Richard Falk-Wallace, cofundador e CEO da ARCANA, no evento AI Financial Services NYC – Modelagem de risco e desempenho na era da AI ML”

Os principais fundos estão cada vez mais focados em compreender insights exclusivos e retornos idiossincráticos, independentemente dos fatores macroeconômicos. Essa abordagem se aplica tanto a fundos multimercados de ações com posições longas e curtas quanto a investidores que operam exclusivamente com posições longas. A ênfase está na decomposição dos componentes sistemáticos do retorno a partir do retorno residual, com especial atenção à concentração de posições entre diferentes tipos de investidores.

Fundos avançados estão desenvolvendo métodos sofisticados para compreender os riscos do mercado de ações, utilizando exposições a fatores e sinais de aglomeração provenientes de diversos mercados. Isso inclui uma análise detalhada da aglomeração em nível granular, examinando as exposições a tipos específicos de investidores, como fundos de hedge e gestores múltiplos. Esse foco na aglomeração ajuda a refinar as decisões de investimento e a mitigar riscos.

AI o aprendizado de máquina (ML) oferecem um potencial significativo para aprimorar a seleção de ações. AI processar grandes quantidades de data não estruturados, como memorandos de investimento, notas de pesquisa e transcrições de reuniões, transformando-os em data estruturados. Isso contribui para ampliar a compreensão sistemática e reduzir o escopo das decisões discricionárias, aprimorando assim o processo geral de investimento.

O futuro da seleção de ações reside na separação mais eficaz entre riscos sistemáticos e riscos idiossincráticos. AI ajudar a identificar e modelar esses riscos, integrando insights provenientes de data não estruturados data de processos fundamentais. Essa abordagem sistemática pode melhorar o desempenho da seleção de ações, proporcionando uma compreensão mais clara dos riscos envolvidos.

A integração data não estruturados data processo de investimento envolve a captura data fundamentais do processo data a compreensão de mudanças de regime e fatores temáticos. AI ajudar a transformar informações caóticas em uma estrutura sistemática, auxiliando na seleção de ações e na gestão de riscos. Essa integração aprimora a capacidade de identificar padrões sistemáticos e sintetizar insights para uma melhor tomada de decisão.

O desenvolvimento de ferramentas e sistemas fáceis de usar é fundamental para integrar AI ao processo de investimento. Essas ferramentas devem facilitar o acesso a esses insights por parte de diretores de investimentos, gestores de carteiras, gestores de risco e analistas. Uma abordagem combinada, que integre insights AI com métodos tradicionais de seleção de ações, pode melhorar significativamente a gestão de ações no mercado aberto.

Atualmente, poucos fundos utilizam AI forma sistemática para a seleção de ações. AI empregada principalmente para pesquisas eficientes e análise de documentos. No entanto, a expectativa é desenvolver estruturas que incorporem grandes volumes de data de investimento data sistemas coerentes, distinguindo entre insights de alfa e de beta. Isso requer uma infraestrutura robusta para separar e utilizar a pesquisa de investimentos de maneira eficaz.