Kort før jul kom en dyster forudsigelse fra den amerikanske professor Marcos Lopez de Prado fra Cornell University. At robotterne nu ikke kun truer de mere rutineprægede opgaver, men faktisk er i færd med at udslette nogle af de mest specialiserede stillinger i finansverdenen.

Marcos Lopez de Prado mener, at machine learning truer stillingerne som 6,14 mio. mennesker, der arbejder i finans- og forsikringsbranchen, har i dag. Mange vil miste jobbet − ikke nødvendigvis fordi det bliver overtaget af en maskine, men fordi de ikke er trænede i at samarbejde med algoritmer og robotter.

Inden vi skynder os ned på jobcentret, synes jeg, det er vigtigt at hæfte sig ved pointen om samarbejdet med robotter og algoritmer. Jeg tror ikke, udviklingen behøver blive en kamp mellem mennesker og maskiner, men i stedet et spørgsmål om at lære af og udnytte de muligheder der ligger i den nye teknologi. Lad mig uddybe det med eksempler på, hvordan vi arbejder med det i vores organisation, når vi investerer kundernes penge i virksomheder, aktiver og værdipapirer i overalt i verden.

Mennesket forud for maskinen

Indledningsvis er det vigtigt at slå fast, at vi helt grundlæggende ikke mener, man kan vurdere et aktiv kun ved at se på algoritmer eller tal i et regneark. Derfor besøger vores analytikere direktører, bestyrelser og medarbejdere over hele verden for at få indblik i de forretninger, vi investerer i. Mennesker − ikke computere − er afgørende i vores investeringsproces.

Med det sagt – var vi faktisk nogle af de første til at omfavne teknologien og de muligheder, den giver os. Vi har oprettet et udviklingscenter i New York med fokus på data science. Her arbejder dataspecialister, app-udviklerne og ingeniører sammen med vores investeringseksperter og analytikere for at udvikle teknologi, der giver større indsigt og dermed bedre investeringer.

På den måde tænker vi teknologi lidt bagvendt. Vi ser først på, hvad vores analytikere har brug for og derefter, hvordan teknologien kan opfylde behovet. Analytikerne bruger teknologien til at absorbere mere information og få bedre indsigt i deres områder. Eller som centrets leder Jordan Vinarub kalder det: ”Udvidet intelligens frem for kunstig intelligens”.

Her spiller cloud computing en hovedrolle. Det har nemlig gjort det muligt at koble machine learning og sortering af big data sammen med investering. Lad mig nævne et par eksempler:

AI fastsætter virksomhedens værdi

En virksomheds markedsværdi afhænger blandt andet af, hvordan den har klaret sig historisk. Men den præcise sammenhæng mellem de to er ofte ikke helt entydig. Derfor efterspurgte vores investeringsafdeling hjælp til endnu større indsigt i virksomhedernes fundamentaler. For eksempel hvordan udviklingen i indtjeningsvækst og profitmarginer påvirker aktiens værdiansættelsen (PE-ratio).

Med machine learning analyserer vi nu flere årtiers performance og millioner af datapunkter og fører det ind i en model, der giver en overskuelig teoretisk værdiansættelse for alle aktier i Russell 1000-indekset. Med det værktøj kan analytikere se, hvordan værdiansættelsen teoretisk reagerer på en given ændring i fundamentalerne − for eksempel en acceleration i virksomhedens vækstrate.

Forbrugerklager viser den reelle situation

Det offentlige, virksomheder og organisationer har de senere år gjort store mængder data tilgængelig for offentligheden online heriblandt forbrugermønstre. Udfordringen er naturligvis at sortere disse enorme datasæt.

I USA ville en af vores analytikere gerne dykke ned i den værdifulde information, der ligger i de millioner af forbrugerklager, som er indgivet til det statslige amerikanske forbrugerbeskyttelsesorgan i den finansielle sektor – CFPB.  Det er blevet til et dashboard med en oversigt over kundernes klager over bankerne, og hvordan klagerne ændrer sig over tid. Dermed kan vores analytikere afgøre, hvor gode banker og finansielle institutioner er til at adressere og løse problemerne.

Hvad nu?

Vi har allerede udviklet et værktøj, der via anonymiserede kreditkortdata, kan afgøre hvilke varer, der bedst fastholder kunderne og hvordan kundernes adfærd ændrer sig over tid. Næste mål er for eksempel datadrevet analyse af virksomhedernes KPI’er.

Med andre ord − mængden af og adgangen til data vokser og dermed også mulighederne. Ifølge The Economist er 35 procent af aktiviteten på det amerikanske aktiemarked og 60 procent af handelsaktiviteten nu styret af computere. Udvikling ser ikke ud til at vende, og derfor skal vi udnytte den, så godt vi kan. Men hos os forbliver teknologien et værktøj. Og den kommer ikke til at erstatte den menneskelige kontakt, analyse og erfaring, som vi stadig mener, er uvurderlig for at opnå succes inden for kapitalforvaltning.