KI ist zu einem heißen Thema geworden, seit OpenAI im vergangenen Jahr ChatGPT gestartet hat. Akademische und praktische Artikel und Videos sind wie Pilze aus dem Boden geschossen und zeigen, wie ChatGPT, das von Large Language Models (LLMs) abgeleitet ist, verwendet werden kann, um Aktien zu analysieren und Märkte vorherzusagen. Kommt es für Ihren Job?
Nicht so schnell. KI wird menschliche Analysten in absehbarer Zeit nicht ersetzen. Während ChatGPT große Fortschritte in der KI widerspiegelt, glauben wir nicht, dass es menschliche Wertpapieranalysen oder Fundamentalrecherchen ersetzen kann, die darauf abzielen, einen langfristigen Ausblick auf die Geschäftsaussichten und das Aktienrenditepotenzial eines Unternehmens zu entwickeln. Doch während Unternehmen in allen Branchen darum kämpfen, von der KI-Revolution zu profitieren, werden Investmentfirmen neue Wege entdecken, um Effizienzen freizusetzen.
Berge von Informationen verarbeiten
Bei korrekter Bereitstellung können ChatGPT und LLMs Analysten dabei unterstützen, ihre Arbeit besser zu erledigen. Aktienanalysten sind oft überwältigt von der schieren Menge an Material, das verarbeitet werden muss, um einen Einblick in ein Unternehmen zu erhalten. Nachrichtenberichte, amtliche Einreichungen und Gewinnaufrufe erzeugen einen endlosen Strom von Informationen. Dies zwingt die Anlageteams dazu, sich intensiv auf eine begrenzte Anzahl von Beteiligungen mit höherer Priorität oder starke Anlagekandidaten zu konzentrieren.
Was aber, wenn eine Analystin 10.000 hochkompetente Praktikanten an ihrer Seite hätte? Dies wäre eine revolutionäre Entwicklung in der Verarbeitung von Informationen, die die Investitionsmöglichkeiten schärfen könnte. Wir glauben, dass LLM-gesteuerte Tools wie ChatGPT banale, zeitaufwändige Aufgaben für Anlageexperten erledigen könnten, die derzeit unverhältnismäßig viele Ressourcen erschöpfen – oder überhaupt nicht erledigt werden. Neue LLM-Technologien haben sich in den letzten Jahren dramatisch weiterentwickelt und sind für jeden mit grundlegenden Programmierkenntnissen leicht zugänglich. Sobald wir also logistische Engpässe identifizieren, die Analysten behindern, können wir KI kreativ einsetzen, um echte Effizienz zu erzielen.
Abdeckung von Anrufen und Einreichungen zu mehr Einnahmen
Aktienanalysten decken in der Regel Dutzende von Unternehmen in einem Sektor ab und beobachten gleichzeitig Wettbewerber und potenzielle Anlagekandidaten. Während der Berichtssaison ist es unmöglich, an jedem einstündigen Firmengespräch teilzunehmen. Und es ist einfach nicht genug Zeit, um sich bei allen Anrufen der Wettbewerber einzuwählen.
Die meisten Analysten würden einem Praktikanten niemals Gewinnauskünfte über die größten Positionen eines Portfolios geben. Doch mit einer unbegrenzten Anzahl von Praktikanten könnte ein Analyst selektiv andere Telefonkonferenzen oder Konferenzen auslagern, die nicht an den LLMs teilnehmen können, die raffinierte Zusammenfassungen erstellen können. Wir haben dies anhand von Ergebnisaufrufen und verschiedenen Dokumenten getestet, einschließlich des jüngsten Ergebnisaufrufs von AB, und waren von der Qualität und Genauigkeit der generierten Zusammenfassungen beeindruckt.
Analysten sind immer neugierig auf Themen oder Fragen, die außerhalb des Coverage-Universums auftreten können, beispielsweise Probleme im Zusammenhang mit Inflation, Lieferketten oder Regulierung. Die virtuellen Praktikanten des LLM können Themen wie diese automatisch suchen und extrahieren und Benachrichtigungen versenden.
LLMs können auch verwendet werden, um signifikante Änderungen an Texten in Unternehmensunterlagen zu identifizieren. Diese Dokumente sind oft Hunderte von Seiten lang und der Großteil des Textes ändert sich nicht von Quartal zu Quartal. LLMs können diese Unterlagen durchkämmen, um Änderungen zu identifizieren, die auf eine wesentliche Änderung im Geschäft oder in der Strategie eines Unternehmens hindeuten und weitere Untersuchungen erfordern.
Zusammenfassung von Besprechungen, Notizen und internem Text
Portfoliomanager und Analysten nehmen an unzähligen Meetings und Zoom-Calls teil. Manchmal machen Analysten unordentliche Notizen und übergeben sie dann einem Praktikanten zum Umschreiben.
ChatGPT kann Zoom-Transkripte verdichten und Rohnotizen in definierte benutzerfreundliche Formate wie vollständige Sätze oder Aufzählungen oder Schlüsselpunkte aufräumen. ChatGPT kann auch verwendet werden, um Themen aus einem längeren, unkonzentrierten Text zu extrahieren, was Analysten hilft, einem weitschweifigen Gespräch sofort einen Sinn zu geben. Polierte Notizen sind für ein breiteres, nicht fachkundiges Publikum besser verdaulich und können automatisch mit Teammitgliedern geteilt und in Forschungsmanagementsystemen gespeichert werden.
Mit dieser Art von interner Datenbank könnten LLMs verwendet werden, um proprietäre Erkenntnisse zu generieren. Hier liegt unserer Ansicht nach die wahre Stärke der KI für Wertpapierfirmen. In Zukunft können wir ChatGPT möglicherweise anweisen, eine interne Sammlung von Analystennotizen zu verarbeiten und zu interpretieren, um beispielsweise eine schnelle Zusammenfassung des Bear-Case oder Bull-Case des Unternehmens für bestimmte Unternehmen zu erstellen. Dies zeigt, wie Q&A zu einem wertvollen Tool für Chief Investment Officers werden kann, wenn es darum geht, Anlagethesen zu überwachen oder Quartalskommentare für Kunden zu automatisieren.
Herausforderungen und Risiken – Halluzinationen und Sicherheit
ChatGPT ist noch eine im Entstehen begriffene Technologie. Obwohl es sich schnell verbessert, hat es immer noch eine besorgniserregende Tendenz, zu halluzinieren – oder eine Reaktion zu erfinden, die plausibel klingen mag, aber völlig erfunden ist. Diese falsch positiven Ergebnisse können mit überzeugender Überzeugung angegeben werden. Analysten müssen die Ausgabe von ChatGPT überprüfen und ihre Genauigkeit verifizieren, genauso wie wir mit einem motivierten, aber unerfahrenen Praktikanten arbeiten würden, der Zugang zu Informationen ohne Quellen aus dem Internet hat.
Auch Fragen der Datensicherheit verdienen Aufmerksamkeit. ChatGPT und andere KI-Modelle müssen in die interne IT-Umgebung eines Unternehmens integriert werden, um die Sicherheit zu gewährleisten und geistiges Eigentum zu schützen. Urheberrecht und Beschaffung sind ebenfalls Bedenken, da wir prüfen, wie maschinell generierte Informationen aus Gründen der Klarheit und Compliance zitiert werden.
Kulturwandel zur Förderung der Produktivität
Abgesehen von den technischen Problemen stellt ChatGPT eine kulturelle Herausforderung dar. Data-Science-Teams müssen die Vorteile aktiv fördern und konkrete Beispiele zeigen. Analysten müssen herausfinden, was sie automatisieren können, sich mit der Technologie vertraut machen und ihre Grenzen verstehen. Und angesichts der berühmtesten Innovation von ChatGPT – der Fähigkeit, Befehle in einer natürlichen, menschlichen Konversation zu verarbeiten – ist es entscheidend für den Erfolg, die richtigen Eingabeaufforderungen (Prompt Engineering) zu finden, um eine qualitativ hochwertige Ausgabe zu erhalten. Das Überwinden dieser Hürden wird es den Teams ermöglichen, die Technologie anzunehmen.
Sobald dies der Fall ist, glauben wir, dass ChatGPT und LLMs für Unternehmen, die sie strategisch und systematisch einsetzen, eine Wende darstellen werden. Es ist wichtig, die Macht der KI bei der Durchführung von Recherchen oder der Auswahl von Wertpapieren nicht zu überschätzen. Stattdessen sollten wir die Aufgaben identifizieren, die die effektivsten Produktivitätsauszahlungen bieten könnten, als ob ein Team Zugang zu Tausenden von Praktikanten hätte. Durch die Kombination der menschlichen Intelligenz von Anlageanalysten mit der Verarbeitungsleistung von ChatGPT können wir ein KI-Arsenal aufrüsten, die Forschungseffizienz verbessern und letztendlich bessere Anlageentscheidungen treffen.
