对冲基金在人工智能天气预报上押下重注

有句话说：“每个人都在谈论天气，但没有人对此采取任何行动。” 新技术可能不会在控制天气方面取得任何进展。 然而，人工智能正在帮助少数人更好地理解它并从知识中赚钱。

风险投资公司正在与软件工程师合作，培训人工智能驱动的机器学习系统（AIML），以在关键行业领域提供竞争优势。 其中最有前途的是天气预报。 此外，对冲基金正在利用这些系统来更好地识别其投资组合中与天气相关的风险——无论是预测区域柑橘收成还是管理电网的能源。 取得超越竞争对手的优势可能价值数百亿美元。

朱莉·普伦是合伙人 螺旋桨风险投资公司，一家专门从事海洋和气候技术开发业务的风险投资公司。 她正在组建团队来使用 AIML 技术，使组织能够根据其商业或科学需求定制预测。 此类系统可以使用专有且独特的数据源来进行目前政府无法提供的集中且精确的短期和长期天气预报。

作为哥伦比亚大学地球研究所的研究科学家、美国国家海事安全中心前负责人，Pullen 已踏入风险投资领域，运用她的气象学、海洋学和气候科学知识来训练 AIML 系统。

普伦说：“我看到很多公司都是围绕数据科学家团队组建的，目的是利用人工智能来改进天气预报。” 谷歌 GraphCast, Huawei Pangu， 和 Nvidia FourCastNet。 “这个领域有很多竞争。 我的团队正在努力让各个学科和行业的人们更深入地了解地球的大气层和海洋。”

对冲基金不仅是天气信息的热切客户，而且也是天气信息的热切客户。 他们在使用它来改进其投资组合（或不改进）方面相对成功，这是验证 AIML 算法的绝佳方法。

为投资者定制的预测

直到最近，天气预报还是一个高端计算问题，只有美国国家气象局或欧洲中期天气预报中心等政府机构才能解决。 此外，天气预报需要许多传感器（卫星、地面站、飞机、海洋浮标和其他来源）来为模型提供信息。

尽管预测在近几十年来取得了长足的进步，但政府服务提供商的稀缺性（尽管它们很可靠）意味着每个人基本上都可以获得相同的数据。 这对于计划一天的人们来说非常有用，但对于命运取决于大气条件的公司来说，它并没有提供竞争优势。

天气是一个有价值的行业，因为每个人都需要某种程度的相关信息。 随着主要数据源的同质化，我们有机会为特定用户定制预测，然后将其应用到他们的活动中。

例如，IBM 于 2015 年收购了 Weather Company 业务，将该公司的资产与自己的数据分析、演示和 Watson AI 工具整合在一起。 8月，IBM签署出售协议 天气公司 私募股权公司Francisco Partners。 不过，IBM 表示将继续提供软件支持和开发。 但此类收购或合作也有其局限性：原始数据的来源本质上与其他人获得的数据相同——主要来自政府机构。

卫星、雷达、地面站和海洋传感器将数据输入政府支持的大型预报服务计算系统，该系统使用地球上一些最复杂的软件系统对数据进行分析。 大气是一种巨大的流体，没有什么比流体更难建模的了。 政府气象服务提供的信息需要改进的领域之一是，处理复杂模型所需的大量计算能力将预报数量限制在每天几次。

据一位专家称，经过训练的 AIML 系统可以更快、更准确地基于模式识别过程进行计算。 研究发表在《科学》杂志上。 另一个优点是 AIML 能够接收各种非结构化和自定义数据集，包括文本文档、照片、音频、视频和其他非机器识别格式的来源。 关键在于培训：专家教人工智能识别历史数据源中的模式和读数，根据需要格式化非结构化数据。 这些可能来自政府气象服务、科学研究，甚至数百万年前的化石和古海洋学（例如，北极冰或深海泥的核心样本）。

利用人工智能扩展风险评估

Julie Pullen 表示，AIML 平台的广泛承受能力意味着单个系统可以在广泛的特定任务中进行训练，并向越来越多的来源开放，为他们的分析提供信息。

“风险投资正在这个领域积极下注，”普伦说。 “获得这些押注反馈的最佳方式之一是使用这些工具时从对冲基金行业那里获得反馈。 这是科学与金融的交叉点，展示了一系列时间尺度的预测价值。”

她指出，AIML 的可训练、可定制功能使对冲基金经理能够通过精细的区域细节来查看非常具体的天气条件。 基金可以在几周、几个月甚至几年的时间范围内更好地预测热浪和干旱等极端天气事件。 这些预测对基金经理的押注产生影响。 然后他们可以获得模型的快速反馈，查看较短时间范围内的结果。

洛杉矶对冲基金定量分析经理 Harun Dogo 表示 TCW，广泛使用的天气模型信息丰富。 但它们使得持有某些商品的头寸变得昂贵，因为每个人都会得出相同的结论。 这些广泛持有的头寸也伴随着不同程度的风险，不仅因为它们价格昂贵，还因为在某些时候，与天气相关或地缘政治有关的意外事件会介入，破坏常识并破坏市场稳定。 诀窍在于能够及时对流行的智慧进行押注，并做出正确的判断。

“人工智能，实际上是机器学习，是一种对市场模式进行分类并利用该信息来优化定位的方法，”多戈说。 “您认为预期的波动性是多少？ 机器学习算法可以帮助您识别您甚至不知道自己存在的风险，以及其他定量分析师可能错过的风险。”

例如，世界已经从太平洋上的拉尼娜天气周期转变为改变全球降雨模式的厄尔尼诺周期。 从事软商品（例如可可期货）、能源甚至采矿业的基金将考虑这些预测模式如何影响包含这些行业的投资组合。 然而，每个人都有这个信息。 多戈表示，AILM 提供了在较短的时间范围内观察非常具体的地点的机会，并辨别拉尼娜-厄尔尼诺时期历史模型未涵盖的模式。

“所以，实际上，问题是，AIML 支持的气候或天气数据集为您思考特定资产定价走向的能力添加了哪些新信息？” 多戈说。 “多么不稳定 [is it] 将会是什么，以及在特定时间范围内持有它的潜在缺点是什么。”

TCW 与第三方合作伙伴合作接收 AIML 信息以补充其分析活动。 在技​​术发展的目前阶段，尚不清楚拥有内部能力是否值得花费时间或资源。 在一月， Nvidia 宣布与数据中心运营商 Equinox 达成协议 为企业客户提供人工智能和机器学习系统。 该领域仍处于起步阶段，AIML 作为第三方服务更好还是作为内部专有工具更好的问题尚未得到解答。

据报道，对冲基金 Citadel 对科学家和计算机工程师进行了大量投资，以开发内部预测工具，以赋予其商品交易的竞争优势，尤其是在能源领域。 去年， 英国《金融时报》报道 天气团队帮助该公司在 2022 年赚取了 160 亿美元，成为最成功的对冲基金。 该团队做出的预测主要针对原材料贸易机会最有希望的地区的情况。

对冲基金反映科学研究人员

可以在小型台式计算机网络上运行的 AIML 系统的出现正在扩大私人天气预报的范围，为气象学家开辟了一条新的专业道路。 网站 eFinancialCareers.com 说 气象学家正在成为热门工作机会 在对冲基金工作，最高年薪超过 100 万美元。

从 Pullen 的角度来看，对冲基金非常适合作为 AIML 系统开发的推动者以及此类系统的分析和预测的验证者。 她在 Propeller 的团队对作为客户的对冲基金并不特别感兴趣：其使命是培育改善海洋和气候条件的技术。 然而，普伦专注于 AILM 系统在更好地了解地球海洋和天气动态方面的巨大潜力。 碰巧的是，对冲基金也很重视这些信息，并为该技术提供了绝佳的试验场。

虽然对冲基金是出了名的秘密组织，并且不愿意公开分享其竞争优势，但它们对使用来自各种来源的非结构化数据的要求反映了科学界的要求。 科学与更好的财务回报的融合是证明 AIML 算法的强大动力。

旧金山对冲基金的戈登·古尔德 数字 正在开发一种 AIML 模型，该模型利用数据科学家提供的信息来预测股票市场。 该基金根据订阅者的数据在使算法预测市场走势方面的表现来向订阅者支付费用。 数据赚钱最多的提供商获得最好的回报。 这种动态数据验证对于更好地训练 AIML 系统非常宝贵。

人工智能开启新的业务理解

整合和分析非结构化数据的能力将是 AIML 系统之间的区别。 这就是竞争优势所在。 这也是我们更好地了解快速变化的世界的方式。

对于对冲基金和其他渴望从多个来源获取详细信息的用户来说，纳入政府服务预测并提供私人天气服务的可靠、常规数据来源将不够。 Julie Pullen 补充道，这也不足以开发突破性的 AILM 系统，以更好地了解地球及其大气和海洋。

“这些数据集没有被纳入你想要的顶级预测中，”她说。

主流预测不一定是由科学家获取的数据集，例如，科学家可能会外出进行研究巡航，在船舷上放置传感器，或者 释放气象气球 离开甲板。 商船和飞机在执行日常业务时进行的大量观察可能很有价值。 私营公司正在进入仪器仪表业务，包括卫星。

Pullen 表示，构建出色的 AILM 系统面临的部分挑战是识别独特的数据源，然后提供将这些信息纳入模型的途径。 这些数据不仅会以多种格式到达，而且可能并不总是从一个预测到下一个预测可用。 客户既需要可靠性又需要独特性。

“数据可能有点古怪，”她说。 “有时是 [something] 埋藏在太平洋深处的泥土中，它告诉我们某个时间点的温度是多少。 来源可能非常非结构化。”