Se sei un fondo long-short equity che sta pensando a modi per adottare un approccio agentico, ti incoraggio a considerare la costruzione di un libro short sistematico. 1) I buoni short tendono a ripetersi più dei buoni long e quindi sono terreno fertile per i motori di riconoscimento dei modelli. 2) Non ho mai incontrato un gestore di portafoglio nella mia vita che abbia detto a un analista: "No, abbiamo già abbastanza buoni short." il che è l'opposto del libro long, dove la lotta per il capitale è più severa. 3) I cambiamenti nella microstruttura del mercato hanno reso molto difficile dimensionare gli short. I fondi hedge hanno risposto gestendo libri short più diversificati e non possono giustificare il vecchio modo di fare due diligence sugli short in stile tigre su un centinaio di idee short. Cioè, c'è più potenziale di qualità da un approccio agentico. Mentre non c'è molto che un agente AI possa dirti su un grande long basato su una visione alternativa del prodotto e della gestione, ma un perdente strutturale dove i KPI in tempo reale stanno deteriorando che porta a un trigger di dimensionamento prima di un evento che può scalare su centinaia di potenziali idee è un vero incremento nella generazione di alpha short. 4) L'overlay quant fondamentale è molto più efficace sugli short che sui long. Soprattutto attorno agli eventi. Rimarrai sorpreso da ciò che puoi fare con modelli pronti all'uso. 5) Alcuni venditori short esperti hanno parlato della rinascita della vendita allo scoperto, eppure i team di investimento, nel complesso, hanno atrofizzato quella competenza. Comprendo il punto di vista secondo cui i libri short saranno una fonte sempre più importante di alpha nei prossimi 36 mesi. Probabilmente non condividerò i dettagli (poiché alcuni di essi considero proprietari) qui, ma se sei un gestore con un certo grado di scala AUM e desideri discutere alcuni dettagli, per favore inviami un DM. Sarei felice di avere una chiacchierata su come potrei aiutarti.

Thomas di Coatue che articola il Paradosso di Jevons per gli investitori. Per questo motivo esatto, penso sia improbabile che il numero totale di investitori in equity pubblica diminuisca nei prossimi tre anni. Investire è un gioco competitivo, uno dei più competitivi al mondo. La risposta dei fondi non sarà quella di fare la stessa cosa che fanno oggi, ma farlo con l'AI. Farlo in modo più efficiente e rilassato. Sarà trovare nuovi modi per fare ricerche di investimento più approfondite e complete con questi strumenti. Stesse ore, stessa intensità, più intuizioni. Questa è davvero una buona notizia per un professionista junior degli investimenti che può avere un impatto maggiore all'inizio della sua carriera. Se non lo è già oggi, la padronanza nativa dell'AI sarà un fattore chiave nel processo di assunzione per i gestori di asset istituzionali molto presto.

Questo è super interessante Ho sperimentato con dashboard di dati guidate da AI per monitorare in modo più sistematico i KPI aziendali. Gran parte del processo di ricerca sulle azioni pubbliche riguarda lo sviluppo di previsioni di fatturato migliori (che poi si riflettono sugli EPS a vari livelli incrementali). Pertanto, gran parte del movimento della ricerca sugli investimenti riguarda il monitoraggio dei dati che informano previsioni di fatturato più accurate. Questa è la base dell'industria dei dati alternativi. Ma ci sono molti set di dati utili disponibili pubblicamente. Con la crescita dei chatbot (Claude), sono rimasto colpito dalla capacità di questi strumenti di raccogliere questi dati. Per me, questo è l'altro pezzo mancante che si affianca alla padronanza di Excel. La capacità di ingerire un modello Excel (eventualmente costruirlo, ma non oggi), identificare i driver chiave (da dati aperti e proprietari), distillare quei dati in previsioni e segnalare avvisi personalizzati (inversioni di slancio aziendale, probabili revisioni delle previsioni di fatturato, validazione/invalidazione della tesi, ecc). Ora stiamo parlando!! Questo è di ordini di grandezza più utile di un wrapper per chatbot finanziari. Mi chiedo se questi strumenti stiano progredendo a un ritmo tale che la maggior parte dei professionisti della finanza non abbia nemmeno bisogno di imparare a programmare agenti. Ad esempio, Perplexity Computer ha realizzato qualcosa in un colpo solo che, di sicuro, non era perfetto, ma mostra progressi materiali nella capacità dell'infrastruttura di costruire interfacce utente semplici e potenti. L'accuratezza di livello istituzionale rimane un problema critico e ancora non completamente risolto (questo migliora man mano che aziende come CarbonArc lanciano gli MCP??), ma è emozionante vedere le capacità ingegneristiche migliorare così materialmente, in un periodo di tempo così breve.