Нове Гарвардське дослідження показує, що штучний інтелект може замінити більшість менеджерів взаємних фондів

Алгоритм в офісі на кутку: штучний інтелект перевершує менеджерів людських фондів

Десятиліттями індустрія взаємних фондів давала спокусливу обіцянку: віддайте свої гроші блискучому аналітику, хто витратив 20 років на читання балансових звітів, переглядаючи звіти про прибутки та розвиваючи майже інтуїтивне відчуття ринкової динаміки — і вони перевершать ринок. Ця обіцянка завжди була крихкою. Тепер знакове дослідження Гарвардської бізнес-школи загрожує повністю зруйнувати його. Дослідники виявили, що штучний інтелект може передбачити 71% угод пайових інвестиційних фондів з надзвичайною точністю, піднімаючи питання, яке здавалося б абсурдним п’ять років тому: якщо машина може передбачити, що зробить менеджер фонду, перш ніж він це зробить, за що саме платять інвестори?

Наслідки виходять далеко за межі Уолл-стріт. Це історія про те, що відбувається, коли розпізнавання образів — основна когнітивна навичка будь-якого експерта — стає товаром. І це історія, яку має зрозуміти кожен бізнес-лідер, а не лише фінансовий спеціаліст.

Що насправді виявили Гарвардські дослідження

Гарвардське дослідження навчило моделі машинного навчання на основі багаторічних даних торгівлі, розкриття інформації про фонди та ринкових сигналів. Моделі не просто визначали широкі секторальні тенденції; вони передбачали конкретні портфельні рішення окремих менеджерів фондів — які акції вони купуватимуть, які скоротять і коли. Рівень точності прогнозування в 71% у такій складній і галасливій сфері, як активне управління портфелем, є надзвичайним. Для контексту, модель, що передбачає підкидання монети, була б правильною в 50% випадків випадково.

Що робить це відкриття особливо вагомим, так це те, що воно розкриває основні механізми того, чим насправді займаються багато високооплачуваних менеджерів фондів. Замість того, щоб розгортати по-справжньому нові знання, значна частина активного управління, здається, є поведінкою, керованою шаблонами — реагуючи на ті самі сюрпризи прибутку, ті самі сигнали імпульсу, ті самі макропоказники передбачуваним способом. ШІ не потрібно було розуміти, навіщо менеджеру робити угоди. Він просто навчився розпізнавати умови, за яких вони надійно це зробили.

Це узгоджується з попередніми дослідженнями. У звіті S&P Dow Jones Indices за 2022 рік було виявлено, що протягом 20 років понад 94% активних менеджерів фондів із великою капіталізацією в США мали нижчі показники свого контрольного індексу. Висновки Гарвардського університету додають новий рівень: не тільки багатьом активним менеджерам не вдається перемогти ринок, їхні рішення можуть бути досить механічними, щоб алгоритм міг симулювати — за невелику частку вартості.

Чому 71% передбачуваність – це проблема бізнесу, а не лише фінансова проблема

Фахівці з фінансів можуть виникнути спокуса розглядати це як галузеву кризу. Вони були б неправі. Гарвардське дослідження є точкою даних у набагато ширшій моделі: системи штучного інтелекту стають все більш здатними відтворювати експертні судження в будь-якій області, де рішення приймаються за правилами, які можна засвоїти, навіть якщо ці правила ніде чітко не записані.

Поміркуйте, що спільного між активним управлінням фондами та традиційним управлінням бізнесом. Обидва передбачають збір інформації, виявлення закономірностей, застосування евристик, сформованих досвідом, і прийняття рішень в умовах невизначеності. Якщо штучний інтелект може змоделювати процес прийняття рішень керуючим фондом з точністю 71%, він може правдоподібно змоделювати значну частину рішень, прийнятих операційними менеджерами, директорами з персоналу, керівниками продажів і бізнес-аналітиками — людьми, чий досвід також заснований на розпізнаванні закономірностей і реагуванні на них.

«Загроза для інтелектуальних працівників полягає не в тому, що штучний інтелект повністю замінить людське судження, а в тому, що штучний інтелект замінить ті частини людського судження, які насправді лише відповідають шаблонам. І це виявилося напрочуд великою частиною».

Це не означає, що людський досвід стає марним. Це означає, що природа цінного досвіду змінюється. Менеджери фондів, які виживуть і процвітатимуть, це ті, хто робить щось, що ШІ не може легко відтворити: синте

Frequently Asked Questions

Can AI really predict mutual fund trades better than experienced human managers?

According to the Harvard Business School study, AI models can predict approximately 71% of mutual fund trades with remarkable accuracy. These systems analyze vast datasets — balance sheets, earnings calls, macroeconomic signals — far faster than any human analyst. While that does not guarantee superior returns in every market condition, it strongly suggests AI holds a measurable, structural edge over traditional fund management in pattern recognition and decision consistency.

What does this mean for everyday investors putting money into actively managed funds?

It raises serious questions about whether the premium fees charged by active fund managers are justified. If AI can replicate and potentially outperform their strategies, investors may be better served by algorithm-driven or passive vehicles. This shift also underscores the importance of using smart business and financial tools to manage your own capital more effectively, rather than relying entirely on human intermediaries whose edge is narrowing.

How can small business owners and entrepreneurs use AI to make smarter financial decisions?

Platforms like Mewayz — a 207-module business operating system available at app.mewayz.com for just $19/month — give entrepreneurs access to AI-powered tools that were once exclusive to large enterprises. Rather than outsourcing financial judgment to expensive advisors, business owners can leverage integrated analytics to monitor cash flow, model scenarios, and make data-backed decisions with the same systematic rigor now disrupting Wall Street's fund management industry.

Are there limitations to what AI can currently do in financial markets?

Yes. AI excels at identifying historical patterns and processing structured data, but it can struggle with unprecedented black swan events, geopolitical shocks, or shifts driven by human psychology that fall outside its training data. Human managers still bring contextual judgment, ethical reasoning, and adaptive thinking during extreme market dislocations. The most likely near-term outcome is a hybrid model, where AI handles analysis while humans retain oversight of high-stakes decisions.

Related Posts

• Посібник із розвитку бізнесу власника салону
• Привілей - це погана граматика
• QGIS 4.0
• 3 ознаки того, що на ваших зустрічах є культурні проблеми