Who pengadopsi paling awal dari teknologi baru? Barang-barang mutakhir cenderung mahal, artinya jawabannya seringkali sangat kaya. Pengadopsi awal juga cenderung diberi insentif oleh persaingan ketat untuk melihat melampaui status quo. Dengan demikian, mungkin tidak ada kelompok yang lebih mungkin mengambil alat baru selain industri dana lindung nilai yang sangat kaya dan sangat kompetitif.
Browser Anda tidak mendukung elemen
Aturan ini tampaknya berlaku untuk kecerdasan buatan (ai) dan pembelajaran mesin, yang pertama kali digunakan oleh dana lindung nilai beberapa dekade yang lalu, jauh sebelum hype baru-baru ini. Pertama datang “quants”, atau investor kuantitatif, yang menggunakan data dan algoritma untuk memilih saham dan menempatkan taruhan jangka pendek di mana aset akan naik dan turun. Two Sigma, dana quant di New York, telah bereksperimen dengan teknik ini sejak didirikan pada tahun 2001. Man Group, perusahaan Inggris dengan cabang quant yang besar, meluncurkan dana pembelajaran mesin pertamanya pada tahun 2014. aqr Capital Management, dari Greenwich, Connecticut, mulai menggunakan ai di sekitar waktu yang sama. Kemudian datang sisa industri. Pengalaman hedge fund menunjukkan aiKemampuannya untuk merevolusi bisnis—namun juga menunjukkan bahwa butuh waktu untuk melakukannya, dan kemajuan itu dapat diinterupsi.
Ai dan dana pembelajaran mesin tampak seperti langkah terakhir dalam pawai robot. Dana indeks murah, dengan saham yang dipilih oleh algoritme, telah membengkak ukurannya, dengan aset yang dikelola melampaui dana aktif tradisional pada 2019. Dana yang diperdagangkan di bursa menawarkan paparan murah untuk strategi dasar, seperti memilih saham pertumbuhan, dengan sedikit kebutuhan keterlibatan manusia. Dana andalan Renaissance Technologies, pakaian quant pertama, didirikan pada tahun 1982, memperoleh pengembalian tahunan rata-rata 66% selama beberapa dekade. Pada tahun 2000-an kabel cepat memunculkan pembuat pasar frekuensi tinggi, termasuk Citadel Securities dan Virtu, yang mampu memperdagangkan saham dalam nanodetik. Pakaian quant yang lebih baru, seperti aqr dan Two Sigma, mengalahkan pengembalian manusia dan melahap aset.
Pada akhir 2019, algoritme otomatis mengambil kedua sisi perdagangan; lebih sering pedagang frekuensi tinggi berhadapan dengan investor besar, yang telah mengotomatiskan proses investasi mereka; algoritma mengelola sebagian besar aset investor dalam dana indeks pasif; dan semua hedge fund terbesar dan tersukses menggunakan metode kuantitatif, setidaknya sampai taraf tertentu. Jenis tradisional menyerah. Philippe Jabre, seorang investor bintang, menyalahkan model terkomputerisasi yang telah “tanpa terasa menggantikan” aktor tradisional ketika dia menutup dananya pada tahun 2018. Sebagai hasil dari semua otomatisasi ini, pasar saham menjadi lebih efisien dari sebelumnya. Eksekusi sangat cepat dan hampir tidak ada biaya. Individu dapat menginvestasikan tabungan untuk sebagian kecil dari satu sen dolar.
Pembelajaran mesin menjanjikan hasil yang lebih besar. Cara seorang investor menggambarkannya adalah bahwa investasi kuantitatif dimulai dengan hipotesis: momentum, atau gagasan bahwa saham yang naik lebih cepat daripada indeks lainnya akan terus melakukannya. Hipotesis ini memungkinkan masing-masing saham diuji terhadap data historis untuk menilai apakah nilainya akan terus meningkat. Sebaliknya, dengan pembelajaran mesin, investor dapat “memulai dengan data dan mencari hipotesis”. Dengan kata lain, algoritme dapat memutuskan apa yang harus dipilih dan mengapa memilihnya.
Namun kemajuan besar otomatisasi tidak berlanjut tanpa henti—manusia telah melawan balik. Menjelang akhir 2019 semua broker ritel besar, termasuk Charles Schwab, e*berdagang Dan td Ameritrade, memangkas komisi menjadi nol dalam menghadapi persaingan dari pendatang baru, Robinhood. Beberapa bulan kemudian, didorong oleh kebosanan pandemi dan cek stimulus, perdagangan ritel mulai melonjak. Ini mencapai puncaknya pada bulan-bulan awal tahun 2021 yang hiruk pikuk ketika para pedagang hari, berkoordinasi di media sosial, menumpuk saham yang tidak disukai, menyebabkan harga mereka melonjak lebih tinggi. Pada saat yang sama, banyak strategi kuantitatif tampak macet. Sebagian besar kuant berkinerja buruk di pasar, serta dana lindung nilai manusia, pada tahun 2020 dan awal 2021. aqr menutup segelintir dana setelah arus keluar yang terus-menerus.
Ketika pasar berbalik arah pada tahun 2022, banyak dari tren ini yang berbalik arah. Pangsa perdagangan ritel turun kembali karena kerugian menumpuk. Quants kembali dengan sepenuh hati. aqrdana berjalan terlama menghasilkan 44% kekalahan, bahkan saat pasar turun 20%.
Zigzag ini, dan peran robot yang semakin berkembang, menjadi pelajaran bagi industri lain. Yang pertama adalah manusia dapat bereaksi dengan cara yang tidak terduga terhadap teknologi baru. Menurunnya biaya eksekusi perdagangan tampaknya memberdayakan mesin investasi—sampai biaya menjadi nol, yang pada saat itu memicu kebangkitan ritel. Bahkan jika pangsa perdagangan ritel tidak mencapai puncaknya, itu tetap tinggi dibandingkan dengan sebelum 2019. Perdagangan eceran sekarang merupakan sepertiga dari volume perdagangan saham (tidak termasuk pembuat pasar). Dominasi opsi saham mereka, sejenis taruhan derivatif pada saham, bahkan lebih besar.
Kedua, tidak semua teknologi membuat pasar lebih efisien. Salah satu penjelasan untuk aqr’s periode kinerja rendah, kata Cliff Asness, salah satu pendiri perusahaan, adalah bagaimana penilaian menjadi ekstrim dan berapa lama “gelembung dalam segala hal” bertahan. Hal ini sebagian mungkin disebabkan oleh terlalu bersemangatnya investor ritel. “Mendapatkan informasi dan mendapatkannya dengan cepat tidak berarti mengolahnya dengan baik,” kata Mr Asness. “Saya cenderung berpikir hal-hal seperti media sosial membuat pasar lebih sedikit, tidak lebih, efisien…Orang tidak mendengar kontra-opini, mereka mendengar opini mereka sendiri, dan dalam politik hal itu dapat menyebabkan kegilaan yang berbahaya dan di pasar yang dapat menyebabkan beberapa tindakan harga yang sangat aneh.
Yang ketiga adalah robot membutuhkan waktu untuk menemukan tempatnya. Dana pembelajaran mesin telah ada selama beberapa waktu dan tampaknya mengungguli pesaing manusia, setidaknya sedikit. Tetapi mereka belum mengumpulkan aset yang besar, sebagian karena mereka sulit dijual. Lagi pula, hanya sedikit orang yang memahami risiko yang terlibat. Mereka yang mengabdikan karir mereka untuk pembelajaran mesin sangat menyadari hal ini. Untuk membangun kepercayaan, “kami telah berinvestasi lebih banyak dalam menjelaskan kepada klien mengapa menurut kami strategi pembelajaran mesin melakukan apa yang mereka lakukan,” lapor Greg Bond dari Man Numeric, unit kuantitatif Man Group.
Ada suatu masa ketika semua orang mengira para quant telah mengetahuinya. Itu bukan persepsi hari ini. Ketika datang ke pasar saham, setidaknya, otomatisasi belum menjadi peristiwa pemenang-mengambil-semua yang ditakuti banyak orang di tempat lain. Ini lebih seperti tarik ulur antara manusia dan mesin. Dan meski mesin menang, manusia belum melepaskannya. ■
Untuk analisis ahli lebih lanjut tentang kisah terbesar di bidang ekonomi, keuangan, dan pasar, daftar ke Money Talks, buletin khusus pelanggan mingguan kami.
