Membuktikan Alpha: Cara Hedge Fund Mengukur ROI AI - Hari Kumar, Contour Asset Management

하이라이트

• Contour Asset Management mengelola dana sebesar 6 miliar dolar dengan fokus di sektor TMT dan mempekerjakan sekitar 15 hingga 20 orang.

• Perusahaan menguji coba alat AI dengan membuat pengujian A/B langsung untuk membandingkan alur kerja analis dengan dan tanpa penggunaan LLM.

• Pelacakan metrik waktu analis per hari dan hasil laba rugi akhir membantu mengukur pengembalian investasi teknologi secara nyata.

• Integrasi API dan Model Context Protocol (MCP) memungkinkan penggabungan data panel kartu kredit dengan catatan transkrip dan panggilan ahli.

• Penggunaan platform terpadu meminimalkan pekerjaan berulang di bidang operasional, kepatuhan, dan keuangan.

타임라인

1. 00:00 - 02:08

   Mandat AI dan Tantangan Pengukuran ROI di Hedge Fund

   Perusahaan investasi fundamental ini beroperasi dengan sekitar 15 hingga 20 orang dan berinvestasi di sektor TMT. Integrasi kecerdasan buatan bertujuan untuk mengubah proses riset yang sudah berjalan selama bertahun-tahun agar memberikan keunggulan kompetitif. Tantangan utamanya adalah membuktikan secara nyata pengeluaran waktu dan biaya yang dialokasikan untuk pengeluaran AI terhadap hasil laba rugi dan operasional.

   • Contour Asset Management mengelola dana 6 miliar dolar dengan fokus utama pada sektor TMT.
   • Mandat AI diterapkan di seluruh bagian perusahaan mulai dari riset, perdagangan, operasional, hingga kepatuhan.
   • Pengukuran pengembalian investasi AI merupakan tantangan besar untuk membuktikan dampaknya terhadap laba rugi.
2. 02:08 - 06:19

   Pengujian A/B Alur Kerja Riset dan Agen AI

   Proses riset diuji dengan mendokumentasikan pekerjaan analis dalam dunia pra-AI dan membandingkannya dengan penggunaan alat berbasis agen. Pendekatan ini mengukur apakah penggunaan teknologi menghasilkan kesimpulan yang sama atau berbeda. Analis dapat menghemat waktu pencarian informasi secara manual dengan memanfaatkan agen untuk wawancara panggilan ahli dan survei.

   • Uji A/B langsung membandingkan kesimpulan analisis dengan dan tanpa menggunakan perangkat AI.
   • Sekitar 10 analis dilibatkan untuk meliput saham yang berbeda dalam siklus laporan keuangan tiga bulanan.
   • Agen AI membantu menyintesis catatan panggilan ahli dan survei konsumen secara lebih cepat.
3. 06:19 - 10:05

   Pembuatan Ide dan Pemanfaatan Data Alternatif

   Tujuan utama investasi fundamental adalah membangun tesis yang akurat dan fleksibel terhadap data baru. Agen khusus bertugas melacak ide-ide yang sempat tertunda agar tidak terlewat pada jendela harga pasar yang penting. Selain itu, integrasi data alternatif seperti panel kartu kredit Yipit dengan transkrip panggilan memberikan pemahaman interaksi data yang lebih mendalam.

   • Agen penghasil ide manual mengambil titik data dari berbagai kumpulan data alternatif per analis.
   • Agen melacak catatan lama terhadap kondisi pasar untuk memunculkan kembali ide yang terlewat pada waktu yang tepat.
   • Akses MCP dan API memungkinkan penggabungan data kartu kredit dengan transkrip panggilan ahli.
4. 10:05 - 14:38

   Metrik Waktu Analis dan Efisiensi Operasional

   Pengukuran ROI dievaluasi melalui pelacakan waktu harian yang dihabiskan analis untuk menghasilkan wawasan berharga. Di sisi perdagangan dan operasional, agen AI membantu trader memantau posisi pasar dan menyatukan berbagai platform pesanan ke dalam satu sistem terpusat. Langkah ini memaksimalkan keahlian tim untuk fokus pada pembuatan ide dan penentuan waktu.

   • Perusahaan melacak waktu yang dihabiskan analis untuk setiap saham dan hasil laba rugi akhirnya.
   • Metrik biaya per wawasan yang berguna membantu mengukur efektivitas waktu kerja harian analis.
   • Platform operasional terpadu menyatukan fungsi perdagangan, kepatuhan, dan keuangan untuk menghilangkan pekerjaan berulang.
5. 14:38 - 18:22

   Optimalisasi Langganan Data dan Kesimpulan ROI

   Perusahaan mengoptimalkan pengeluaran langganan data dengan membawa perangkat eksternal ke dalam platform internal yang mempelajari kebiasaan masing-masing analis. Kendala teknis seperti kegagalan model atau kerusakan konektor juga diperhitungkan sebagai bagian dari waktu operasional. Secara keseluruhan, penerapan sistem terpadu memberikan nilai tambah yang besar bagi perusahaan investasi fundamental.

   • Platform internal memadukan langganan pihak ketiga seperti Alphasense untuk disesuaikan dengan pola model analis individu.
   • Waktu yang tersita untuk memperbaiki bug konektor sistem turut diperhitungkan dalam persamaan ROI.
   • Lapisan terpadu yang melakukan banyak tugas antar analis sangat berharga bagi perusahaan fundamental.