Автор: Віддалений інвестиційний коментар
Останній звіт Anthropic про безробіття змусив фінансових працівників похолонути.
У звіті, рівень заміщення фінансових посад досяг 94%, посідаючи друге місце серед усіх професій, але наразі фактичний рівень заміщення лише 28%, що відкриває великі перспективи для майбутнього. На щастя, 30% професій майже не піддаються впливу, і фінансові працівники можуть розглянути можливості працевлаштування, наприклад, у посудомийних або трубопровідних компаніях.
Завжди, працюючи довго в галузі, починаєш відчувати тривогу — фінансова сфера живе у світі «порівнянь», де щодня зростають оцінки продажів і рейтинги результатів, і без навчання виникає відчуття неспокою.
Наприклад, після закінчення новорічних свят, повернувшись до робочого місця, фінансисти ще спілкуються з чатботами, а сусідній колега, який вже виростив 8 омарів, сперечається з приводу коливань цін на нафту.
Фінансова індустрія ніколи не відмовляється від підвищення ефективності: від ручних замовлень до алгоритмічної торгівлі, від офлайн-банківських продажів до інтернет-розповсюдження. Але цього разу AI замінює не низькоефективні фінансові інструменти, а людей, що їх створюють. Адже найвищі витрати у фінансовій сфері — це люди, і прибутки управлінських компаній залежать від того, як менше людей керують більшою кількістю грошей.
Тому приватні фонди починають впроваджувати передові технології: Butterfly Asset проводить онлайн-курси, навчаючи, як приручити «цифрового дослідника», що працює цілодобово; Mingxi Capital використовує Manus для автоматичного створення рекламних матеріалів із дивідендними прогнозами, з високою якістю верстки, що нагадує журнальні стандарти. Навіть клієнти стали більш обережними: після презентації популярного приватного фонду, менеджер з управління активами одразу ж запитує, чи варто купувати цей продукт.
Індустрія приватних фондів поступово входить у період трансформації, схожий на «зміну людських істот у Детройті»: кожен етап — дослідження, операції, продажі — вже піддається автоматизації.
Зарплата VS Вартість токенів
У конкурентному середовищі з високими операційними витратами та зростаючими труднощами у здобутті Alpha, показник продуктивності праці — один із головних для приватних фондів, що їх турбує перед сном.
У галузі приватних фондів зарплати дослідників зазвичай високі. За даними募立方, річна зарплата кваліфікованого дослідника з акційної квантової аналітики становить 800 000–1 500 000 юанів, а у дослідників із суб’єктивним підходом — трохи менше, але іноді трапляються вражаючі стимули: наприкінці року один із головних дослідників із портфелем у сотні мільярдів, який просував Nvidia, отримав понад 20 мільйонів юанів у вигляді премії.
Якщо приватний фонд зможе перейти на AI-аналізи, економія витрат сягне десятків мільйонів. Якщо AI працюватиме цілодобово, зменшуючи оплату за годину, але при цьому даючи більший результат, то витрати на поїздки, понаднормову роботу, транспорт і харчування — все це зменшиться, адже AI не потребує таких витрат.
У сфері управління активами технологічний прогрес зводиться до двох слів: підвищення ефективності та зниження витрат. Власники приватних фондів не цікавляться, чи може AI мислити так само, як людина, їх цікавить, чи зможе воно виконати роботу.
З цього приводу Говард Маркс підрахував економічний баланс: якщо AI може створити аналітичний результат, еквівалентний роботі асистента з річною зарплатою 200 000 доларів, то для платника це не так важливо — чи це справжнє мислення, чи просто модель співставлення. Головне — чи результат буде достатньо надійним і корисним.
Після свят, 8 команд з інвестиційних банків опублікували спільний курс «Вирощування омарів», прискорюючи процес заміни дослідників людьми. Вони особисто протестували OpenClaw, який здатен самостійно генерувати дослідницькі результати так само, як людина.
На стартовому додатку з’явилася презентація «OpenClaw: від початківця до майстра», яку переглянули 4839 разів; Хуей Юй з NEB розповів про 20 навичок, що підвищують ефективність досліджень у 10 разів; Цао Чунсяо з Founder показав, як за допомогою омарів відтворити стратегію PB-ROE, патерн «капітанська рукоятка» у відборі акцій, автоматичний пошук факторів і їх тестування.
Загалом, це нагадує одночасне оновлення навичок Бенджаміна Грема, Воррена Баффета і Джона О’Ніла.
Трейдер, що любить навчатися
Продавці активно популяризують, а покупці — навчаються з великим ентузіазмом. У приватній компанії у Пекіні, щоб уникнути забруднення основних систем, кожному досліднику видали новий комп’ютер і додатково 50 000 юанів у токенах для утримання омарів[1].
Ян Сіньбін з Snowball Asset Management виховав двох дослідників-омарів. Він каже, що щоденне спілкування з AI значно перевищує за обсягом людське. Самостійно навчені агенті AI виконують за два дні роботу, на яку досвідчений квантовий дослідник витрачає півроку, і потенційно мають ще більший потенціал.
Пау Ву з Qinyuan Investment поступово інтегрує AI у всі відділи компанії. Він відчуває, що AI вже закриває кілька циклів роботи самостійно, здатен самостійно оновлюватися. Він передбачає, що незабаром витрати компанії зменшаться до закупівлі та обслуговування «інтелектуального аналітика Apple», а згодом — «портфельного радника Paul».
Раніше багато приватних фондів стикалися з проблемою «зношення» у процесі трансформації досліджень — дослідники вважали, що менеджери погані, а менеджери — що дослідники безкорисні. З появою OpenClaw приватні фонди вперше побачили нову можливість — уникнути внутрішніх конфліктів і конкуренції за ключових дослідників.
З точки зору характеристик, омар відповідає всім уявленням менеджерів про ідеального дослідника: працює цілодобово, без відпусток і прогулів; має довгострокову пам’ять і може швидко назвати важливі дані; абсолютна вірність і підпорядкування, без створення власних стратегій; постійно оновлюється і не залежить від старих шляхів, що з часом застарівають.
Якщо у майбутньому вартість токенів на базі кремнію буде значно нижчою за зарплати на основі вуглецю, як же керівники приватних фондів зможуть відмовитися від слухняного, корисного і піддаваного навчання AI-дослідника?
Заміщення не лише через омарів
Поки що приватні фонди ще зважують, чи вигідно використовувати токени. Великі квантові компанії вже мають власну обчислювальну інфраструктуру і зменшили вартість токенів до мінімуму. Але вони дивляться на цю хвилю спокійно.
«OpenClaw для квантового світу — це швидше іграшка або напівготовий продукт», — каже один із провідних фахівців із квантових технологій у Шанхаї. Його цінність у тому, щоб знизити технічний бар’єр для приватних і роздрібних інвесторів і дати чіткий шлях окупності для великих компаній, що вкладають у моделі великого масштабу. Але для серйозних інвестицій у квантовий аналіз ця технологія не має великого значення.
Ще один провідний квантовий фахівець прямо каже, що омари у фінансовій сфері — це щось на кшталт піраміди. OpenClaw має випадковий і несистемний характер, низьку безпеку і може створити серйозні ризики для всієї системи.
Для квантового світу OpenClaw — не передова технологія. Цуй Ючун із Xuntu Technology вважає, що не варто хвилюватися:
Омар у агентській оптимізації, інструментах (браузери для досліджень, редактори, аналітичні інструменти) навіть слабший за Manus і Kimi. Для дослідника без програмування потрібно 5-10 годин, щоб розгорнути і запустити, і більшість завдань не дають результату вище 60 балів.
Коли роздрібні інвестори використовують омарів для відбору акцій за допомогою навички China Stock Analysis, відкривається новий світ. У квантовій сфері вже створена платформа Multi-Agent (багатоінтелектуальних агентів), яка за допомогою більшої кількості інструментів здатна знищити омарів. Однак для роботи цієї системи не потрібно багато людських ресурсів.
Традиційні системи квантового аналізу зазвичай мають конвеєрну архітектуру: очищення даних → обчислення факторів → прогноз моделі → оптимізація портфеля. У епоху AI деякі компанії вже переходять до ролей, подібних до топових світових гравців, таких як Man Group: розподіл ролей → виклики інструментів → проектування робочих процесів. Стандартизація і повторювані задачі дедалі більше автоматизуються за допомогою AI-агентів, і тепер не потрібно так багато дослідників у «фабриках» факторів.
Наприклад, Apollo AI від Xiyue Investment — це система багатьох агентів, що інтегровані у дослідження, дані, торгівлю і операції. Засновник Чжоу Сінь описує її як «додаткових сім-вісімсот AI-співробітників».
З одного боку, це схоже на науково-фантастичний «безлюдний» квантовий завод, з іншого — роздрібні інвестори за допомогою OpenClaw зменшують інформаційний розрив. Водночас, менеджери приватних фондів, що працюють у зоні ефективності, опиняються у досить незручному становищі: вони бачать інформацію, яку генерують дослідники, але піддаються зниженню її цінності з боку квантових алгоритмів і натиску з боку роздрібних інвесторів, і ризикують потрапити у «FOMO» — страх пропустити.
Під час свят я переглянув річний звіт одного з провідних приватних менеджерів у Шеньчжені. Він зізнався, що у менеджерів надто високі очікування від дослідників:
Менеджери хочуть, щоб дослідники були чутливими до ринку, швидко вказували на можливості, давали передові дослідження і прогнози, і навіть постійно перебували у «ядрі» індустрії. Якщо дослідник може таке робити, навіщо тоді менеджер? Можна просто торгувати самостійно і заробляти, не потрібен менеджер.
Тому він зменшив очікування — дослідник тепер відповідає лише за дослідження конкретних активів і проблем, не шукає можливості і не дає інвестиційних рекомендацій, цим займається менеджер.
Якщо подивитися з іншого боку, приватний менеджер, який потрібен, — це той, хто не входить у «ядро» галузі і не аналізує на папері, а просто слідкує за активами. Такий дослідник у майбутньому цілком може бути замінений AI-агентом.
Епілог
Життя на ринку А-акцій за останні два роки нагадує прискорений режим.
Особливо у першу половину року — багато подій. Минулого року на Великдень Deepseek випустив новий продукт, під час святкових днів у Китаї відбувся різкий податковий тиск, а цього року — масове утримання омарів, і ще до закінчення січня почалася війна на Близькому Сході. Мозок фінансистів постійно перевантажений, і вже важко пригадати, коли був останній «відпочинок без навчання». Навіть у мене, редактора, обчислювальна потужність мозку вже не справляється.
Згадую, що два роки тому, спілкуючись із менеджерами фондів, я часто чув їхні жартівливі фрази, що описують їхній стан — «щодня йду на роботу, танцюючи степ». Але за останні два роки вони вже говорять про «ітерації» у команді, інвестиційних концепціях і галузевих уявленнях без усмішки.
Розвиток AI і швидкість прогресу у галузі змушують нас розуміти, що єдина стратегія — це постійна ітерація, щоб не бути витісненим.
Галузь залишається надто тривожною.
AI не розуміє людської природи і не може передбачити, чи торгує зараз на ринку трьох- чи п’ятиступінчастий похідний індекс; він не може співчувати і зрозуміти, чому хтось тривалий час тримає акції «Три Брати» і «П’ятірка Ойл», чекаючи на розв’язання проблем; він не несе відповідальності і не може вибачитися за збитки у 30%, не пише вибачальні листи і не рефлексує.
Якщо колись AI замінить усіх менеджерів і дослідників, теорія ефективного ринку стане доведеною, і з’явиться вже не буде «альфи», і не буде шансу побачити нового Баффета.
Отже, справжнє питання — що залишиться у майбутньому у сфери управління активами, коли AI візьме на себе збір даних, моделювання і підготовку звітів? Залишиться саме любов до інвестицій, інтуїція щодо невизначеності і причина, чому люди все ще залишаються, — бо їх критикують, що їхні дослідження гірші за AI, і вони все одно залишаються.
Ми не можемо змінити тренд зростання ролі AI, але можемо змінити внутрішню боротьбу і втому від постійної гонитви.
Як у грі «Detroit: Become Human», де гравець має зробити вибір — знищити AI чи підкоритися йому, — так і ми маємо визначити, яку роль відіграють люди і AI.
