Das ist auch super interessant Ich habe mit KI-gesteuerten Daten-Dashboards experimentiert, um die Unternehmens-KPIs systematischer zu verfolgen. Ein großer Teil des Forschungsprozesses im Bereich öffentliche Aktien dreht sich darum, bessere Umsatzprognosen zu entwickeln (die dann auf EPS auf verschiedenen inkrementellen Ebenen fließen). Daher besteht ein großer Teil der Investmentforschung darin, Daten zu verfolgen, die genauere Umsatzprognosen ermöglichen. Das ist die Grundlage der alternativen Datenindustrie. Aber es gibt viele hilfreiche Datensätze, die öffentlich zugänglich sind. Als Chatbots Arme bekommen haben (Claude), war ich beeindruckt von der Fähigkeit dieser Werkzeuge, diese Daten zu beschaffen. Für mich ist das das andere fehlende Puzzlestück, das neben der Excel-Flüssigkeit steht. Die Fähigkeit, ein Excel-Modell zu verarbeiten (eventuell aufzubauen, aber nicht heute), wichtige Treiber (aus offenen und proprietären Daten) zu identifizieren, diese Daten in Prognosen zurückzudestillieren und benutzerdefinierte Warnungen zurückzugeben (Geschäftsbewegungen, wahrscheinliche Revisionen der Umsatzprognosen, Validierung/Invalidierung von Thesen usw.). Jetzt reden wir!! Das ist um Größenordnungen hilfreicher als eine Finanz-Chatbot-Oberfläche. Ich frage mich, ob sich diese Werkzeuge so schnell weiterentwickeln, dass die meisten Finanzprofis nicht einmal lernen müssen, wie man Codierungsagenten verwendet. Zum Beispiel hat Perplexity Computer etwas in einem Schritt erledigt, das zwar nicht perfekt war, aber einen erheblichen Fortschritt in der Fähigkeit der Infrastruktur zeigt, einfache, leistungsstarke Benutzeroberflächen zu erstellen. Die Genauigkeit auf institutionellem Niveau bleibt ein kritisches und noch nicht vollständig gelöstes Problem (verbessert sich das, wenn Firmen wie CarbonArc MCPs einführen??), aber es ist aufregend zu sehen, wie sich die Ingenieursfähigkeiten in so kurzer Zeit so erheblich verbessern.