获得优势–人与机器

巴黎报道–替代的数据和数据科学技术可以帮助对冲基金提高竞争优势，但人与机器的共生融合最终支撑着管理者使用这些技术的成败。

“我们相信我们比其他人更了解这些经理数据集，因此，我们能够提出其他人无法识别的因素和信号；否则，这样做将相当困难。” Epsilon Asset Management联合创始人Michael Perlow说道。

Epsilon采用一种自下而上的投资流程，并采用一种系统的方法，其中包括数据科学技术来建立国内股票证券的排名，类似于因子投资。

Perlow解释说，对特定数据集的熟悉和专业知识可以推动管理者从以下替代信息源中提取的价值：“熟悉数据的量化投资者具有巨大优势，因为他们将知道如何定性地处理这些数据。因此，数据科学始终需要与定性的基本观点相结合。”

在Lombard Odier投资经理中，数据科学是投资流程第一阶段的核心。LOIM 1798 Alternatives业务的首席投资策略师Christophe Khaw说：“我们使用数据科学来推动想法的产生。许多声称使用它的管理人员仍然保持相同的旧流程，但是在流程的后期引用数据集以帮助指导时间和规模。我们是相反的。我们认为，消除人的偏见，集体思维和以往从创意中产生的经验可以帮助我们经常发现逆向想法并避免拥挤。这导致我们与市场和股票同业之间缺乏关联。”

瑞银资产管理（UBS Asset Management）定量证据与数据科学（QED）负责人Bryan Cross持类似观点：“利用数据和科学来获得见解有助于最大程度地减少可能渗入分析过程的任何偏差，并最终围绕投资获得更可靠的论点。”

但是，尽管数据科学是其思想生成过程的关键，但Khaw强调了人机之间平衡的重要性：“我们采用不同的人机+机器方法，从广义上讲，我们使用人工智能来驱动想法的产生，而投资组合经理则根据20年的投资经验来评估与当前环境相关的那些信号，时间并运用这些信号。

“通常认为量子将在这里占主导地位，但这不是事实。目前，机器和AI是统计引擎。他们可以处理更多数量的数据，但是他们没有能力应用必要的逻辑从没有统计趋势的数据中提取价值。替代数据非常混乱，人工智能无法评估环境，适应和响应人类。人们需要视角。从AI取代销售人员，到AI距离我们有12到17年的路程，离替换外科医生还有30年，而离数学研究也只有35年的路程。”

过载，噪音和商品化

GAM Systematic Cambridge的资深科学家Chris Longworth讨论了使用替代数据的一些挑战：“使用替代数据集时，数据分析可能会更加困难。您必须探索的数据越多，您在数据中遇到虚假关系的可能性就越大。机会模式可以呈现出现实中不存在的可交易效果的外观。

“确保您拥有必要的统计分析框架，以区分真正的信号与噪声，这一点至关重要。许多新兴的数据集还具有有限的历史记录，这使得更难确定模型识别出的任何关系是否会在不同的市场环境中持续存在。”

Bluesky Capital总裁兼投资组合经理Andrea Leccese还强调了拥有强大的技术框架来支撑任何替代数据或数据科学工作的重要性：“除非您拥有非常好的技术和有才华的量化人员，尤其是计算机科学和统计学方面的人才，才能支持这些技术，否则您将一无所获。通常，这些数据集具有数百万或数十亿行，因此您需要非常精通编码和机器学习，以应用可以从非常大的数据集中检索alpha的技术。”

此外，随着越来越多的经理转向其他数据来提高在充满挑战的市场中的业绩，数据变得商品化的风险也非常现实。

Unigestion定量研究负责人Robert Kosowski评论：“我们将使用数据集直到商品化。发生这种情况时，我们将不得不寻找新的数据集。我认为这正在成为我们工作中的一个连续过程。”

Bluesky Capital的Leccese想：“经过多年的发展，这些数据集已经公开可用并广为人知。尽管如此，仍然存在一些利用它们获利的机会，特别是因为其中一些非常昂贵，只有预算高的最大对冲基金才能负担得起。”

同样，如果许多投资者看到了机会，并且每个人都开始按照该观点进行交易，则机会可能会消失，因为价格变得有效。因此，如果管理人员希望在该领域具有竞争力，就需要拥有高技能的数据科学家或分析师，他们可以继续研究新数据并找到创新的数据检索方法。

Epsilon的Perlow讨论了更广泛使用的数据科学技术的长期影响：“我认为这将提高市场效率。理想情况下，您的特质波动性和资本流向的公司应少得多。但是它将永远与根本相结合。倾斜的一种方法，无论是基本的还是定量的，都比在幸福的媒介中将两者结合要容易得多。”

科索夫斯基警告说，对于陷入困境的对冲基金而言，替代性数据并非救命稻草：“如果没有人来确定您使用的传统数据是增值还是重要，那么就没有必要转向其他数据了。”

在传统信号运行不佳的时期，某些经理可能会被替代数据所吸引。但是，为回应Longsworth的评论，如果没有正确的框架和专业知识，管理人员可能会冒着将大量金钱用于无法充分利用的数据的风​​险。

但是，仅仅因为许多人可以访问相同的数据并不一定意味着信息不再有价值。LOIM的Khaw亮点：“我们仍然继续看到信用卡数据等方面的巨大价值。尽管市场上普遍认为每个人都可以使用它，而且它不是专有的，但我认为这常常被误解。在这个领域执行非常重要。

“所有基本管理人员都可以使用彭博社数十年的服务，但是仍然存在巨大的绩效分散，管理人员对10ks公司，管理团队的语气等有不同的理解。替代数据也没有不同。根据您在处理数据并逐案应用方面的创新能力，您不仅可以获得收入，利润和促销强度，还可以获得出色的色彩。您还需要了解每个不同供应商的人口统计，区域，偏见之间的数据细微差别。您会比许多人理解的更加复杂。这只是一个例子，它划伤了一种类型的数据集的表面。”

捕捉关系

可以肯定的是，数据科学和替代数据的分析将继续存在。瑞银集团（UBS）和Element 22与格林威治协会（Greenwich Associates）于2019年进行的一项研究表明，超过三分之二的资产管理受访者已经在其研究，投资组合构建和投资组合管理功能中使用了高级分析和替代数据。此外，有70％的人预计在未来三年中，替代数据的使用将显着增长。

GAM Systematic Cambridge的Longworth说：与传统的基本数据集相比，替代数据为我们的投资模型提供了有关世界上实际发生的情况的更丰富，更详细的信息的机会。这可以使我们捕获在传统数据集中可能不明显的关系，或者可能太弱而无法识别的关系。

瑞银AM的Cross认为，这一趋势将继续发展：“更多的投资管理科学是不可逆转的趋势。科学，数据和技术是对冲基金行业规模扩张的基石，对于使对冲基金能够发挥自己的最大作用，这是关键。 ñ