为什么人工智能不会取代股票挑选者 - Jack Woodruff, Candlestick & Vinoo Ganesh, Kepler

하이라이트

• 人工智能把过去需要六到八小时的准备工作缩短至五分钟，从而让人类能够腾出时间进行专有研究和行业调研。

• 投资管理中的一个核心风险在于数字准确性，单单一个数据录入错误就可能导致数百万美元的损失，因此审计每个数字的能力至关重要。

• 纯粹依赖人工智能代理、完全将人类排除在外的基本面基金无法在竞争中胜过明年的顶尖对冲基金。

• 投资组合管理的本质是时间管理，研究标的越少，对单只股票的了解就越深，但同时也容易陷入无事可做的境地。

타임라인

1. 00:00 - 02:10

   人工智能时代的基本面投资变革

   对话从宏观角度探讨了人工智能对基本面投资的影响。长期来看，寻找市场分歧来获取收益的本质没有变，但信息处理方式和门槛发生了根本性重塑。

   • 长期股票挑选的核心逻辑不会改变，寻找分歧观点以创造阿尔法收益的方式依然存在。
   • 信息综合的方式以及基本门槛正在发生彻底改变，投资组合经理和分析师的传统角色将被颠覆。
   • 现阶段工具还非常新，行业仍在探索人工智能最终呈现的形态。
2. 02:10 - 06:08

   时间管理与分析师角色的演变

   分析了分析师在覆盖标的时面临的收益递减效应。人工智能接管基础准备工作后，标准被整体抬高，促使从业者寻找更深层次的信息拼图。

   • 人类仍然是整个流程中的瓶颈，投资管理本质上是一项时间管理练习。
   • 人工智能把过去耗时六到八小时的常规准备工作压缩到五分钟内完成。
   • 省出的时间并没有减少分析师的工作量，而是被用来投入到更多的专有研究和渠道调研中。
3. 06:08 - 09:08

   数据准确性与审计的重要性

   强调了财务和数据审计在投资系统中的关键地位。即使工具能自动生成模型，人工审计数字的准确性依然是防范重大资金损失的最后防线。

   • 分析师过去花费大量时间清洗和核对数据，当这些自动化后，行业会寻找更多专有数据。
   • 数字的准确性以及审计每一个数字的能力是信任人工智能工具的前提。
   • 单一的数据录入错误可能会导致数百万美元的损失，因此无法盲目让算法直接驱动交易。
4. 09:08 - 14:00

   寻找分歧观点与竞争护城河

   探讨了买方机构对数据安全的需求以及套利机制的短暂性。真正的优势不在于通用的财务模型，而在于利用工具快速定位需要深入挖掘的特殊项目。

   • 内部数据安全性是首席技术官需要确保的核心问题，敏感的专有策略不能泄露。
   • 投资管理的最终目的是赚钱，而赚钱依赖于市场上稀缺的分歧观点。
   • 当所有基金都拥有相同的模型时，优势将来自于更好的提示词、优秀的数据以及人机结合的判断力。
5. 14:00 - 18:35

   团队规模与全自动化基金的局限性

   对比了不同规模团队的策略差异，并反驳了完全用人工智能取代人类基本面投资的设想，指出基本面投资最终离不开算力、信息与人类判断的协同。

   • 未来基金可能不需要那么多基础分析师，但需要更多调查记者或不同技能的数据工程师。
   • 团队规模影响候选池的覆盖范围，但研究的扎实程度决定了最终的命中率。
   • 完全没有人类参与的纯人工智能代理基金可以复制过去的形态，但无法超越顶尖的基本面基金。