数字化固定收益演变的思考

作者： Andrew Chin， Jeff Skoglund

数据科学浪潮已经到来，债券管理者必须调整传统的投资流程，以利用新技术并扩大人才。

随着固定收益投资世界继续从很大程度上模拟的过去转向数字化的未来，投资经理必须考虑如何在整个企业中部署数据科学和人工智能不断增长的力量。有效地整合新兴技术有可能推动更好、更快的洞察和决策，同时充分利用人才。我们分享了我们自己的数字之旅的一些观察结果。

设计卓越中心可以增强投资能力

数据科学可以增强广泛的投资活动，我们认为投资者选择他们想要建立数据科学卓越中心的特定领域非常重要。这些能力需要随着时间的推移而发展，因为该领域持续快速发展。

有效设计和部署的卓越中心可以帮助增强投资能力，与客户分享新见解并更好地相互学习。例如，在 AB 的业务部门中，我们正在增强我们的分销、运营、风险和合规职能。从战略投资的角度来看，我们可以使用数据科学工具来帮助创建和压力测试资产配置，结合不同的假设和客户偏好。

数据科学和创新提供了构建下一代投资平台的能力——这是产生更好的投资业绩和满足客户需求的关键一步。

数据集不断增长……收集和综合数据的需求也在不断增长

在利用数据科学时，收集尽可能多的信息，综合信息以衡量其对决策的影响是一个好方法。近年来，可用数据的来源和数量呈爆炸式增长。为了处理所有这些，我们认为使用“四个 V”来评估数据是有意义的：数量、速度、多样性和准确性——最后一个，因为数据的真实性至关重要。

我们在投资流程中应用的许多数据集都是非结构化的。例如，网络抓取使投资者能够从新闻文章和媒体中查找数据并对其进行处理以指导决策。一种直接应用是直接从网络获取数据来评估美国各州和城市的财政健康状况，从而深入了解其信用度。例如，我们在当地学校和学院的网站上搜索了有关学生入学率和毕业率的数据，这些数据可以表明社区是否繁荣。这种类型的非结构化数据并非来自供应商，可以产生独特的见解，帮助我们更好地了解风险和评估证券——这对于信贷和股权投资都至关重要。

将传统数据集与非结构化数据相结合可以带来更好的见解。例如，分析师可以在高度微观的层面上评估经济，仔细审查各个购物中心等方面，以绘制趋势，包括消费者购买或房地产交易。这些总体结果可以映射到房地产和证券的价格以及投资组合属性。与Excel电子表格的劳动密集型时代相比，数据科学正在推动更多、更快、更准确、更强大的洞察。

基础研究和定量研究均可受益

数据科学在改善基础研究和定量研究方面具有很大的潜力，这对我们来说有很大的吸引力。基本面分析师可以使用数据科学工具，通过更深入地了解特定信用问题的基本情况来寻求更好的见解。人工智能揭示的新维度，如果能够通过分析师的人类专业知识和经验进行有效解释，可能会导致更好地理解真正推动发行人的因素。

数据科学也可以为定量研究带来新的见解。例如，从历史上看，我们需要长时间的数据历史来验证趋势，但人工智能可以通过使用更具横截面的分析，在更短的时间内有效地实现这一点。结合正确的数据科学技术可以使用人工智能微调现有的专有方法，使其更加有效。这与向 ChatGPT 等工具提出直接、无差别的问题以期获得持久的见解形成鲜明对比。

投资者需要灵活地将数据科学应用于分析，因为那些被分析的人越来越意识到他们处于显微镜下。自然语言处理（NLP）就是一个很好的例子。它现在经常被用来分析公司收益报表，我们发现公司首席执行官正在仔细选择他们的措辞和措辞，以便在投资者的分析中表现出更加乐观的态度。这就是为什么我们更喜欢关注分析师情绪指标，我们发现随着时间的推移，这些指标提供了更稳定、更强的信号。

人工智能驱动的流程可以更好地利用人才

数据科学正在从根本上改变投资流程，这不仅使投资流程变得更快、更高效，而且能够更好地利用人才。

它可以用于数字化和集成通常耗时的线性投资方法中的步骤，从研究到审查、投资委员会批准、订单构建和交易。正如我们所看到的，创建数字研究中心是至关重要的第一步。由于债券市场高度分散，识别流动性的工具也至关重要。虚拟聊天机器人助手可以立即将研究和流动性见解整合到推荐交易中。

数据科学带来的时间节省和效率是显而易见的。考虑决定哪些新债券发行符合客户投资组合的条件。新刊有很多，提供的备忘录长达100页。可以读取文档并将预定标准应用于文档的流程使分析师能够专注于人工智能发现和关键段落，并根据他们的专业知识提出建议。这可以节省分析师 50%–70% 的时间，使他们能够访问两倍或三倍数量的新问题。

我们认为，自动化投资流程中更常规的部分，并通过增强的定量和基础研究来武装投资组合团队，可以根据人类的洞察力做出更好的决策，并为人类提供更多的空间来制定这些决策。这一角色始终至关重要，因此人类专家仍然需要掌控投资流程并对其负责。

对人类洞察力的关注适用于传统的固定收益产品，投资组合经理直接选择青睐的证券。它还适用于系统产品，投资组合经理创建一个预测因素库，机器学习过程将其应用于选定的证券。

随着人类和人工智能应对新挑战，人才需求不断变化

数据科学不会改变的一件事是需要具有强大投资敏锐度的固定收益分析师和投资组合经理。投资世界是如此复杂、多样且难以预测，因此这些人类技能和属性将仍然受到需求。投资策略在如何在投资组合中配置资本方面仍然必须具有直观、逻辑的意义。至关重要的是，人工智能应该仍然是增强人类决策的工具集，而不是取代它，而人类专家必须保留投资决策的所有权。

但随着数据科学的不断发展，所需的技能正在发生变化。对于新一代固定收益投资者来说，编码能力将成为赌注，就像上一代投资者的赌注是强大的 Excel 技能一样。与内部数据科学家和技术专家密切合作的能力也将成为帮助组织充分利用数据科学和人工智能的关键属性。

这项工作将包括开发将人工智能融入投资流程的新方法。我们认为，开发能够增强场景分析的人工智能工具将是一个巨大的机会。还需要做更多的工作，但我们预计机器最终可以学习对通货膨胀等经济变量甚至私人债务等资产进行建模，从而使人类专家能够做出更明智、更快速的投资和分配决策。

我们还认为定制可能会成为未来的另一个主要焦点。从历史上看，定制客户投资组合的任务一直是一个劳动密集型的过程。但对于能够开发有效且高效的数字化流程的投资经理来说，人工智能将提供更强大的能力，以经济高效的方式为客户提供定制解决方案。这些只是我们在利用数据科学不断增长的力量追求更好结果的旅程中看到的一些途径。

本文表达的观点不构成研究、投资建议或交易建议，也不一定代表所有 AB 投资组合管理团队的观点。视图可能会随着时间的推移而修改。