KeyFrame內部研究專用

Why AI Won't Replace Stock Pickers - Jack Woodruff, Candlestick & Vinoo Ganesh, Kepler

AI Engineer英文
觀看原始影片

三句話摘要

AI 時代基礎面投資的演變:人機合作如何改變股票選擇者的工作方式與組織架構。 AI 改變的不是投資的本質,而是誰能更有效地利用工具去挖掘人類真正擅長的工作——發現別人忽視的機會。 投資管理本質上是時間管理:關鍵在於如何分配研究時間到不同股票上。AI 可以加快準備工作(從 6-8 小時降至 5 分鐘),讓投資者能覆蓋更多標的,但效能遞減的問題仍存在——時間總量有限,覆蓋面擴大必然減少單支股票的深度研究。

重點整理

  1. 投資管理本質上是時間管理:關鍵在於如何分配研究時間到不同股票上。AI 可以加快準備工作(從 6-8 小時降至 5 分鐘),讓投資者能覆蓋更多標的,但效能遞減的問題仍存在——時間總量有限,覆蓋面擴大必然減少單支股票的深度研究。

  2. AI 不會替代人類,而是解放人類專注於高價值工作:自動化數據清理、大數據分析等基礎工作後,分析師應投入更多時間進行實地調查、行業深度研究,而不是被動接收 AI 輸出。當所有人都能自動完成基礎工作,競爭就升級到誰能更快找到市場忽視的機會。

  3. 審計和信任是使用 AI 的前提:作為 CPA 背景的資深投資人,必須確保每個數字都可追溯和驗證。無法審計的 AI 輸出無論多聰明都不能用於決策,因為錯誤可能導致百萬美元損失。許多人仍需逐個審計 AI 生成的模型,實際節省時間有限。

  4. 真正的競爭優勢來自提問方式與判斷力:當所有基金都能使用同樣的 AI 工具和數據時,區別在於如何提示(prompt)模型、整合人機工作的速度,以及識別其他人忽視的研究方向的能力。大型組織未必比小型敏捷團隊更具優勢。

實用技巧與重點

  • Citadel 旗下 Surveyor Capital:18 人覆蓋 400 支股票
  • Candlestick Capital Management:30 位股票選擇者
  • AI 可能的加速:數據準備從 6-8 小時降至 5 分鐘
  • 傳統組織結構:金字塔型,分析師→資深選擇者→投資組合經理→CIO
  • 潛在新增角色:調查記者、專案深度研究人員、數據工程師
  • 基金策略多樣性:日內高頻交易(年換手 9000 次)vs 五年持有
  • 覆蓋面擴大的選擇比例:覆蓋 100 支選 20 支(20%)→覆蓋 200 支選 20 支(10%)→覆蓋 400 支選 20 支(5%)
  • Kepler 的核心優勢:能夠審計每一個生成的數字
  • 無分析師對沖基金模式:只能複製去年的基金績效,無法超越同期競爭對手

結論

AI 改變的不是投資的本質,而是誰能更有效地利用工具去挖掘人類真正擅長的工作——發現別人忽視的機會。

完整解析

在 AI 革命的浪潮中,基礎面投資的未來究竟如何?擁有 Citadel 和 Candlestick Capital Management 豐富經驗的業界資深人士 Jack 認為,關鍵在於理解人機合作的本質,而非盲目相信 AI 能完全取代人類。

首先,投資管理的根本邏輯不變。長期股票選擇的核心——透過找出市場忽視的不同觀點來創造超額回報——這個基本原則不會因 AI 而改變。但人們獲取與整合信息的方式將徹底轉變。傳統的投資組合經理和分析師角色正在重塑,尤其是在工作分工和技能需求上。未來可能需要調查記者、專案深度研究人員,而不是純粹的數據整理者。

其次,AI 的真正價值在於時間管理的優化。投資者面臨經典的時間分配問題:投入更多時間在單支股票可以更深入了解,但這會縮減覆蓋廣度。AI 可以通過自動化重複工作來改變這個平衡——例如將數據準備時間從 6 到 8 小時縮短至 5 分鐘。但這不應導致團隊變得更閒散,而應促使他們投入更多時間進行實地調查、行業背景研究等更高價值的工作。覆蓋 100 支股票時可以選出 20 支(選中率 20%),但覆蓋 400 支時只能選 20 支(選中率降至 5%),因此需要更嚴密的研究來維持質量。這是一個競爭升級的過程:當所有人都用上 AI 後,那些能更好利用節省時間的人會獲得優勢。

第三,審計和信任構成 AI 應用的基礎。作為 CPA 背景的資深投資人,Jack 強調無法審計的數字絕對不能用於投資決策。他指出,即使是人工數據輸入時代,偶爾的錯誤也可能造成百萬美元損失。AI 模型雖然效率高,但如果無法追溯其計算過程或驗證輸出結果,就無法信任它來驅動交易演算法。這是許多 AI 應用使用者忽視的關鍵環節——他們求助 Claude 或其他工具建模後,仍需要逐個審計所有數字,這在某種程度上抵消了自動化帶來的時間節省。

最後,未來競爭力的決定因素將更多取決於判斷力與提問能力。當五人基金能夠利用 AI 達到 50 人基金的覆蓋規模,而 5000 人大型基金的效率反而被龐大組織拖累時,靈活性和專注力反而成為優勢。Jack 認為那些聲稱「無分析師對沖基金」的模式最多只能複製去年基金的績效水準,無法超越今年競爭對手的創新。真正的贏家將是那些能夠最快識別值得深度研究的方向、最有效整合人機能力、最敢於在他人未關注處尋找機會的投資者。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。