多年来，经验丰富的资产管理公司凭借并非来自证券交易所等传统市场来源的独特情报而获得了优势。现在，优势在于他们自己的公司内部。
得益于来自汇总信用卡收据、手机跟踪的零售客流量以及农田卫星图像的所谓替代数据，对冲基金和其他机构能够更好地预测季度收益和大宗商品价格。
然后，这些来源在资产管理领域得到如此广泛的使用，以至于它们成为赌注而不是差异化因素。因此，资产管理公司投入资源寻找新的、鲜为人知的数据源，这可能有助于他们击败街对面的同行。
现在，大型语言模型的兴起进一步削弱了这一优势。随着顶级基金通过人工智能获取尽可能多的公开数据，投资者表示，下一个跑赢市场的优势将来自于搜索自己的研究、通信和历史决策，以获取竞争对手无法获取的信号。
周二，贝莱德 (BlackRock) 定量研究副总裁雅各布·鲍尔斯 (Jacob Bowers) 在纽约 Future Alpha 会议的一个小组上表示，人工智能“非常擅长构建非结构化数据”，“一些最好的非结构化数据是内部数据”。
他说，曾经处于前沿地位的公开数据现在已被人工智能“商品化”。他表示，拥有 14 万亿美元资产的全球最大资产管理公司贝莱德 (BlackRock) 已经将其内部代理人转向内部，以在投资专业人士过去的沟通和旧的机会报告中寻找潜在的投资信号。
长期运营的资产管理公司的数据金矿是众所周知的。咨询公司 Opimas 2019 年的一份报告称，预计基金最终将出售部分数据以产生额外收入，经营基金中基金的前文艺复兴科技公司董事总经理罗伯特·弗雷 (Robert Frey) 当时告诉《商业内幕》，他的前雇主最大的优势是其在数十年交易中收集的“海量数据库”。
人工智能使基金更容易利用这一潜在的阿尔法来源。
Balyasny 专注于 alpha 捕获的量化分析师 Andrew Gelfand 在 Future Alpha 会议上表示，该公司此前曾尝试将公司系统内的非结构化数据货币化，但最近人工智能的进步使这项任务更加富有成效。
盖尔范德表示，这家市值 330 亿美元的公司要求分析师将他们的研究和笔记输入到他的团队可以访问的门户网站中，从而为人工智能提供大量文本来筛选潜在的投资信号。
这种类型的内部挖掘需要的是供人工智能学习的一流数据；换句话说，就是经验丰富的投资者在游戏中的想法和过程。
虽然基金拥有的内部数据可能比任何人一生中处理的数据都要多，但人工智能代理不断需要更多信息来跟上不断变化的世界和不断发展的市场。
“你需要高质量的原料，”在 Engineers Gate 管理着一个混合基础投资和系统投资团队的迈克·戴拉马尼 (Mike Daylamani) 在会议上说道，他指的是宽客用来构建模型的数据源。
“归根结底，这是一项创造性的努力，”他在谈到一般投资时补充道。
