قبل بدء Valarn، قضيت عدة سنوات أعمل جنبًا إلى جنب مع فرق الاستثمار المحترفة.
أصبح شيء واحد واضحًا جدًا بسرعة.
لا يتخذ المستثمرون المحترفون قراراتهم بناءً على مقال إخباري واحد أو تقرير أرباح واحد.
يقضون ساعات - أحيانًا أيام - في البحث عن شركة من كل زاوية ممكنة.
نادراً ما يتمتع المستثمرون الأفراد بهذا الرفاهية.
معظم الناس يوازنون بين الوظائف والعائلات والحياة المزدحمة. قد يكون لديهم ساعة بعد العمل لـ البحث عن سهم قبل اتخاذ قرار مهم.
هذا ليس نقصًا في الذكاء.
إنه نقص في الوقت وأدوات البحث.
هذه هي المشكلة التي أردت حلها.
فجوة البحث#
تمتلك شركات الاستثمار الكبيرة فرقًا كاملة مخصصة للبحث.
يدرس شخص واحد البيانات المالية للشركة.
شخص آخر يتابع الاتجاهات الاقتصادية.
شخص آخر يتابع أخبار الصناعة.
يركز آخرون على المخاطر أو التحليل الفني أو مشاعر السوق.
يتحدى هؤلاء الخبراء أفكار بعضهم البعض قبل اتخاذ أي قرار استثماري مهم.
يمتلك معظم المستثمرين الأفراد:
- مواقع أخبار مالية
- تطبيق وساطة
- وسائل التواصل الاجتماعي
- ربما فيديو على يوتيوب أو بودكاست
لا يوجد شيء خاطئ في تلك الموارد.
لكنها ليست مثل وجود فريق من المتخصصين يراجع نفس الشركة من وجهات نظر مختلفة.
كنت أعتقد أن الذكاء الاصطناعي يمكن أن يساعد في سد هذه الفجوة.
من أين جاءت الفكرة#
في عام 2024، بدأت أجرّب الذكاء الاصطناعي لأغراض البحث المالي.
مثل العديد من الناس، طلبت من الذكاء الاصطناعي أن يلخص تقارير الأرباح، وملفات SEC، وأخبار الشركات.
بدت الردود مقنعة.
لكنها غالبًا ما كانت تفتقر إلى العمق.
أحيانًا كانت حتى خاطئة بثقة.
ثم أدركت شيئًا.
لا يتم إنتاج البحث المهني بواسطة محلل واحد يعمل بمفرده.
إنه يُنشأ من خلال النقاش، والاختلاف، والأسئلة المستمرة.
يجد محلل واحد الفرصة.
يشير آخر إلى المخاطر.
يتحدى ثالث الافتراضات.
تنجو أفضل الأفكار لأنها تم اختبارها.
أدى ذلك إلى سؤال بسيط:
ماذا لو عمل الذكاء الاصطناعي بنفس الطريقة؟
بدلاً من أن يقدم ذكاء اصطناعي واحد رأيًا واحدًا...
ماذا لو قام عدة متخصصين في الذكاء الاصطناعي بفحص نفس الشركة من زوايا مختلفة، وتحدوا تفكير بعضهم البعض، ثم عملوا معًا لإنتاج تقرير بحث متوازن؟
أصبح ذلك أساس Valarn.
بناء فريق من محللي الذكاء الاصطناعي#
بدلاً من الاعتماد على ذكاء اصطناعي عام واحد، تستخدم Valarn فريقًا كاملًا من محللي الذكاء الاصطناعي المتخصصين - اليوم، يصل عددهم إلى حوالي 25 منهم، منظمين في خمس فئات.
لكل منهم وظيفة محددة. إليك بعض منها:
- محلل الأساسيات - يراجع البيانات المالية، والأرباح، والتقييم، وأداء الشركة.
- محلل السوق - يبحث عن اتجاهات الأسعار وبنية السوق.
- محلل المشاعر - يتتبع الأخبار، ومكالمات الأرباح، وتعديلات المحللين، ومشاعر السوق.
- محلل الاقتصاد الكلي - يراقب الاتجاهات الاقتصادية التي قد تؤثر على الاستثمارات.
- محلل المخاطر - يبحث عن أسباب قد تؤدي إلى فشل فكرة استثمارية.
محلل المخاطر هو أحد المفضلين لدي.
وظيفته بالكامل هي الاختلاف.
بجدية.
بينما يبني المحللون الآخرون حالة، يحاول محلل المخاطر تفكيكها.
أحيانًا يكون ذلك محبطًا.
عادةً ما يكون بالضبط ما هو مطلوب.
لأن البحث الجيد لا يتعلق بإثبات أنك على حق.
إنه يتعلق باكتشاف أين قد تكون مخطئًا.
لماذا تهم المناقشة#
تتناقش فرق الاستثمار المحترفة باستمرار.
الهدف ليس الفوز في جدال.
الهدف هو العثور على أقوى استنتاج.
أردنا أن يعمل الذكاء الاصطناعي لدينا بنفس الطريقة.
بدلاً من إعطاء إجابة سريعة واحدة، تتيح Valarn لعدة محللي ذكاء اصطناعي فحص نفس الأدلة من وجهات نظر مختلفة قبل إنتاج ملخص بحث نهائي.
أحيانًا يتفقون.
أحيانًا لا يتفقون.
هذا الاختلاف ذو قيمة.
غالبًا ما يكشف عن المخاطر - أو الفرص - التي قد تُفوت بخلاف ذلك.
لمن بنينا Valarn#
لم يتم تصميم Valarn ليحل محل المستشارين الماليين أو مديري الاستثمار المحترفين.
إنه مصمم للأشخاص الذين يستمتعون بإجراء أبحاثهم الخاصة ويريدون أدوات أفضل.
الأشخاص الذين:
- يديرون استثماراتهم الخاصة.
- يريدون أكثر من العناوين وآراء وسائل التواصل الاجتماعي.
- يحبون فهم الجوانب الإيجابية والسلبية للفرصة.
- ليس لديهم ساعات كل يوم لقراءة مئات التقارير.
هؤلاء هم المهندسون، والمعلمون، والأطباء، ورجال الأعمال، والمتقاعدون، والمتعلمون مدى الحياة.
هم أكثر من قادرين على فهم البحث بجودة المؤسسات.
لكنهم لا يملكون الوصول إلى فريق بحث مؤسسي.
ما تعلمناه#
أحد أكبر مفاجآتنا كان ما يهتم به المستخدمون أكثر.
افترضنا أن الجميع سيركزون على العرض النهائي للبحث.
بدلاً من ذلك، يقضي العديد من المستخدمين معظم الوقت في قراءة النقاش بين محللي الذكاء الاصطناعي.
يريدون فهم لماذا توصل الذكاء الاصطناعي إلى استنتاجه.
درس آخر؟
عدم اليقين ذو قيمة.
أحيانًا يتفق كل محلل.
أحيانًا لا يتفقون.
إظهار ذلك الاختلاف يساعد الناس على اتخاذ قرارات أكثر استنارة بدلاً من الثقة العمياء في إجابة واحدة.
لقد تعلمنا أيضًا أن الشفافية تبني الثقة.
بدلاً من أن نطلب من المستخدمين ببساطة أن يثقوا في الذكاء الاصطناعي، نسمح لهم باستكشاف التحليلات السابقة وفهم كيفية الوصول إلى الاستنتاجات.
يجب أن تُكتسب الثقة - لا يُفترض بها.
مهمتنا#
على مدى عقود، كانت أفضل أدوات البحث متاحة في الغالب للمؤسسات المالية الكبيرة.
الذكاء الاصطناعي يغير ذلك.
اليوم، من الممكن توفير وصول المستثمرين الأفراد إلى بحث كان يتطلب سابقًا فريقًا كاملًا من المحللين.
هذا ما يثير حماستي.
ليس استبدال الحكم البشري.
دعم ذلك.
مساعدة الناس على فهم كل من الفرص والمخاطر.
مساعدتهم على طرح أسئلة أفضل.
مساعدتهم على اتخاذ قرارات أكثر استنارة.
نحن فقط بدأنا#
الذكاء الاصطناعي يتحسن بسرعة مذهلة.
وكذلك Valarn.
سنستمر في إضافة مصادر بيانات جديدة، وتحسين محللي الذكاء الاصطناعي لدينا، وتوسيع قدرات البحث لدينا، وجعل كل تقرير أسهل للفهم.
لم يكن هدفنا أبدًا إخبار الناس بما يجب عليهم شراؤه أو بيعه.
هدفنا هو مساعدة الناس على التفكير بوضوح أكبر.
لتوفير أبحاث أفضل، وسياق أفضل، وشفافية أكبر للمستثمرين العاديين، حتى يتمكنوا من اتخاذ قراراتهم الخاصة بثقة.
إذا استطعنا المساعدة في تضييق الفجوة البحثية بين وول ستريت والمستثمرين الأفراد - حتى قليلاً - سنعتبر ذلك نجاحًا.
ونحن فقط بدأنا.
Valarn
Founder
Valarn Research Team
