この記事は、様々な業界における人工知能の影響に関するシリーズの第3弾です。それぞれについて、GLGアドバイザーに独自のインサイトを語っていただきました。今回は、Cyber Capital HQのCEOであるJean Lehmann氏が、AIがヘッジファンドにどのような影響を与えるかについて言及します。人工知能（AI）は機械学習と同義に使われることが多く、実際にこの2つの技術は非常に親密な関係にあります。AIをめぐる話題に耳を傾けると、未来を予測し、幸運な発明者に何十億もの取引利益をもたらす強力なアルゴリズムを想像するかもしれません。しかし、予想に反して、クオンツトレーディングにおけるAIの主な用途は、投資に対する積極的なリターンを表すアルファ生成に焦点を当てたものではありません。以下のトレーディングサイクルの図をご覧ください。トレーディングサイクルの頂点から始めましょう。
AIの真相AIは、データ駆動型の科学的アプローチを採用しています。構造を見つけることができれば、適切なAI運用手法によって、その構造を見つけることができます。とはいえ、AIをやみくもに適用すべきではありません。「ゴミを入れたら、ゴミが出てくる」という格言は今でも有効です。このような効果はAIモデルで増幅され、サンプル内では素晴らしい結果を出すことができても、将来の未知のデータでは堅牢な数値を示すことができない場合があります。ここではサンプルをヒストリカルデータと呼びます。ほとんどのAI運用手法は、慎重に適用しないと簡単にオーバーフィッティング（過学習）してしまいます。オーバーフィッティングは、モデルが学習データの詳細とノイズを学習し、新しいデータに対するモデルの性能に悪影響を与える場合に起こります。オーバーフィッティングでは、学習データに含まれるノイズやランダムな揺らぎが、モデルによって概念として説明され、学習されます。問題は、これらの概念が新しいデータには適用されず、汎化能力に関するモデルの性能に悪影響を与えてしまうということです。運用面では、トレーダーはAIモデルを育成するデータの質に注意を払う必要があります。計算能力の向上と、大規模で有意義なデータポイントやデータセットへのアクセスによる収束性は、予測力を高めたAIモデルにつながる可能性があります。自動化と高速実行を組み合わせることで、投資家はこのようなモデルを戦略的・戦術的アロケーションや健全なリスク管理のために利用できる可能性があります。企業がAIをトレーディングに活用するためには、どのように始めればよいでしょうか。データサイエンティストを採用するヘッジファンドが増加しています。ほとんどの場合、定量的手法の十分な知識とトレーディング経験を兼ね備えた専門家を見つけることは困難です。しかし、この状況は急速に変化しています。大学、企業、工業学校はこの需要に応え、最先端のAIとトレーディングの深い応用知識を組み合わせた修士課程を提供しています。まとめトレーディングサイクルの中で、AIは有用な提案を行うことができます。AIの主な強みは、アルファ生成ではなく、実行と価格設定です。トレーディングサイクルにおけるAI運用手法の検討は、トレーディングに関わる多くの企業にとって有意義な取り組みとなるはずです。ハードルが高いように感じるかもしれません。しかし一度始めると、トレーディングにおけるAIプロジェクトはスムーズに進めることができます。著者について革新的で破壊的なテクノロジーにおけるソートリーダーとして知られている。デジタルトランスフォーメーション、人工知能、サイバーセキュリティ、暗号技術、ブロックチェーンを専門とし、20年にわたり大手企業向けの複雑かつ多角的なエンゲージメントを主導してきた経験を持つ。国際サイバーセキュリティカンファレンスの常連で、パネリストやモデレーターも務めている。また、ブロックチェーンやベンチャーキャピタル分野のアドバイザリーボードメンバー、INSEECビジネススクールのヘッジファンドや銀行経営に関するゲスト講師、初のオンライン専門デジタル法人銀行グループであるArie Capital Banking Groupのアドバイザーでもある。INSEAD/WhartonのMBA、HEC School of ManagementのDEA、Eurecom/EPFLのMScを取得。英語、フランス語、ドイツ語、ポルトガル語に堪能。Jean Lehmann氏はGLGアドバイザーです。Lehmann氏やGLGの業界の有識者との対話をご希望の方は、こちらまでご連絡ください。
トレーディングサイクルの頂点から始めましょう。