Sentieo以AI为重点的研究平台增强了股票分析师的选股能力

在充斥着数据的世界中，对冲基金股票分析师寻找一个可能产生alpha值的数据点面临着巨大的挑战，就像在大海捞针中找针一样。但是，随着数据量的增长，技术创新的步伐也越来越快。

现在有大量令人印象深刻的技术解决方案可以支持买方。这些公司之一就是Sentieo，这是一个利用人工智能和尖端搜索技术从本质上“ Googlise”证券研究过程的金融数据平台；进而通过花费更多的时间来分析和减少搜索时间，从而帮助股票分析师在大海捞针中找到那些隐喻的针头。

Sentieo由Alap Shah于2016年成立。在此之前，Shah曾在美国两家著名的对冲基金Viking Global Investors和Citadel担任全球股票分析师。在这些机构工作期间，Shah每天使用彭博社和其他市场数据工具来监控他所涵盖的150只左右的全球股票。

Shah（如图）说：“我的工作是以各种形式获取我所获得的信息，并尝试将其转变为决策矩阵，以建立投资组合中的多头和空头头寸。”

“我收到的大多数信息是纹理信息或非结构化信息。其中一些是财务数据，但问题在于它是高度商品化的数据，从而降低了生成alpha的能力。

“文件，记录，经纪人研究和公司介绍等结构化和非结构化数据可以带给您优势，并让您看到其他人在市场上看不到的东西。我的工作是读取该信息并从中提取关键数据，然后尝试对其进行结构化以用于投资组合模型。”

在此期间，24/7的新闻报道和社交媒体平台的增长意味着Shah使用的这些传统工具突然变得越来越有限。努力跟上正在生成的数据量，这只是尝试上游。

意识到这一变化的步伐，Shah决定成立Sentieo，正是为了开发一个AI驱动的研究平台，该平台可以使研究过程产业化，并使股票分析师能够在数据丰富的世界中更有效地工作。

搜索功能是Sentieo的基础技术之一。

正如Shah解释的那样：“二十年来，人们一直在使用Google进行几次击键来获取他们问题的答案。我们正在从那本剧本中摘录一页，并进行金融研究。”

为了实现这一目标，Sentieo的团队首先创建了一系列关键文档，这些文档对于股票分析师来说至关重要。在全球范围内，大约有50,000个全球股票。Sentieo的搜索引擎通过引用大约1500万份与这些股票相关的文档来运行。SEC的每份文件，公司电话会议的每份笔录，1,000多家经纪人的每项研究，发布的每份公司演示文稿以及新闻中的每条相关数据。

“所有这些文档都存在于搜索引擎中，我们不仅可以运行常规搜索，还可以了解用户正在研究的主题，从而相应地定制我们的服务，” Shah说。该系统能够通过使用机器学习识别模式来基于用户搜索进行学习。如果您搜索“指导”一词（即特斯拉第三季度的Model 3指导是什么），系统还将提供有关特斯拉的预测和期望的数据。

前提可以概括如下：聚集大量文档，将搜索引擎放在最前面，并使用语言搜索算法让搜索引擎了解上下文（与正在研究的行业相关）。通过使用机器学习技术，Sentieo的搜索引擎开始像Google一样工作，根据其他用户发现的有用内容，进行自动完成（按击）和建议搜索主题。

通过这样做，它可以帮助用户以省时的方式搜索对他们而言最重要的内容。当人和机器共同工作以达到最佳结果时，这是一项超值的股权研究。

莎阿（Shah）解释说，Sentieo的结构方式包括三个不同的工作流程。

第一个元素是用于搜索和提取数据的搜索工作流程。然后进入Sentieo笔记本，该笔记本基本上是神经中枢，用户可以在其中汇总所有数据（新闻，CFO会议记录，经纪报告）。

“如果您是旧金山的特斯拉分析师，而东京有另一位丰田汽车分析师，德国则有戴姆勒汽车分析师，所有的分析师都有自己的笔记，您可以在Sentieo笔记本中看到这些笔记，” Shah说，从而促进全球股权团队之间的协作。

“用户可能会开始使用Sentieo来搜索和使用文档。然后随着时间的流逝，随着他们对它的使用变得更加舒适，可以将其用于数据提取，数据编目和协作。

“真正重要的行为改变，也是我们关注的重点是，'我能说服您使用Sentieo从财务角度阅读您关心的大部分内容吗？'例如，您无需单击图表或将研究报告摘要粘贴到Evernote中，只需单击一个按钮，便将所有内容都提取到Sentieo Notebook中。”

这极大地减少了花大量时间在大量数据上花费时间以产生对特定股票的见解的时间，并为分析师提供了更多时间来构建公司的特定视图。

工作流程的第三步是研究管理系统。这由Sentieo笔记本中的所有信息提供。

如果分析师建议购买特斯拉，则他们可以参考他们汇总的所有信息以支持他们如何做出该决定：CFO上个月是否告诉过他们？摩根士丹利的报告有建议吗？

沙阿说：“所有支持您投资论点的东西，包括对公司下一季度收入或价格目标的估计，都将纳入研究管理系统。”

然后，首席信息官/首席执行官可以及时查看所有记录在案的文件，以及推动分析师决策过程的真正因素。

一个人可能首先使用原始数据来建立公司的投资论文。扩展来说，如果团队中的其他人对本行业中的其他公司都做同样的事情，那么最终将得到一个数据库，其中包含所有相关股票的增长估计和目标价格。

从那里，分析师可以确定哪些股票具有最大的上涨潜力，哪些股票具有最大的下跌潜力，以便建立账本。

Sentieo平台的基础AI技术意味着它可以汇聚大量信息，然后将其提取为集中的混合信息，分析师可以从中明确其对投资组合的买入和卖出建议。从寓言角度讲，这并不是很炼金术，其目的是将基础铅（财务数据）转换为金（可以产生不相关的alpha值的数据点）。

该机器可以完成繁重的工作-运行搜索，查找最重要的主题，进行主题建模以比较股票的KPI随时间变化，并建立各种危险信号。这些可能与公司首次在笔录中提及的法律变更有关，也可能与首席执行官或首席财务官绕过重要问题的答案有关。

使用的系统越多，系统就越了解用户的操作，由于网络效应，它变得更加智能。

关于使用替代数据集，Shah观察到，量化基金拥有自己的黑匣子模型，并且可能会继续遵循这一过程，“但是，我们认为最大的创新领域是基础股票研究领域”。

根本的分析师不会期望他们彻底改变一夜之间的工作方式。

“相反，您需要为他们提供迎合并理解其现有流程的工具，” Shah说。“这个特殊的替代数据集暗示了这家公司可能正在发生这种情况–您如何确定这是否属实，并且可以根据您现有的基础研究过程加以确认？

“ Sentieo帮助基础投资者在他们习惯的工作流程中将他们正在寻找的替代数据进行背景化。我们都是买方和卖方的前分析师，因此我们了解这些工作流程注意事项。该系统旨在获取替代数据，并通过客户的工作流程将其转化为见解。”

像Sentieo这样的研究平台正在寻找方法，以最佳地利用AI技术来增强人类智能。Sentieo使用得越多，它就会学到更多，从而帮助分析师提高选股的绩效，从而在投资组合中产生alpha。

“我们认为最好的人加上最好的机器可以导致1加1等于3。这就是我们专注于扩展的能力。” Shah总结道。

要收听Alap Shah讨论Sentieo正在探索的可能性以及对对冲基金数据分析师的意义，请注册网络研讨会：在这里使用AI来增强股票研究以进行alpha生成

钉“ />

詹姆斯·威廉姆斯