ИИ-алгоритмы VS. управляющие активами в глобальной перспективе

Появление полностью ИИ-управляемых фондов (в отличие от фондов с внедренными алгоритмами трейдинга, ИИ-агенты не только совершали торговые действия с ценными бумагами, но и формировали портфель акций в соответствии с заложенными в них моделями) начиная с Amplify AI Powered Equity ETF, стартовавшего в октябре 2017 г., неизбежно привело к сравнению их результатов с результатами схожих фондов, где отбор активов осуществлялся человеком. Удалось ли искусственному интеллекту не только получить дополнительную доходность в результате включения в краткосрочный анализ больших данных и мгновенной реакции на движения рынков в реальном времени, как это было с алгоритмами на первом этапе технологической реновации 2010-х гг. в управлении активами, но и преодолеть стандартные человеческие факторы, снижающие эффективность инвестирования еще в процессе выбора активов? Снижение квалификации менеджеров после 2008 г., информационная ограниченность, предустановки и предвзятые суждения, неприятие потерь, когнитивные и эмоциональные ловушки – все это должны были преодолеть продвинутые модели, выбор которых отличался полной рациональностью и контролем уровня риска, которые теперь дополняли алгоритмическую точность. С другой стороны, на возможную неоптимальность ИИ-сформированного выбора указывали процесс обучения на одних и тех же сигналах и в целом прошлых данных, сложность в прогнозировании стоимости связанных активов, возможные потери из-за неограниченной человеческим фактором частоты пересмотра портфеля.  К счастью, с 2017 года прошло уже некоторое время, и мы можем эмпирически убедиться, превзошли ли управляемые ИИ фонды менеджеров.

Одним из первых компаративных исследований на реальных данных стала работа Rui Chen и Jinjuan Ren (Chen R., Ren J. Do AI-powered mutual funds perform better? //Finance Research Letters. – 2022. – Т. 47. – С. 102616) из университета Макао, анализировались данные за период 2017-2019 гг. на примере 15 фондов под управлением ИИ. Авторы показали, что ИИ-фонды оказались не лучше рынка, но лучше менеджеров примерно на 5,8% годовой доходности (или 4 месяца из 26) за счет более оптимального выбора акций и более низкого их оборота, что снижало транзакционные издержки. В то же время t-тест показал только в 1 из 26 наблюдений статистически значимую разницу в доходности ИИ-фондов и рынка в целом, в пользу рынка: после падения, рост рынка составил 1,61%, портфелей ИИ-фондов в среднем 0,35%. Их альфа (альфа Йенсена) оказалась статически незначимой, в то же время не-ИИ фонды отличились статистически значимой отрицательной альфой, что говорит в пользу отбора бумаг ИИ-агентами. При этом авторы отмечают, что последние отличаются скорее немного большей эффективностью именно в отборе акций с лучшей доходность при заданном уровне риска (stock-selection skills), но не демонстрируют значимо лучшую способность в прогнозировании движений рынка и увеличении/снижении веса рискованных активов (с высокой/низкой «бетой») перед ростом/падением рынка (market-timing skills). В этом люди все еще оставались сильнее.

Следующие исследователи, Amirul Ammar Anuar, Ahmad Azam Bin Sulaiman, and Mohammad Taqiuddin Bin Mohamad из Малазийского университета (см.: Anuar A. A., Sulaiman A. A. B., Mohamad M. T. B. Comparative analysis of AI-driven versus human-managed equity funds across market trends //Future Business Journal. – 2025. – Т. 11. – №. 1. – С. 95) получили в распоряжение более интересные данные 2022-2024, когда на глобальных рынках акций последовательно менялся тренд от нисходящего (2022) к восходящему (2024). Для каждого из трех лет авторы оценивали три меры доходности с поправкой на риск – коэффициент Шарпа, коэффициент Трейнора и альфу Йенсена и также, как в предыдущей работе, с помощью t-теста оценивали статистическую значимость разницы в них для ИИ-управляемых фондов и фондов, управляемых менеджерами, в разных рыночных условиях. Отметим, что их выводы касаются глобальных фондов акций с фокусом на технологическом секторе и ESG-стандартах.     

Основной вывод авторов заключается в том, что в условиях падающего рынка ИИ-управляемые фонды имеют лучшие показатели доходности с поправкой на риск, доказывая, что структурные модели и торговые алгоритмы наиболее эффективны в условиях высокой волатильности и медвежьего рынка, когда доходность теряется в том числе из-за неприятия менеджерами потерь. В этих обстоятельствах управляемые ИИ фонды показали значимо более высокие коэффициент Трейнора и альфу Йенсена (при более низком коэффициенте Шарпа), что говорит об их большей доходности, скорректированной на системный риск, когда риски высоки.

В период же восстановления рынка результаты обоих типов фондов оказались в пользу естественного интеллекта и опыта: очевидно, оценки менеджерами потенциала акций оказались более гибкими или актуальными, чем заложенные в моделях, которыми руководствовались ИИ-агенты. Так, ИИ-управляемые фонды заметно проиграли по коэффициенту Трейнора (при статистически равных коэффициентах Шарпа) и альфе Йенсена. Таким образом, менеджеры лучше отбирали активы, которые в период роста обходили рынок, эффективнее используя его ожидания. Если в пользу ИИ-моделей на медвежьем рынке говорила гипотеза о полной рациональности моделей, то в пользу фондов, управляемых менеджерами, при смене рыночного тренда - представление об адаптивности интеллектуального выбора и его прогностических способностях, принимая по внимание не только прошлое, но и инсайты о будущих тенденциях.

Восходящий тренд на мировых рынках в 2024 году доказал преимущества естественного интеллекта и опыта в формировании портфелей активов: они принесли инвесторам значимо большую доходность, чем ИИ-фонды, и с поправкой на риск актива (коэффициент Шарпа) и с поправкой на риск актива относительно рынка в целом (коэффициент Трейнора). Кроме того, альфа Йенсена в этот период у управляемых менеджерами фондов оказалась значимо выше и строго положительной, чем у ИИ-фондов, подтверждая, что в условиях бычьего рынка у менеджеров значительно лучше получалось его «обыграть», находя акции с высоким потенциалом роста.

Что касается БПИФ «Первая – Фонд Искусственный интеллект», его результаты пока невозможно оценить с помощью сложных метрик, требующих некоторой длины рядов данных. Доходность фонда за месяц по сравнению с открытыми и биржевыми фондами акций (несмотря на заявленное отсутствие преимущественного объекта инвестирования, на конец августа активы состояли полностью из акций) согласно нашему свежему рэнкингу пока сложно назвать выдающейся: прирост пая за месяц составил 3,68%, что ставит фонд в конец второго десятка, против 5,27-5,71% у лидеров. Очевидным ограничителем ИИ-фонда стала не превышающая 10% доля акций топа «голубых фишек» (LKOH, SBER, GAZP) при том же составе основной части портфеля. Также отметим для начального портфеля, сформированного при участии ИИ при запуске фонда (т.е. на 31.08.2026), значительное дробление инвестиций за пределами топ-10 позиций. Если на них приходилось 64,5% стоимости активов (от 3 до 9,8% для каждой ценной бумаги), то оставшиеся 35,5% были поделены на 36 ценных бумаг, включая привилегированные акции, из которых 22 с долей меньше 1%. Похоже, искусственный интеллект действительно серьезно подошел к задаче диверсификации! Однако спустя месяц количество эмитентов резко сократилось до 19 с минимальной долей 2,5% от стоимости активов и концентрацией в пределах топ-10 на уровне 69,8%. Возможно, в лучших студенческих традициях ИИ решил упростить задачу поиска оптимальных весов для максимизации дохода. Мы же продолжаем наблюдение за его результатами, тем более волатильности на рынке хватает для оценки эффективности модели в разных условиях.