Schalte die Digest des Herausgebers kostenlos frei
Roula Khalaf, Herausgeber der FT, wählt ihre Lieblingsgeschichten in diesem wöchentlichen Newsletter aus.
Eine der schwierigsten Herausforderungen für einen ehrlichen Investor besteht darin, herauszufinden, ob sie Glück haben oder klug sind. Ist ihre erfolgreiche Handelsstrategie fünfmal hintereinander das Äquivalent eines Münzwurfs? Oder ist es das Ergebnis von überlegenen Einsichten oder Ausführung? Die menschliche Natur (und Gebührenstrukturen) ist das, was sie sind, die meisten Anleger bevorzugen die letztere Erklärung. In Wahrheit ist es oft schwer zu erzählen.
Um den intelligenten Faktor zu wählen und Glück aufzurufen, haben viele Investoren auf Technologie zurückgegriffen. Insbesondere quantitative öffentliche Markthändler haben seit langem mathematische Berechnungs- und maschinelle Lernsysteme verwendet, um signifikante Korrelationen in den Marktdaten zu erkennen, die menschliche Verzerrung korrekt zu erkennen und Geschäfte mit Blitzgeschwindigkeit auszuführen.
Bei Baiont, einem chinesischen Quantfonds, der „Nerds und Genies“ mit Top -Informatik -Expertise und Null -Finanzerfahrung einstellt, hat dies extreme Form angenommen. So wie generative künstliche Intelligenzmodelle wie Chatgpt geschult werden, um das nächste Wort in einem Satz zu vervollständigen, können sie auch sehr kurzfristige Preisbewegungen vorhersagen, behauptet Baiont. «Wir betrachten es als eine reine KI -Aufgabe», sagte Feng Ji, Baionts Gründer, der Ft.
Dies kann ein rationaler, wenn nicht unbedingt erfolgreicher Ansatz in hochliquiden, datenreichen öffentlichen Märkten sein, bei denen die Preise genau korrekt sind. Aber würden diese Methodik in privaten Märkten, insbesondere in Risikokapital, wo die Daten spärlich sind, die Märkte illiquid und die Preise undurchsichtig sind? Wir sind kurz davor, einige, wegweisende VC -Fonds herauszufinden, die sich auf den Quanthandel befassen.
Eines ist Quantumlight, ein Unternehmen, das gerade 250 Mio. USD für seinen neuesten Fonds gesammelt hat. Das Unternehmen, das 10 Mrd. Datenpunkte von 700.000 VC-unterstützten Unternehmen verfolgt, hat seit 2023 bereits 17 Investitionen getätigt, die von seinem Algorithmus angetrieben wurden. Normalerweise investiert es mit der Serie B-Bühne 10 Mio. USD, wenn ein Start-up bereits einen digitalen Fußabdruck erworben hat. Im Gegensatz zu den meisten anderen VCs führt es nie eine Runde oder nimmt einen Brettsitz ein.
Traditionelle VCs beruhen immer noch auf die Erkennung menschlicher Muster bei der Entscheidung, wo sie investieren sollen, aber Maschinen können diese Aufgabe nun effizienter und leidenschaftsloser ausführen, sagt mir Ilya Kondrashov von Quantumlight.
«Was tun Sie in dem Fall, in dem Ihr Bauch nein sagt, aber die Maschine sagt ja? Wir haben uns nur entschlossen, der Maschine zu folgen, weil es unsere Mission ist, zu beweisen, dass dies ein guter Ansatz sein kann», sagt er.
Einige traditionelle Quant -Investoren sind fasziniert davon, wie sich die Methodik im VC -Bereich abspielen wird. Die kritischste Determinante für den Erfolg wird die Qualität, Zuverlässigkeit und Verwendbarkeit der zugrunde liegenden Daten sein, sagt Ewan Kirk, Gründer von Cantab Capital Partners, einer Quant -Investmentfirma.
Und er schlägt vor, dass die KI-Technologie, die die Quanthändler verwenden, selbst die Art und Weise, wie Start-ups heutzutage gebaut und skaliert sind, und verwirrende Mustererkennungsalgorithmen sind. Start-ups verwenden derzeit KI, um schneller zu wachsen als zuvor zu niedrigeren Kosten. Dies kann es schwierig machen, Start-ups verschiedener Jahrgänge zu vergleichen.
«Es geht nur darum, aus historischen Daten zu verallgemeinern», sagt Kirk. «Das Problem mit VC ist, wie relevant die Daten über die Serie B von Google im Vergleich zu einer Serie -B -Investition, die Sie gerade tätigen?»
Um die Datenherausforderung anzugehen, hat die Quant VC Correlation Ventures das aufgebaut, was sie behauptet, die umfassendste Datenbank von Venture -Deals in den USA ist aus öffentlichen Quellen und historischen Daten von 15 VC -Partnern.
Seit 2011 ist es in Hunderten von Start-ups im Frühstadium investiert und Schecks bis zu 4 Mio. USD mit gemischten Ergebnissen geschrieben. „Wenn wir mit dem Modell persönlich nicht einverstanden sind, ist es demütig besser, mit dem Modell zu gehen“, sagt David Coats, Mitbegründer von Correlation.
Die meisten Mainstream -VC -Unternehmen sind noch keine menschliche Erfahrung und Expertise. Aber die Mythologie der Branche, die den allwissenden Investitionsbeisage in der Sand Hill Road des Silicon Valley auswirkt, wird durchbohrt. Fast jeder VC-Fonds stützt sich auf einen hybriden Ansatz, wobei Maschinenlernwerkzeuge verwendet werden, um Deals zu skizzieren, auszuwählen und zu analysieren, sagt Patrick Stakenas, Senior Analyst bei Gartner.
Stakenas vergleicht den Ansatz der VC Quants mit dem von Billy Beane, dem Oakland -Leichtathletikmanager, der in Michael Lewis ‚Buch vorgestellt wurde Geldball, Wer benutzte mathematische Modelle, um die konventionellen Methoden der Scouting -Baseballspieler herauszufordern, unterbewertetes Talent zu finden. «Zuerst dachten alle, sie seien verrückt. Spät haben alle angefangen, es zu tun», sagt Stakenas.
Vorsichtige institutionelle Investoren möchten jedoch, dass VC Quant -Fonds einige Heimläufe treffen, bevor sie sich in das Konzept einkaufen.
