Sblocca gratuitamente il digest dell'editore
Una delle sfide più difficili per qualsiasi investitore onesto è cercare di capire se sono fortunati o intelligenti. La loro strategia di trading di successo è l'equivalente di un lancio di monete che arriva a testa cinque volte di seguito? O è il risultato di intuizioni o esecuzione superiori? La natura umana (e le strutture delle commissioni) essendo ciò che sono, la maggior parte degli investitori preferisce le ultime spiegazioni. In verità, è spesso difficile da dire.
Nel tentativo di comporre il fattore intelligente e comporre fortuna, molti investitori hanno fatto ricorso alla tecnologia. Mercato pubblico Trader quantitativiin particolare, hanno usato a lungo il calcolo matematico e i sistemi di apprendimento delle macchine per individuare correlazioni significative nei dati di mercato, correggere per la distorsione umana ed eseguire operazioni alla velocità della luce.
Ciò ha assunto la forma estrema a Baiont, un fondo quant cinese che assume “nerd e geni” con le migliori competenze di informatica e zero esperienza finanziaria. Proprio come i modelli di intelligenza artificiale generativa, come CHATGPT, sono addestrati per completare la parola successiva in una frase, possono anche prevedere movimenti di prezzo a breve termine, afferma Baiont. “Lo consideriamo come un compito di AI puro”, ha detto Feng Ji, fondatore di Baiont.
Questo può essere un approccio razionale, se non necessariamente di successo, in mercati pubblici altamente liquidi e ricchi di dati, in cui i prezzi sono esattamente corretti. Ma quella metodologia funzionerebbe nei mercati privati, in particolare il capitale di rischio, in cui i dati sono scarsi, i mercati sono illiquidi e i prezzi sono opachi? Stiamo per scoprire da pochi fondi VC pionieristici vanno tutti nel trading quantistico.
Uno di questi è Quantumlight, un'azienda Ciò ha appena raccolto $ 250 milioni per il suo ultimo fondo. Il business, che traccia 10 miliardi di punti dati da 700.000 società sostenute da VC, ha già effettuato 17 investimenti dal 2023 guidato dal suo algoritmo. In genere, co-invece di $ 10 milioni nella fase della serie B, quando una start-up ha già acquisito un'impronta digitale. A differenza della maggior parte degli altri VC, non conduce mai un round o prende un posto a bordo.
I VC tradizionali si basano ancora sul riconoscimento del modello umano quando decidono dove investire, ma le macchine possono ora svolgere quell'attività in modo più efficiente e spassionato, mi dice l'amministratore delegato di Quantumlight Ilya Kondrashov.
“Cosa fai nel caso in cui il tuo intestino dice no, ma la macchina dice di sì? Abbiamo appena deciso di seguire la macchina perché è la nostra missione dimostrare che questo può essere un buon approccio”, dice.
Alcuni investitori quantici tradizionali sono incuriositi da come la metodologia si svolgerà nel campo VC. Il fattore determinante più critico del successo sarà la qualità, l'affidabilità e l'usabilità dei dati sottostanti, afferma Ewan Kirk, fondatore di Cantab Capital Partners, una società di investimento quantistico.
E suggerisce che la tecnologia AI utilizzata dai trader quantistici potrebbe essa stessa interrompendo i modi in cui le start-up sono oggi costruite e ridimensionate, confusi algoritmi di riconoscimento dei pattern. Le start-up stanno attualmente utilizzando l'intelligenza artificiale per crescere più velocemente di prima, a un costo inferiore. Ciò può rendere difficile confrontare le start-up di diverse annate.
“Si tratta di generalizzare dai dati storici”, mi dice Kirk. “Il problema con VC è quanto sono rilevanti i dati sulla serie B di Google rispetto a un investimento di serie B che stai facendo in questo momento?”
Per affrontare la sfida dei dati, la Quange VC Correlation Ventures ha creato quello che sostiene è il database più completo degli accordi di venture capital negli Stati Uniti, tratto da fonti pubbliche e dati storici di 15 partner VC.
Dal 2011 è co-investire in centinaia di start-up in fase iniziale, scrivendo assegni fino a $ 4 milioni, con risultati contrastanti. “Quando non siamo d'accordo personalmente con il modello, si scopre, umilmente, è meglio andare con il modello”, afferma David Coats, co-fondatore di Correlation.
La maggior parte delle aziende VC tradizionali non abbandonano ancora l'esperienza e la competenza umana. Ma la mitologia dell'industria, che progetta il saggio di investimento onnisciente sulla Sand Hill Road della Silicon Valley, viene forata. Quasi ogni fondo VC si basa su un approccio ibrido, utilizzando strumenti di apprendimento automatico per esplorare, selezionare e analizzare gli affari, afferma Patrick Stakenas, analista senior di Gartner.
Stakenas paragona l'approccio del VC Quants a quello di Billy Beane, il direttore di atletica di Oakland ha profilato nel libro di Michael Lewis Moneyball, che ha usato modelli matematici per sfidare i metodi convenzionali di scouting di giocatori di baseball per trovare talenti sottovalutati. “All'inizio, tutti pensavano di essere pazzi. In ritardo, tutti hanno iniziato a farlo”, dice Stakenas.
Gli investitori istituzionali cauti, tuttavia, vorranno vedere i fondi quantici VC colpire alcune corse in casa prima di acquistare il concetto.