Richard Falk-Wallace, medeoprichter en CEO van ARCANA, op AI Financial Services NYC – Risicomodellering en prestaties in het tijdperk van AI ML

Toonaangevende fondsen richten zich steeds meer op het verkrijgen van unieke inzichten en het realiseren van specifieke rendementen, los van macro-economische factoren. Deze aanpak geldt zowel voor long-short-aandelenfondsen met meerdere beheerders als voor long-only-beleggers. De nadruk ligt op het onderscheiden van de systematische componenten van het rendement van het resterende rendement, waarbij nauwlettend wordt gekeken naar de mate van concurrentie tussen verschillende soorten beleggers.

Geavanceerde fondsen ontwikkelen geavanceerde methoden om de risico’s van beursgenoteerde aandelen in kaart te brengen, waarbij ze gebruikmaken van factorblootstellingen en signalen van overbevolking uit verschillende markten. Dit omvat een gedetailleerde analyse van overbevolking op gedetailleerd niveau, waarbij de blootstelling aan specifieke soorten beleggers, zoals hedgefondsen en multi-managers, wordt onderzocht. Deze focus op overbevolking helpt bij het verfijnen van beleggingsbeslissingen en het beperken van risico’s.

AI machine learning (ML) bieden aanzienlijke mogelijkheden voor het verfijnen van de aandelenselectie. AI enorme hoeveelheden ongestructureerde data verwerken, zoals beleggingsmemo’s, onderzoeksrapporten en verslagen van vergaderingen, en deze omzetten in gestructureerde data . Dit draagt bij aan een beter systematisch inzicht en beperkt de reikwijdte van discretionaire beslissingen, waardoor het algehele beleggingsproces wordt verbeterd.

De toekomst van aandelenselectie ligt in een effectievere scheiding tussen systematische en idiosyncratische risico’s. AI helpen bij het identificeren en modelleren van deze risico’s, door inzichten uit ongestructureerde data fundamentele analyses te integreren. Deze systematische aanpak kan de prestaties op het gebied van aandelenselectie verbeteren door een duidelijker inzicht te bieden in de risico’s die hiermee gepaard gaan.

Het integreren van ongestructureerde data het beleggingsproces houdt in dat fundamentele data worden vastgelegd data dat verschuivingen in markttrends en thematische factoren worden begrepen. AI helpen om chaotische informatie om te zetten in een systematisch kader, wat ondersteuning biedt bij de aandelenselectie en het risicobeheer. Deze integratie vergroot het vermogen om systematische patronen te herkennen en inzichten te bundelen, wat leidt tot betere besluitvorming.

Het ontwikkelen van gebruiksvriendelijke tools en systemen is van cruciaal belang om AI in het beleggingsproces te integreren. Deze tools moeten ervoor zorgen dat CIO’s, portefeuillebeheerders, risicomanagers en analisten eenvoudig toegang hebben tot deze inzichten. Een gecombineerde aanpak, waarbij AI inzichten worden gekoppeld aan traditionele methoden voor het selecteren van aandelen, kan het beheer van aandelen op de openbare markt aanzienlijk verbeteren.

Momenteel maken maar weinig fondsen AI systematische wijze gebruik AI bij de aandelenselectie. AI voornamelijk ingezet voor efficiënt zoeken en documentanalyse. De hoop is echter om kaders te ontwikkelen waarin enorme hoeveelheden data worden geïntegreerd data samenhangende systemen, waarbij onderscheid wordt gemaakt tussen alfa- en bèta-inzichten. Hiervoor is een robuuste infrastructuur nodig om beleggingsonderzoek effectief te kunnen scheiden en benutten.