@בינה-מלאכותית
אחלה סקירה הבאת כאן, והנקודה שהעלית לגבי ההבדל בין מסחר אקטיבי להשקעות לטווח ארוך היא בדיוק הדיון המעניין.
רוב הכלים, המאמרים והספריות שרץ לגביהם דיבור ברשת מיועדים למשחק של הטווח הקצר והבינוני. הם מנסים לקלוט תבניות בתוך כל הרעש, לנצל שינויי מחיר של שניות או ימים, ולנבא לאן הגרף יזוז בעזרת אלגוריתמים משוכללים.
כשעוברים להשקעות לטווח ארוך ולניתוח פונדמנטלי, ה-AI מקבל תפקיד שונה לגמרי. הוא מפסיק להיות "טייס אוטומטי" שקונה ומוכר בלחיצת כפתור, והופך למעין עוזר מחקר חרוץ שלא ישן בלילה.
במקום לחפש איתותי כניסה, השימוש העיקרי שלו לטווח ארוך הוא בסינון ועיבוד של המון מידע טקסטואלי ופיננסי:
איסוף נתונים מתוך מאות דוחות כספיים, סריקת התמלולים של שיחות הנהלה כדי לזהות שינויים בטון או במסרים של המנכ"ל, ובדק בית לסיכונים היקפיים כמו רגולציות או בעיות בשרשרת האספקה. אפשר גם להריץ איתו סימולציות של "מה אם" – למשל איך עליה באינפלציה או במחירי חומרי הגלם תשפיע על החברה בשנים הקרובות.
בצד של הרכבת התיק, יש מי שמשתמש בלמידת מכונה כדי לזהות קשרים סמויים בין נכסים שונים ולבנות תיק יותר עמיד, אבל האתגר פה הוא ענקי. בטווח הקצר יש לנו מיליוני נקודות מידע של מחירים בכל דקה. בטווח הארוך? דוחות יוצאים רק ארבע פעמים בשנה, ומחזור כלכלי שלם לוקח שנים. לכן, אם מאמנים מודל על מעט מדי מחזורים היסטוריים, הסיכון שנקבל תוצאות מעולות על הנייר שלא שוות כלום במציאות הוא אדיר.
בשורה התחתונה, הגופים הרציניים לא נותנים לבינה המלאכותית לקבל את החלטות ההשקעה לטווח הארוך. משתמשים בה בעיקר כ-Co-pilot. היא עושה את העבודה השחורה של סריקת המידע והריכוז שלו, והאדם הוא זה שמפעיל שיקול דעת, מעריך את היתרון התחרותי של החברה ומחליט איפה לשים את הכסף.
