Richard Falk-Wallace, cofundador e CEO da ARCANA, em AI for Financial Services NYC - Modelagem de risco e desempenho na era do AI / ML

Os principais fundos estão cada vez mais focados em compreender percepções exclusivas e retornos idiossincráticos, separados dos fatores macroeconômicos. Essa abordagem se aplica tanto aos fundos multigestores long-short de ações quanto aos investidores long-only. A ênfase está na decomposição dos componentes sistemáticos do retorno a partir do retorno residual, com um olhar atento ao crowding entre diferentes tipos de investidores.

Os fundos avançados estão desenvolvendo métodos sofisticados para entender os riscos das ações públicas, usando exposições a fatores e sinais de crowding de vários mercados. Isso inclui uma análise detalhada do crowding em um nível granular, examinando as exposições a tipos específicos de investidores, como fundos de hedge e multigestores. Esse foco no crowding ajuda a refinar as decisões de investimento e a reduzir os riscos.

AI data data O AI pode processar grandes quantidades de dados não estruturados, como memorandos de investimento, notas de pesquisa e transcrições de reuniões, traduzindo-os em conjuntos estruturados. Isso ajuda a expandir o entendimento sistemático e a reduzir o escopo das decisões discricionárias, melhorando, assim, o processo geral de investimento.

O futuro da seleção de ações está na separação mais eficaz dos riscos sistemáticos e idiossincráticos. O site AI pode ajudar a identificar e modelar esses riscos, integrando percepções de processos fundamentais e não estruturados do site data . Essa abordagem sistemática pode melhorar o desempenho da seleção de ações ao proporcionar uma compreensão mais clara dos riscos envolvidos.

A integração do data não estruturado ao processo de investimento envolve a captura do processo fundamental data e a compreensão das mudanças de regime e dos fatores temáticos. O AI pode ajudar a traduzir informações caóticas em uma estrutura sistemática, auxiliando na seleção de ações e no gerenciamento de riscos. Essa integração aumenta a capacidade de identificar elementos sistemáticos e sintetizar percepções para uma melhor tomada de decisão.

O desenvolvimento de ferramentas e sistemas fáceis de usar é fundamental para integrar os insights do AI ao processo de investimento. Essas ferramentas devem facilitar o acesso dos CIOs, gerentes de portfólio, gerentes de risco e analistas aos insights. Uma abordagem combinada que combine percepções orientadas por AI com métodos tradicionais de seleção de ações pode aprimorar significativamente a gestão de ações do mercado público.

Atualmente, poucos fundos usam o AI de forma sistemática para a seleção de ações. O AI é usado principalmente para pesquisa eficiente e análise de documentos. data Entretanto, a esperança é desenvolver estruturas que incorporem grandes quantidades de investimentos em sistemas coerentes, distinguindo entre percepções alfa e beta. Isso requer uma infraestrutura robusta para separar e utilizar a pesquisa de investimento de forma eficaz.