Generative AI Can’t Generate Alpha… But Machine Learning Can | Pictet’s David Wright

David Wright는 의사결정 나무(decision trees)와 그래디언트 부스팅(gradient boosting)을 활용한 Pictet의 머신러닝 투자 프로세스를 생성형 AI와 대조하여 설명합니다. 그는 베타 1 위험 수준에서 연 1~2%의 알파 수익을 목표로 하는 두 개의 ETF(PQNT, PQUS)에 대해 자세히 설명합니다. 또한 대화에서는 효율성 개선으로 인해 AI 인프라 지출 기대치가 과도하게 부풀려졌다는 점도 언급됩니다. - Pictet은 400개 이상의 특성을 활용한 그래디언트 부스팅 의사결정 나무를 사용하여 20일간의 주가 수익률을 예측합니다. - 생성형 AI는 환각 현상과 룩어헤드 편향(look-ahead bias) 문제로 인해 알파 창출 수단에서 배제됩니다. - PQNT(MSCI EAFE 벤치마크)와 PQUS(S&P 500 벤치마크)는 1~2%의 초과 수익을 목표로 하는 패시브 대체 상품으로 설계되었습니다. - 모델은 3개월마다 재학습되며 가격 추세, 회계 변경, 애널리스트 수정치, 캘린더 효과 등의 특성을 사용합니다. - 포트폴리오 구성은 베타 1을 유지하며 위험이 통제된 액티브 포지션을 취합니다. - Wright는 모델 학습의 효율성 개선을 근거로 AI 칩과 클라우드에 대한 막대한 지출 예상치에 대해 회의적인 입장을 표명합니다. - 해당 전략은 미국 ETF 출시 전 유럽에서 2~3년간 운용되었습니다.