Jag såg nyligen Mad Men, en serie baserad på 1950-talets kraftfulla reklamvärld. I ett avsnitt får de denna gigantiska, riktigt dyra dator för att hacka data – något som tar ungefär hälften av hela kontorsgolvet.
Och den billigaste smartphonen på marknaden idag kan ta den datorn ur vattnet.
Faktum är att datorkraften har ökat en biljon gånger sedan dess. Dess inverkan på våra liv är enorm. Så varför investerar vi fortfarande som vi gjorde på 1950-talet?
De har redan flyttat till USA – 60-70 % av handeln är baserad på regler. Fonder som förvaltas av mänskliga experter tappar flödet till regelbaserade instrument som ETF:er.
Du kan inte skylla på dem.
SPIVA, en forskningsgren inom S&P, visar att på en global skala kan mänskliga fondförvaltare inte överskrida sina kriterier.
“Bevisen från mer än 50 års forskning är överväldigande: för de allra flesta fondförvaltare är att välja aktier mer som att kasta tärning än att spela poker. Minst två av de tre fonderna verkar under den allmänna marknaden under ett givet år. – Tänk snabbt och långsamt.
Dessutom, vem tror du är den mest framgångsrika investeraren genom tiderna? Det är sant att det är en kvantitetsfond. Renaissance Technologies Medallion Foundation har genererat 60% + total CAGR sedan 1980-talet.
John Bogle, grundaren av Vanguard (nu med ett AUM på 7 biljoner dollar), förutspådde på 1970-talet att människor inte skulle kunna klara indexet länge.
Slutligen använder en av tre hedgefondförvaltare i USA kvantitativa strategier. Kinas AUM har fördubblats till cirka 100 miljarder dollar år 2020.
Problemet ligger i vår genetiska kod. Oavsett experter är vi alla föremål för samma fördomar.
Flockmentalitet, innovation, acceptansbias och undvikande av förluster, extrapolationsbias och mer är väl etablerade som påverkar oss alla.
För att vara tydlig, teknikbaserad investering eller kvantitativ investering är inte en investeringsstil. Det är ett verktyg som tillämpas på olika nischer – impuls, arbitrage, makro, värde, tillväxt, etc.
Namnet på spelet med tekniskt baserad handel analyserar mönster i prisvolymdiagram, så tekniken är en naturlig passform.
Men när det gäller långsiktiga grundläggande investeringar är det fortfarande ett område för människor. Anledningen är att detta utan tvekan är en mer komplex process, och företag måste se det i sitt sammanhang.
Men denna kontextuella syn är inte bara en välsignelse, utan också en katastrof för mänskliga investerare. Som vi har diskuterat ovan fungerar alla fördomar som berör oss här.
Varje mänsklig chef kommer att prata om disciplin och hävda att de har sina egna regler och system. Men de kan inte hjälpa människor att bryta mot deras regler.
Det finns alltid en anledning till ett undantag. Naturligtvis, med tiden, korroderar ramen och försöker fly det senaste modet.
Ange datorer.
I dagens sammanhang betyder det maskininlärning. Imorgon kan det bli en mer komplicerad teknik. Den faktiska tekniken som förstärker dessa maskiner förändras dramatiskt – faktorinvesteringar eller statiska excel-filter var bra förr, men nästa utveckling är självlärande algoritmer.
Tidigare användes datorer endast för att koda mänskliga defekter. Idag har vi med ML tagit ett steg framåt och kan nu lära oss på metanivå.
Till exempel, om en mänsklig expert säger att 20x PE är ett magiskt tal. Allt på den är överskattat och vice versa. Bilen kommer att säga varför siffran “20”? Detta är ett kontextuellt rörligt mål för otaliga andra saker på marknaden, omöjligt för mänsklig analys.
Vi kommer dock inte att kunna få ett perfekt svar med hjälp av maskininlärning, men vi kan ge ett genomsnittligt svar bättre än resten av marknaden.
Poängen är att du ofta kan bättre än så. Inte alltid perfekt. Barometrar för bilar är ofta orimliga.
Även här kostar mänsklig fördom oss dyrt – eftersom vi föredrar att välja en mer opålitlig person istället för en ofullkomlig (men bättre) maskin.
(Författaren är en av grundarna av Upside AI)
(Ansvarsfriskrivning: Experters rekommendationer, förslag, åsikter och åsikter är deras egna. De återspeglar inte Economic Times åsikter)
