见不会反映至投资过程中。
其中一家这样的公司就是Qraft Technologies。它成立于2016年的,目前为亚洲的银行和保险公司管理着17亿美元(约110亿元人民币)的资产。2019年,Qraft在美国美国上市了一系列交易所交易基金(ETF),并通过此建立了一个软件平台,利用该平台挖掘市场数据,结合AI算法,选出最有可能跑赢大盘的股票并投资。
而这些ETF真的回报率可观,最高的一只(QRFT)发行三年至今已获得近80%的收益率。
亚洲投资巨头软银集团显然也看到了其中的价值。根据华尔街日报消息,软银将向Qraft Technologies投资1.46亿美元(约9.5亿元人民币),以获得使用该公司AI工具的渠道。Qraft表示,公司计划利用这笔投资进一步向美国和其他关键市场特别是中国扩张。
曾多次低买高卖特斯拉
人工智能ETF比巅峰时期“木头姐”还准
根据Qraft官网显示,目前该公司一共发行了四只主动管理型ETF,具体信息如下表所示:
(Qraft旗下四只ETF基本情况 收益率截止上一个交易日 来源:中国基金报记者根据Qraft和晨星数据整理)
AI算法选股真的靠谱吗?来看看这只QRAFT AI-Enhanced U.S. Large Cap Momentum ETF (AMOM)的战绩吧。
根据巴伦周刊(Barron’s)报道,这只规模为2700万美元的AI驱动ETF,通过市场数据和AI算法筛选出300只价格走势最为强劲的美国大盘股,然后选出50只最有可能跑赢大盘的股票并投资。
这只ETF就押注了特斯拉。而特斯拉的股价近年来十分波动。
从2020年初到当年的8月底,特斯拉的股价飙升了近500%,此时AMOM的AI建议卖出所有特斯拉的股票,在这之后的两个月里,特斯拉股价就下跌了22%。
到了2020年11月底,这只ETF的AI又建议重新买入特斯拉的股票,并分别在在2020年12月和2021年1月增加了持仓。在这几个月里,特斯拉的股价猛涨了98%。直到2021年1月底,该ETF又根据AI的建议卖出了对特斯拉的所有持股。在那之后,特斯拉股价从历史高点下跌了30%以上。
通过熟练把握特斯拉近期走势等因素,几波低买高卖之后,这只ETF在截至2021年中的过去12个月里创造了53%的回报率,高于标普500指数43%的同期回报率。
今年1月又增持特斯拉
并首次建仓英伟达
因为此前精准的低买高卖操作,AMOM这只ETF已经在信奉AI的投资人中小有名气,而进入新的一年,它的持仓又有了新变化。
根据Investing数据显示,这只ETF今年加倍买入了特斯拉,特斯拉在其资产中的持仓比重直接从去年12月的7.7%上升到如今的8.5%。而特斯拉也是AMOM的第一重仓股。
对此,QRAFT业务经理及亚太业务负责人吴起锡(Francis Geeseok Oh)表示,特斯拉第四季度的交付量在“芯片短缺的大环境下”十分“令人振奋”。
此外,值得注意的是,AMOM在今年至今还大手笔重仓了英伟达。去年12月,英伟达还未出现在AMOM的持仓名单中,而如今它直接成了第二重仓股,持仓比例达到8.1%,仅次于特斯拉。
对于重仓英伟达,吴起锡称,“英伟达在高性能GPU领域的有着接近垄断的地位,这能使其在(社会)向AR和元宇宙变迁中拥有话语权。”
(AMOM持仓 来源:investing)
另外,在特斯拉和英伟达之外,AMOM持仓第三至五位分别为:建材家居零售商Home Depot,占6.06%;跨国电商公司Shopify,占4.57%;以及软件应用商Adobe,占4.05%。AMOM在一月也对这些公司进行了不同程度的增持。
截至上一交易日,AMOM收报32.73美元,跌0.02%,资产规模约3470万美元。
人工智能是金融投资的未来?
其实运用人工智能到金融投资领域早已不是新鲜事了。
对于许多机构投资者和定量投资机构来说,AI已经以不同方式成为了一种有用的工具。计算机可以追踪股市的价格趋势、查阅上市公司发布的文件和财报、第一时间消化解读经济数据,甚至可以通过数百万的社交媒体帖子来分析公众情绪。
早在2017年10月,全球首支号称使用人工智能选股,并使用机器学习进行投资的基金AI Powered Equity ETF(AIEQ.N)在纽交所上线。该基金由IBM基于人工智能平台Watson打造的EquBot进行管理。
截至上个交易日,该ETF自发行以来的收益率为53.45%。
但尽管同为AI驱动型基金,Qraft的ETF在AI算法上与AIEQ具有本质性不同。
根据吴起锡接受《亚洲日报》采访所称,当前市场上基于人工智能的投资战略、或ETF等商品,绝大部分并非使用公司自研技术,而是与IBM一样使用Watson等具有普通适用性的AI模型,这类AI可适用于多种场景。具有广泛适用性的AI学习的数据具备一定的规律和相似性,对AI来说较易习得。
但AI并非万能的。
吴起锡表示,AI是通过深度学习过往数据,因此假如某一事件从未发生过,AI没有历史数据进行参考,可能就无法及时应对。突发事件发生时,AI的学习时间可能要花费两到三个月,因此AI还是无法像人类一样机敏。
另外,AI难以对5年、10年以后的行情乃至社会变化做出判断,AI无法像人类那样观察社会趋势或理解技术创新,因此不适合做长期押注。