Машините са по -умни от рисков капиталисти?
Едно от най -трудните провокации за всеки почтен вложител се пробва да разбере дали имат шанс или умни. Успешната им тактика за търговия е еквивалент на мятане на монети, които се появяват глави пет пъти поред? Или е резултат от великолепно просветление или осъществяване? Човешката природа (и структурите на таксите) е това, което са, множеството вложители избират последното пояснение. В интерес на истината постоянно е мъчно да се каже.
В опит да наберем интелигентния фактор и да набере шанса, доста вложители прибягват до технологията. По-специално количествените търговци на обществения пазар от дълго време употребяват системите за математически калкулации и машинно образование, с цел да виждат обилни корелации в пазарните данни, правилни за пристрастия при хора и извършват покупко-продажби със светкавична скорост. ; Точно както генеративните модели на изкуствен интелект, като Chatgpt, са подготвени да завършат идната дума в изречение, те също могат да предскажат доста краткосрочни придвижвания на цените, твърди Baiont. " Ние го считаме за чиста задача на AI ", сподели Фън Джи, създателят на Байонт, пред FT.
, който може да е разумен, в случай че не безусловно сполучлив, метод на мощно ликвидни, богати на данни обществени пазари, където цените са тъкмо верни. Но дали тази методология ще работи на частните пазари, изключително рисков капитал, където данните са нищожни, пазарите са неликвидни, а цените са непрозрачни? Предстои ни да разберем като няколко, пионерските VC фондове влизат всички в количествената търговия.
Един подобен е Quantumlight, компания, която току -що е събрала 250 милиона $ за последния си фонд. Бизнесът, който наблюдава 10 милиарда Точки от данни от 700 000 компании, подкрепяни от ВК, към този момент е направил 17 вложения от 2023 година, задвижвани от своя логаритъм. Обикновено тя взаимно влага 10 милиона $ на стадия на серия В, когато стартирането към този момент е придобило дигитален отпечатък. За разлика от множеството други VC, той в никакъв случай не води кръг или заема седалка на дъската.
Традиционните VC към момента разчитат на различаване на човешки модел, когато вземат решение къде да влагат, само че машините към този момент могат да извършват тази задача по -ефективно и безсилно, споделя основният изпълнителен шеф на Quantumlight Ilya Kondrashov. ; Най -критичният детерминант на триумфа ще бъде качеството, надеждността и използваемостта на главните данни, споделя Юън Кирк, създател на Cantab Capital Partners, капиталова компания Quant.
и той допуска, че технологията AI, която употребяваните от количествените търговци могат сами да нарушават методите, по които започващите компании се построяват и мащабират, объркващи логаритми за различаване на модели. В момента започващите компании употребяват AI, с цел да порастват по-бързо, в сравнение с преди, на по-ниска цена. Това може да затрудни сравняването на започващите компании на разнообразни реколти.
„ Всичко е за обобщаването на историческите данни “, споделя ми Кирк. „ Проблемът с VC е какъв брой настоящи са данните за серията B на Гугъл спрямо инвестиция от серия Б, която вършиме сега? “
За да се оправи с предизвикването за данни, Quant VC Ventures Ventures е построил това, което твърди, че е най -пълната база данни за рискови покупко-продажби в Съединени американски щати, извлечени от обществени източници и исторически данни от 15 сътрудници на VC. ; „ Когато не сме съгласни персонално с модела, се оказва, смирено, по-добре е да вървим с модела “, споделя Дейвид Коутс, съосновател на корелацията.
Повечето съществени VC компании към момента не се отхвърлят от човешкия опит и опит. Но митологията на промишлеността, която дефинира всезнаещия капиталов влъхва на Sand Hill Road на Силиконовата котловина, се пробива. Almost every VC fund relies on a hybrid approach, using machine-learning tools to scout, select and analyse deals, says Patrick Stakenas, a senior analyst at Gartner.
Stakenas likens the VC quants’ approach to that of Billy Beane, the Oakland Athletics manager profiled in Michael Lewis’s book Moneyball, who used mathematical models to challenge the conventional methods of scouting baseball players to find недооценен гений. „ Отначало всички мислеха, че са луди. Късно, всички започнаха да го вършат “, споделя Stakenas.
Внимателни институционални вложители обаче ще желаят да видят VC Quant средства, които удрят някои домашни писти, преди да влязат в концепцията.
