אלגוריתם חזה 71% מהחלטות מנהלי הקרנות - ומעלה סימני שאלה על דמי הניהול

האם בינה מלאכותית מסוגלת לפענח את דפוסי קבלת ההחלטות של מנהלי קרנות נאמנות? מחקר אקדמי חדש טוען שהתשובה חיובית, לפחות ברוב המקרים. לפי המחקר, אלגוריתם למידת מכונה הצליח לחזות כ-71% מהחלטות המסחר של קרנות נאמנות פעילות, כלומר האם מנהל ירכוש, ימכור או יחזיק מניה מסוימת במהלך רבעון נתון.

המחקר הובל על ידי פרופ’ למימון מבית הספר למנהל עסקים של הרווארד, בשיתוף חוקרים מאוניברסיטת פנסילבניה ומאוניברסיטת דה-פול. המודל שבו השתמשו החוקרים מבוסס על רשת נוירונים, ואומן על חלונות זמן מתגלגלים של חמש שנים בין 1990 ל-2023. האלגוריתם הוזן במידע רחב: גודל הקרן, זרימות כספים פנימה והחוצה, מאפייני המניות שבתיק ותנאים מאקרו-כלכליים. על בסיס הנתונים הללו הצליח המודל לצפות את עיקר התאמות התיקים שמנהלים ביצעו לאורך זמן.

עם זאת, הממצא המרכזי אינו רק שיעור החיזוי הגבוה, אלא דווקא גבולותיו. כ-29% מהעסקאות לא נחזו נכון על ידי המודל, ודווקא עסקאות אלו נטו להיות קשורות לביצועי יתר ביחס לשוק. במילים אחרות, החלק בפעילות שאינו תואם דפוסים שגרתיים הוא זה שנוטה לייצר ערך עודף. הפעולות שנמצאות “מחוץ לתבנית” הן אלו שתרמו יותר לאלפא - תשואה עודפת על מדד הייחוס.

שאלת דמי הניהול

החוקרים אינם טוענים שהאלגוריתם הצליח “לפצח” את השוק. המסקנה שונה: חלק ניכר מהפעילות של מנהלי קרנות עוקב אחר תבניות שחוזרות על עצמן, תגובה לזרימות כספים, לשינויים במגמות שוק ולהתנהגות של מנהלים אחרים.

• מניית הבינה המלאכותית שמזנקת ב-220% בעקבות עסקה עם פלנטיר
• המספר היומי - 50 מיליארד דולר מיקרוסופט תשקיע ב-AI במדינות הדרום הגלובלי
• המלצת המערכת: כל הכותרות 24/7

אם רוב ההחלטות ניתנות לחיזוי על ידי אלגוריתם, מתעוררת שאלה לגבי מבנה העמלות בתעשייה. דמי ניהול בקרנות אקטיביות מוצדקים, לכאורה, ביכולת להכות את המדד. אך אם חלק גדול מהפעילות הוא שיטתי וצפוי, קשה להצדיק תמחור גבוה עבורו. במשך שנים זורמים כספים מקרנות מנוהלות אקטיבית לקרנות מחקות מדד זולות. המחקר הנוכחי מוסיף נדבך לדיון בכך שהוא אינו בוחן רק את התשואות בדיעבד, אלא מנסה לחזות את עצם פעולות המסחר של המנהלים.

מהו ניהול אקטיבי?

לטענת החוקרים, מודלים של למידת מכונה מתאימים יותר ממודלים ליניאריים מסורתיים לזיהוי דפוסים מורכבים באופן שבו מנהלים מגיבים לשוק ולסביבה התחרותית. כך ניתן למפות את “ספר ההפעלה” של התעשייה. מנקודת מבט זו, התוצאה אינה ניצחון חד של מכונות על בני אדם, אלא מיקוד מחדש בשאלה מהו ניהול אקטיבי. אם חלק גדול מההתאמות היומיומיות בתיקים מבוסס על כללים חוזרים, ייתכן שניתן לשכפל אותן בעלות נמוכה יותר.

עם זאת, לא כל פעילות צפויה היא חסרת ערך. התאמות שנועדו לנהל נזילות, לאזן סיכונים או לעמוד בהגבלות רגולטוריות עשויות להיות שיטתיות מטבען. אך אם הן ניתנות לאוטומציה, עולה השאלה האם נדרש עבורן שיקול דעת יקר.

• אפל מרחיבה את הייצור בארה״ב
• ה-AI מסבך את החלטות הריבית: בפד מזהירים מדילמה חדשה בין אינפלציה לאבטלה
• תוכן שיווקי שוק הסקנדרי בישראל: הציבור יכול כעת להשקיע ב-SpaceX של אילון מאסק
• ההוראות האחרונות של באפט: מכרו אפל, קנו ניו יורק טיימס

המחקר מצא גם הבדלים בין קרנות. קרנות גדולות יותר, כאלה שגובות דמי ניהול גבוהים יותר או פועלות בסביבה תחרותית יותר, נטו להיות פחות צפויות. מנגד, מנהלים ותיקים או כאלה שמנהלים מספר מוצרים במקביל נטו לפעול בדפוסים שקל יותר לחזות. המודל התמקד בכיוון העסקה - קנייה, מכירה או החזקה - ולא בגודל הפוזיציה. החוקרים מציינים כי בעתיד יבקשו להרחיב את הניתוח גם להיקפי ההשקעה עצמם.

ההבחנה שעולה מהעבודה חשובה: לחזות את התנהגותם של מנהלים קל יותר מלחזות את תנועות השוק. מחירי נכסים משקפים אינטראקציה של מיליוני משתתפים וציפיות משתנות, בעוד דפוסי עבודה מקצועיים נוטים להיות עקביים יותר.