Sự nhiệm mầu của AI, liệu nó có thể đánh bại thị trường?

Voleon Group tự hào sở hữu một số bộ óc giỏi nhất trong lĩnh vực khoa học dữ liệu. Đồng sáng lập kiêm giám đốc điều hành của quỹ phòng hộ này từng là nhà vật lý hạt nhân, người tiên phong về web.

Chưa hết, trụ sở chính của công ty đặt tại Berkeley (California) có vị trí chiến lược gần trung tâm máy học đẳng cấp thế giới, nơi công ty có thể tiếp cận những tiến bộ mới nhất về trí tuệ nhân tạo (AI).

AI và máy học đã có thể cạnh tranh các nhà quản lý quỹ truyền thống?

Voleon, hiện quản lý khối tài sản trị giá khoảng 5 tỷ USD, là một trong những quỹ đầu tư đang cố gắng tạo ra một cỗ máy kiếm tiền tối thượng bằng cách ứng dụng AI. Ý tưởng là AI có thể tự đào tạo để đánh bại thị trường. Với công nghệ AI, ông chủ Voleon cho rằng chắc chắn sẽ có người đạt được mục tiêu này.

Ông Michael Kharitonov, cựu nhân viên của phòng thí nghiệm nghiên cứu hạt nhân CERN ở Geneva, cho biết: “Từ lĩnh vực này đến lĩnh vực khác, cách tiếp cận bằng AI đều tỏ ra hiệu quả. Tài chính có những thách thức riêng, nhưng theo thời gian, AI có thể vượt qua”.

Cho đến nay điều đó vẫn chưa xảy ra. Điều trớ trêu là trong nhiều năm qua, AI rất chật vật để có thể tạo nên kết quả đầu tư bứt phá. Máy móc bị rối loạn bởi những thông tin nhiễu trên các thị trường, những xu hướng liên tục thay đổi, còn lĩnh vực tài chính đôi khi thiếu dữ liệu để làm nền tảng cho công nghệ trong các lĩnh vực khác.




Chỉ số Eurekahedge của 12 quỹ sử dụng AI có hiệu suất kém hơn chỉ số quỹ phòng hộ khoảng 14 điểm phần trăm trong 5 năm qua. Theo Plexus Investments, công ty quản lý tài sản theo dõi lợi nhuận của các quỹ AI nhỏ lẻ, chỉ 45% quỹ có hiệu suất vượt trội so với các chỉ số chuẩn mà chính họ đặt ra.

Tuy nhiên, hiệu suất đó cũng sánh ngang với hiệu suất trung bình của những chuyên gia chọn cổ phiếu. Andreas Vogel, Chuyên gia phân tích cấp cao tại Plexus, cho biết: “Ngày nay, AI và học máy (machine learning) đã có thể cạnh tranh với các nhà quản lý quỹ truyền thống”. Nói cách khác, bạn không cần phải thuê những người quản lý danh mục đầu tư với chi phí đắt đỏ khi mà máy tính có thể mang lại cho bạn kết quả tương tự.

Những người ủng hộ AI nói rằng họ không phấn đấu để có lợi nhuận vượt trội so với thị trường, mà chỉ cần nhỉnh hơn một chút. Ông Kharitonov nói: “Trong lĩnh vực tài chính, bạn đã rất thành công nếu có hiệu suất chỉ cần nhỉnh hơn một chút so với thị trường, chứ không cần phải hơn 50% so với thị trường”.

Mọi hy vọng giờ chủ yếu dựa vào học máy, một lĩnh vực con của AI. Trong lĩnh vực này, máy tính được đào tạo về lượng dữ liệu khổng lồ để thực hiện các nhiệm vụ cụ thể. AI tạo sinh (Generative AI), thứ sức mạnh đằng sau ChatGPT, là một phần của nó.

Nhiều chuyên gia đang ứng dụng học máy để làm mọi việc, từ lướt mạng xã hội để đánh giá tâm lý xung quanh một cổ phiếu cho đến theo dõi các mô hình thị trường, từ đó quyết định thời điểm tốt nhất để thực hiện giao dịch.

Triển vọng đó đã khiến Jason Hsu thay đổi. Hsu là nhà đầu tư định lượng, tức là nhà quản lý tiền sử dụng máy tính để xử lý các con số và sau đó chọn chứng khoán. Giống như hầu hết nhà đầu tư thuộc trường phái định lượng, ông tin vào một số quy tắc đầu tư đơn giản được phát triển qua nhiều thập kỷ bởi giới học giả nghiên cứu hành vi thị trường, và chọn cổ phiếu dựa trên các đặc điểm như định giá hoặc quy mô của chúng. Năm 2002, Hsu đồng sáng lập Research Affiliates, hiện quản lý khối tài sản trị giá khoảng 130 tỷ USD.




Với sự hỗ trợ của công ty, ông Hsu đã thành lập một công ty vào năm 2016 có tên là Rayliant Global Advisors, và ngay sau đó ông đã chứng kiến sự “nhiệm màu” của AI. Đội ngũ của Hsu đã cho ông xem kết quả giả định của một chiến lược đầu tư được thiết kế bởi máy móc, và hiện tại hầu hết quỹ của công ty đều được điều hành bởi một thuật toán có tên là eXtreme gradient Boosting.

Nhà quản lý quỹ 17 tỷ USD này phân tích khoảng 200 tín hiệu, sử dụng dạng “cây quyết định” (decision tree) để xác định các mối quan hệ phức tạp và đưa ra quyết định mua hoặc bán. Ông Hsu nói: “Chúng tôi phải mất một thời gian mới thuyết phục được chính mình”.

Theo tiêu chuẩn của Thung lũng Silicon, các phương pháp của Rayliant gần như lỗi thời. Tuy nhiên, chúng là một bước nhảy vọt lớn đối với một nhà quản lý tài sản vốn bắt đầu chọn cổ phiếu chỉ dựa trên 6 tiêu chí. Đây cũng là một minh họa rõ ràng về cách AI sẽ cách mạng hóa hoạt động đầu tư.

Nhiều ứng dụng AI trong đầu tư vẫn sử dụng tư duy định lượng truyền thống và tìm cách tăng cường nó. Với cách tiếp cận cũ, các chuyên gia dùng “thuật toán” mua cổ phiếu có tỷ lệ giá trên giá trị sổ sách thấp nhất trên thị trường. Tuy nhiên, AI nhận ra rằng cách làm đó chỉ hiệu quả với một số ngành nhất định và khi tăng trưởng thu nhập dương.

Tất nhiên, vẫn có những trở ngại lớn, bởi xu hướng thị trường và hành vi của nhà đầu tư có thể tồn tài trong nhiều tháng, thậm chí nhiều năm, nhưng cũng có thể thay đổi ngay lập tức, khiến bất cứ điều gì mà máy học học được bỗng dưng không còn phù hợp nữa.

Đó là lý do tại sao khi đại dịch COVID-19 bất ngờ xảy ra, Voleon nằm trong số nhiều quỹ nhận đòn giáng nặng nề. Rayliant chỉ vừa mới triển khai các chiến lược AI mới khi những cổ phiếu giá trị mà họ từng ưa chuộng trước đó lại tăng vọt trong thời hậu COVID-19.

Rào cản lớn nhất đối với việc áp dụng AI là khả năng giải thích

Lĩnh vực tài chính không phải lúc nào cũng có đủ dữ liệu để sử dụng AI một cách hiệu quả, đặc biệt đối với các công ty như Rayliant vốn có tầm nhìn dài hạn cho các khoản đầu tư của họ. Các chiến lược định lượng truyền thống thường theo dõi giá cổ phiếu hàng tháng, thậm chí hàng quý, để loại bỏ yếu tố gây nhiễu dữ liệu hàng ngày hoặc hàng phút. Nhưng điều đó có nghĩa là họ sẽ có chưa tới 2,000 điểm dữ liệu ngay cả đối với cổ phiếu của các công ty đã tồn tại được một thế kỷ. Điều này sẽ hạn chế hiệu quả của AI.

Voleon là một trong số ít các công ty sử dụng một kỹ thuật tiên tiến gọi là deep learning (một phần của machine learning), tức bắt chước cách hoạt động của bộ não con người, tạo ra mạng lưới với vô số điểm kết nối, từ đó có thể phát hiện các mô hình thị trường phức tạp, tinh tế ở quy mô dữ liệu lớn. Đó cũng là cách để đào tạo cho ChatGPT học cách đọc, Siri học cách lắng nghe và ô tô tự học cách lái xe.

Một nguồn tin thân cận cho biết quỹ hoạt động lâu nhất của Voleon đã đạt lợi nhuận trung bình hàng năm khoảng 9.5% kể từ khi thành lập.

Thay vì để máy móc thích ứng với những gì chúng học được, hầu hết quỹ quản lý tài sản sử dụng AI đều cố gắng kết hợp các kỹ thuật mới với các lý thuyết đã được thiết lập.

AQR Capital Management cho biết họ đang sử dụng AI để tìm tín hiệu giao dịch từ các văn bản, đồng thời mài giũa các chiến lược lâu đời của mình. Vanguard năm nay cũng đã ứng dụng AI vào chiến lược chọn cổ phiếu định lượng để giúp chúng thích ứng hơn với thị trường.

Tuy nhiên, một trong những rào cản cuối cùng và lớn nhất đối với việc áp dụng AI là khả năng giải thích. Các nhà đầu tư thường muốn biết chuyện gì đang xảy ra với tiền của họ. Nếu một chiến lược AI hoạt động kém hiệu quả và người quản lý quỹ không thể giải thích lý do tại sao - vì không xác định được suy nghĩ của máy móc - thì chiến lược đó sẽ không được tiếp nhận.