著者：元川投資評論
アントロピック社が最近発表した失業率報告は、金融業界の専門家たちに衝撃を与えた。
報告書によると、金融業界における雇用代替率は94%と、全職種の中で2番目に高いものの、現在の実際の代替率はわずか28%にとどまっており、今後の成長に大きな可能性を秘めている。幸いなことに、30%の職種はほとんど影響を受けておらず、金融業界の専門家は、皿洗いや配管工といった職種への転職も検討できる。
金融業界に長く身を置くと、不安が生じる可能性がある。金融専門家は常に他者と比較される世界に生きており、売上目標や業績ランキングが日々重くのしかかる。そして、学び続けなければ、不安感が募るのだ。
例えば、春節休暇後、金融証券保管振替機構（FSDC）が職場に戻ったとき、彼はまだチャットボットと会話をしていたが、隣のテーブルに座っていた同僚のシャオ・デンはすでにロブスターを8匹も育てており、原油価格の変動について熱く議論していた。
金融業界は、手動注文からアルゴリズム取引、オフラインの銀行販売からオンライン販売に至るまで、効率性を否定したことは一度もない。しかし今回は、AIは非効率な金融ツールを置き換えるのではなく、それらのツールの背後にいる非効率な人々を置き換えることになる。結局のところ、金融業界で最もコストがかかるのは人件費であり、資産運用会社の利益は、より少ない人員でより多くの資金をいかに運用するかにかかっているのだ。
その結果、プライベートエクイティ企業は高度な生産手法を取り入れるようになった。例えば、Diewei Asset Managementは24時間365日稼働する「デジタルリサーチャー」の育成方法を教えるオンライン講座を提供し、Mingxi CapitalはManusを使って配当指数の宣伝用リーフレットを自動生成し、そのレイアウトは雑誌時代の洗練されたデザインに匹敵するものとなった。顧客もより慎重になり、ファイナンシャルアドバイザーが人気のプライベートエクイティ企業を勧めた直後に、Doubaoにその企業を買うべきかどうかを尋ねるようになった。
プライベートエクイティ業界は徐々にデトロイトのような時代に突入しつつあり、投資調査、運営、営業といった成熟したサプライチェーンのあらゆる段階で既に人員交代が始まっている。
給与対トークンコスト
競争が激しく、運営コストが高く、アルファ（市場平均を上回る収益）の獲得がますます困難になっている環境において、一人当たりの効率性比率は、プライベートエクイティのマネージャーたちが毎晩寝る前に最適化しようと頭を悩ませる指標である。
プライベートエクイティ業界のサプライチェーンにおいて、アナリストの給与は一般的にかなり高い。Mulifangのデータによると、定量分析を行う株式アナリストの年収は通常80万元から150万元である。主観分析を行うアナリストの給与はそれよりやや低いが、時折、驚くほど高額なインセンティブが支給されることもある。例えば、年初には、数百億元もの資産を運用する主観分析アナリストが、Nvidia株を推奨したことで、年末に2000万元以上のボーナスを受け取った。
プライベートエクイティ企業がAIを活用した投資調査をうまく活用できれば、数千万ドルものコスト削減が可能になる。24時間365日稼働できれば、生産性を向上させながら時給を削減できる。AIは、出張費、残業代、交通費、食事手当など、本来であれば経営者の収入から差し引かれるはずの費用を一切負担しない。
資産運用分野において、あらゆる技術革新は「効率性の向上」と「コスト削減」という2つの言葉に集約される。プライベートエクイティのマネージャーは、AIが本当に人間のように思考できるかどうかには関心がない。彼らが気にするのは、仕事が確実に完了するかどうかだけだ。
これに対し、ハワード・マークスは計算してみた。もしその分析結果が研究助手として年間20万ドルの給与に相当する額を生み出すのであれば、給与を支払う側にとっては、それが真摯な思考によるものか、単なるパターンマッチングによるものかは問題ではない。重要なのは、その研究が実用的な価値を持つほど信頼できるかどうかである。
春節休暇明け、8つの証券会社の金融調査チームは共同で「ザリガニ養殖」のチュートリアルを公開し、人間の研究者がザリガニに置き換えられるプロセスを加速させた。彼らはOpenClawをテストし、人間のように積極的に調査結果を生成できることを発見した。
金門アプリでは、OpenClaw Financial Engineeringによる「OpenClaw：初心者からエキスパートへ」と題したロードショーが4,839回再生されました。中国東北地方の徐建華氏は、投資調査の効率を10倍に高める20のスキルを推奨しました。Founder Securitiesの曹春暁氏は、ロブスターを使ってPB-ROE戦略、カップアンドハンドルパターン銘柄選択戦略、完全自動化されたファクターマイニングとバックテストを再現しました。
これは恐ろしいことだ。まるでバフェット、オニール、シモンズのスキルを同時に習得するようなものだ。
学ぶことが大好きなトレーダー
売り手は科学を普及させるために懸命に努力し、買い手も非常に積極的に学んだ。北京のあるプライベートエクイティ会社は、メインマシンが汚染されることを恐れ、投資調査スタッフ全員に新しいコンピューターと5万元のトークンの補助金を与え、そのトークンはロブスターの養殖に特化して使用された[1]。
雪丘資産管理の楊新斌氏は、2体のロブスター型AIエージェントを育成した。彼は、毎日人間と話すよりもAIと話す時間の方がはるかに長いと語った。彼が育成したAIエージェントは、熟練した定量分析担当者が6ヶ月かけて行う作業を2日間でこなすことができ、さらに大きな潜在能力を秘めている可能性もあるという。
秦源資本のポール・ウー氏は、AIを様々な部門に徐々に導入している。彼は、AIが一部の業務においてクローズドループ処理を完了させ、自律的に動作し、反復的な改善を行うことができると考えている。近い将来、同社の費用はAppleのアナリストAIエージェントの購入と維持、そしておそらくはポールという名前のポートフォリオアドバイザーの購入と維持になるだろうと彼は予測している。
これまで、多くのプライベートエクイティ企業は、投資調査・開発部門の疲弊に悩まされてきた。研究者はファンドマネージャーの能力不足を、ファンドマネージャーは研究者の無能さを、それぞれが抱える問題だ。しかし、OpenClawの登場は、プライベートエクイティ企業のオーナーに全く新しい可能性を初めて示した。もはや、平凡な研究者と繰り返し仕事をするという内部摩擦に耐える必要も、優秀な研究者が高額な報酬を提示する競合他社に引き抜かれる心配をする必要もなくなったのだ。
特性という点では、ロブスターはファンドマネージャーが研究者に求める理想的な期待をすべて満たしている。休日もサボることもなく24時間体制で働き、長期記憶力があり、重要なデータを流暢に暗唱でき、絶対的な忠誠心と従順さを持ち、独自のコア戦略を持つ独立した会社を設立せず、そして、自身の経路依存性に固執し、時代の流れに取り残された老研究者の鄧氏とは異なり、常に自己改善を続けている。
将来、シリコンベースのトークンのコストが炭素ベースの給与のコストよりもはるかに低くなるとしたら、プライベートエクイティの大物たちは、従順で使いやすく、訓練可能なAI研究者を拒否できるだろうか？
代替品はロブスターだけが理由ではない
プライベートエクイティ企業はトークンコストに見合う価値があるかどうかを検討中だが、大手クオンツトレーディング企業は自社構築のコンピューティングインフラのおかげで、既にトークンコストを極めて低い水準にまで抑え込んでいる。しかし、こうした人気急上昇にもかかわらず、彼らは異例なほど冷静さを保っている。
「定量取引コミュニティにとって、OpenClawは未完成のおもちゃに過ぎない」と、上海の著名な定量トレーダーは私に語った。その意義は、主観的な機関投資家や個人投資家にとって技術的なハードルを下げ、大規模モデル企業の巨額の初期インフラ投資に対する明確なコスト回収経路を提供することにあるが、定量投資の本格的な生産環境にとってはほとんど意味がない。
別の著名な定量アナリストは、さらに率直にこう述べている。「OpenClawは金融界におけるねずみ講のような存在だ。その無秩序性、体系性の欠如、そしてセキュリティの低さは、定量取引システム全体に計り知れない不確実性をもたらしている。」
OpenClawは定量取引業界では最先端の技術とは見なされておらず、XunTu Technologyの崔玉春氏はそれについて心配する必要はないと考えている。
Lobsterのエージェント最適化機能やツール利用機能（研究用ブラウザ、論文作成ツール、データ分析ツールなど）は、ManusやKimiといったエージェントに比べて著しく劣ります。プログラミングの知識がない研究者の場合、導入と運用開始までに5～10時間かかり、ほとんどのタスクで60点以上のスコアを獲得できません。
個人投資家が中国株分析スキルを使って銘柄を選ぶとき、まるで新しい世界が開けたかのようだ。定量取引はマルチエージェントプラットフォームを構築し、より豊富なエージェント群を活用して個人投資家を圧倒している。しかし、この強力なシステムの運用には、必ずしもより多くの人間が必要なわけではない。
従来の定量投資調査システムは、データクリーニング→ファクター計算→モデル予測→ポートフォリオ最適化というパイプライン構造を採用するのが一般的です。AI時代の到来に伴い、海外の一流定量投資グループなど一部の機関は、これを役割分担→ツール活用→ワークフロー設計というシステムに簡素化しました。標準化された反復作業は徐々にAIエージェントに置き換えられ、研究者がファクター計算の作業に追われる必要がなくなりつつあります。
例えば、Xiyueが出資するApollo AI Multi-Agent Systemは、投資調査、データ、取引、運用など、さまざまな側面にAIエージェントを組み込んでいる。創業者である周欣氏は、これを「AI従業員が700人か800人増えたようなものだ」と表現している。
SF映画に出てくるような定量的な「無人工場」が圧倒的な力で先行し、個人投資家がOpenClawを使って情報格差を縮小しようとする中で、効率性のギャップの中間に位置する主観的なファンドマネージャーは、非常に厄介な立場に置かれている。彼らは研究者が苦労して生み出した情報を見ているものの、上からは定量的な定量化に攻撃され、下からは個人投資家から圧力をかけられている。彼らは必然的にAIのFOMO（取り残されることへの恐怖）に陥ってしまうのだ。
春節の期間中、私は深センに拠点を置く大手ファンドマネージャーの年次報告書を読みましたが、その報告書には、ファンドマネージャーがリサーチアナリストに対して過度に高い期待を抱いていることを嘆く内容が書かれていました。
ファンドマネージャーは、リサーチャーが市場動向に敏感で、機会を迅速に特定し、同業者に先んじた調査と判断を提供することを期待しています。さらに、常に「インナーサークル」の一員であることも求められます。もしリサーチャーがこれほどのレベルの仕事ができるのであれば、なぜファンドマネージャーが必要なのでしょうか？自分で株式取引をして大金を稼げるのに、なぜファンドマネージャーの下で働く必要があるのでしょうか？
そのため、彼は期待値を下げた。研究者は特定の対象や課題を調査する責任しかなく、機会を発見したり投資アドバイスを提供したりする必要はない。これらはすべてファンドマネージャーとしての彼の仕事の一部だからだ。
逆に、主観的なファンドマネージャーが、業界の中核に深く関わらず、デスク分析のみで投資対象を追跡する人材だけを必要とするのであれば、そのような研究者は次の段階でAIエージェントに取って代わられるのではないだろうか？
終わり
A株市場に身を置いていると、ここ2年間はまるでアクセルを踏み込んだような感覚だった。
上半期は特に慌ただしかった。昨年は春節にDeepseekがローンチし、清明節にはトランプ大統領が厳しい税金を課し、今年は春節に皆がエビ養殖に奔走していた。旧正月が終わる前に中東で戦争が勃発。金融業界のプロフェッショナルたちの頭は常に過負荷状態だった。勉強しなくて済んだ最後の休暇がいつだったかさえ思い出せない。少なくとも編集者である私にとっては、精神的な処理能力が足りない。
私の記憶では、2年前にファンドマネージャーたちに記事執筆について話を聞いたとき、彼らはよく「私は毎日タップダンスをしながら仕事に行っているんです」というぎこちない言い回しで、楽しそうに自分の仕事について語っていたものだ。しかし、ここ2年で話をするようになった彼らは、チーム組織の「反復」、投資哲学の「反復」、業界知識の「反復」について、笑顔もなく語るようになった。
AIが急速に発展し、競合他社も急速に進歩している現状では、反復的な改良を続けることによってのみ、淘汰を免れることができるように思われる。
業界は依然として過度に不安を抱えている。
AIは人間の本質を理解していません。個人投資家が集中するA株市場での取引が、まさに今、3次デリバティブに基づいているのか、5次デリバティブに基づいているのかを予測することはできません。AIには共感力がありません。なぜ一部の人々が長年にわたり2大石油会社に囚われながらも、損益分岐点に達する日を待ち続け、持ちこたえているのかを理解できません。AIは責任を負うことができません。30%の損失を出したからといって投資家から非難されることもなく、自らの魂を省みたり、自己反省をしたりするために謝罪の手紙を書く必要もありません。
将来、AIがすべてのファンドマネージャーや研究者に取って代われば、効率的市場仮説は依然として有効であり、アルファは存在しなくなり、ウォーレン・バフェットのような人物もほぼ確実にいなくなるだろう。
つまり、将来の資産運用業界において、AIがデータマイニング、モデル実行、レポート作成を担うようになったとき、人間には何が残されるのか、というのが本当の疑問です。残るのはまさに、投資への情熱、不確実性に対する直感、そしてAIほど研究能力が高くないと批判されてもなお、この業界に留まることを選択する理由なのです。
AIの比率が増加するという流れを変えることはできないが、対応に追われ、追いつこうと必死になるという考え方を変えることはできる。
ゲーム「デトロイト ビカム ヒューマン」と同様に、プレイヤーが最終的に下さなければならない選択は、AIを破壊することでも、AIに服従することでもなく、人間とAIがどのような役割を担うべきかを決定することである。
