Principali informazioni tratte dal keynote di Richard Falk-Wallace, cofondatore e CEO di Arcana, in occasione dell'AI for Financial Services Summit di Artefact , il 12 giugno 2024.
Richard Falk-Wallace: È il CEO e cofondatore di Arcana, una società che si occupa di consentire agli investitori istituzionali di comprendere i rischi del portafoglio e di ottimizzare le prestazioni utilizzando sofisticate analisi dei dati. Si è laureato alla Columbia University e ha una vasta esperienza nel settore finanziario.
About Arcana: Arcana is a company that helps institutions make informed decisions using proprietary data and advanced analysis tools. It combines expertise in technology, and hedge funds to provide high-impact financial solutions.
Pratiche attuali di analisi del rischio e dell'affollamento
I migliori fondi si concentrano sempre più sulla comprensione di intuizioni uniche e di rendimenti idiosincratici, separati dai fattori macroeconomici. Questo approccio si applica sia ai fondi multimanager long-short azionari sia agli investitori long-only. L'enfasi è posta sulla scomposizione delle componenti sistematiche del rendimento dal rendimento residuo, con un occhio attento al crowding tra i diversi tipi di investitori.
L'avanguardia: approfondimenti avanzati sul rischio e l'affollamento
I fondi avanzati stanno sviluppando metodi sofisticati per comprendere i rischi dei titoli pubblici, utilizzando le esposizioni ai fattori e i segnali di affollamento provenienti da vari mercati. Ciò include un'analisi dettagliata del crowding a livello granulare, esaminando le esposizioni a specifici tipi di investitori, come gli hedge fund e i multimanager. Questa attenzione al crowding aiuta a perfezionare le decisioni di investimento e a mitigare i rischi.
Il ruolo dell'IA nel migliorare la selezione dei titoli
L'intelligenza artificiale e l'apprendimento automatico (ML) offrono un potenziale significativo per affinare la selezione dei titoli. L'intelligenza artificiale è in grado di elaborare grandi quantità di dati non strutturati, come promemoria sugli investimenti, note di ricerca e trascrizioni di riunioni, traducendoli in serie di dati strutturati. Ciò contribuisce ad ampliare la comprensione sistematica e a restringere il campo delle decisioni discrezionali, migliorando così l'intero processo di investimento.
Prospettive future: rischi sistematici e rischi idiosincratici
Il futuro della selezione dei titoli azionari sta nel separare più efficacemente i rischi sistematici da quelli idiosincratici. L'intelligenza artificiale può aiutare a identificare e modellare questi rischi, integrando gli insight provenienti da dati non strutturati e da processi fondamentali. Questo approccio sistematico può migliorare le performance di selezione dei titoli fornendo una comprensione più chiara dei rischi connessi.
Dati non strutturati e integrazione dell'IA
L'integrazione di dati non strutturati nel processo di investimento comporta l'acquisizione di dati di processo fondamentali e la comprensione dei cambiamenti di regime e dei fattori tematici. L'intelligenza artificiale può aiutare a tradurre le informazioni caotiche in un quadro sistematico, favorendo la selezione dei titoli e la gestione del rischio. Questa integrazione migliora la capacità di identificare i pezzi sistematici e di sintetizzare le intuizioni per migliorare il processo decisionale.
Integrazione di strumenti e sistemi
Lo sviluppo di strumenti e sistemi di facile utilizzo è fondamentale per integrare gli insight dell'IA nel processo di investimento. Questi strumenti dovrebbero facilitare l'accesso agli insight da parte di CIO, gestori di portafoglio, risk manager e analisti. Un approccio misto che combini gli insight dell'IA con i metodi tradizionali di selezione dei titoli può migliorare significativamente la gestione delle azioni del mercato pubblico.
Applicazioni pratiche e uso attuale
Attualmente sono pochi i fondi che utilizzano l'IA in modo sistematico per la selezione dei titoli. L'IA viene utilizzata principalmente per la ricerca efficiente e l'analisi dei documenti. Tuttavia, la speranza è quella di sviluppare strutture che incorporino grandi quantità di dati di investimento in sistemi coerenti, distinguendo tra intuizioni alfa e beta. Ciò richiede una solida infrastruttura per separare e utilizzare efficacemente la ricerca sugli investimenti.
