AI-фондовый менеджер более эффективен? По результатам back-тестирования JPMorgan: годовая доходность выше классического инвестиционного портфеля, а волатильность ниже

ИИ стремительно выходит на ключевые области инвестиционного принятия решений Уолл-Стрит. Команда стратегов JPMorgan во главе с Thomas Salopek недавно завершила эксперимент по бэктесту ИИ-инвестиционного агента, впервые применив систему ИИ для распознавания рыночных механизмов. Команда сконструировала несколько ИИ-агентов, способных динамически изменять распределение акций и облигаций в зависимости от рыночной конъюнктуры, чтобы исследовать потенциал автономных инвестиционных решений.

Результаты бэктеста показывают, что самая эффективная система в моделируемых условиях за последние двадцать лет обеспечила годовую доходность на 0,7 процентных пункта выше классического портфеля 60/40 акций и облигаций, при этом характеризовалась более низкой волатильностью и превзошла действующую в банке модель рыночного механизма на основе строгих правил.

Хотя Уолл-Стрит ускоряет внедрение ИИ в аналитику, программирование и инвестиционные инструменты, этот эксперимент знаменует собой миграцию ИИ к фундаментальным вопросам распределения капитала. Но в JPMorgan прямо предупреждают, что полученные результаты не должны рассматриваться как доказательство способности ИИ устойчиво обыгрывать рынок — соответствующие разработки все еще находятся на ранней стадии.

Эффективная история моделирования, но нет подтверждения в реальных торгах

Разработанный исследователями JPMorgan ИИ-инвестиционный агент способен динамически корректировать доли акций и облигаций с учетом изменений на рынке. В ходе исторического моделирования, охватившего двадцать лет, лучшая система обеспечила годовую сверхдоходность 0,7 процентных пункта при сниженной волатильности и превзошла существующую в банке модель рыночного механизма на основе правил.

В своем отчете команда стратегов подчеркивает, что ИИ-агент проектировался для принятия решений в условиях неопределенности, что обеспечивает ему преимущество по сравнению с обоснованными бенчмарками. Это также впервые, когда JPMorgan публично представил результаты исследований в области распределения капитала на основе ИИ, что является ключевым шагом в развитии интеллектуальных инвестиционных решений в банке.

Несмотря на позитивные показатели бэктеста, в JPMorgan к интерпретации выводов относятся осторожно. Банк подчеркивает, что все приведенные результаты были получены исключительно на исторических данных и не проверялись в реальных рыночных условиях, поэтому нельзя делать выводы о долгосрочной способности ИИ обгонять рынок.

Стратеги также предупреждают, что участники рынка не должны проявлять избыточную уверенность на основании результатов внутривыборочного бэктеста. По их мнению, агентные системы ИИ должны быть частью строгого, продуманного процесса аллокации активов, а не просто рассматриваться как новый источник экспертности.

Рост консенсусных рисков ИИ: автоматизированная торговля погружается в «глубокие воды» решений

В то время как на Уолл-Стрит сохраняется высокий интерес к ИИ-инвестиционным инструментам, научное сообщество параллельно выражает обеспокоенность потенциальными системными рисками. По данным Bloomberg, все больше исследований акцентируют один важный вопрос: что произойдет с логикой поведения рынка, если множество игроков начнет использовать аналогичные AI-модели для принятия инвестиционных решений?

Исследователи отмечают, что технологии ИИ действительно способны радикально увеличить эффективность получения информации и точность выводов, но одновременно могут привести к схожим структурам портфелей, росту подверженности манипуляциям и другим рискам. Особенно это опасно в стрессовых ситуациях, когда множество институтов приходят к похожим решениям, что может усугубить рыночную волатильность. В недавнем отчете стратеги JPMorgan также признали существование подобных рисков.

Пример JPMorgan отражает эволюцию интеграции ИИ на Уолл-Стрит. За последние два года крупные банки широко внедрили большие языковые модели для генерации отчетов, написания кода, внутренних инвестиционных сервисов. Новый этап — проверка способности ИИ выйти за рамки вспомогательных функций и стать самостоятельным инструментом для распределения капитала между классами активов.