Kan AI uw portefeuille beheren? InvestorAI's Bruce Keith over 'Zero Sum'

AI-sentiment: 62/100 Bullish
Deze score wordt gegenereerd op basis van een AI-gestuurde analyse van de inhoud van het artikel.
mogelijk gemaakt door
Koop JSW Steel. Het kernvoordeel in het artikel is dat AI terugkerende uitbraakpatronen detecteert en, cruciaal, weet wanneer uit te stappen—precies wat je wilt bij een cyclisch aandeel waar timing telt. Combineer dat met de optimistische call “Indiase infrastructuuruitgaven”: de vraag naar staal verschijnt vaak eerst in orderboeken en prijsstelling voordat de bredere markt volledig herwaardeert.
Belangrijkste risico: Indiase infrastructuuruitgaven vertragen of de vraag naar staal verzwakt sneller dan dat de technische uitbraak van het aandeel stand kan houden.
Verkoop blootstelling aan VS-leiderschap via een short in de S&P 500’s “leadership”-stijl (bijv. short QQQ of koop inverse blootstelling zoals SH). Het neerwaartse frame is dat AI-gedreven kortetermijnbesluitvorming kan beter presteren, maar dat langetermijn "leadership" posities drukbezet en fragiel kunnen zijn. Als de marktwinnaars naar het gemiddelde terugkeren, profiteert een style-short snel, terwijl AI-achtige exitdiscipline schade beperkt.
Belangrijkste risico: Dat Amerikaanse winstcijfers en het AI-capexmomentum sterk genoeg blijven om leiderschapsaandelen hoger te houden ondanks het risico op terugkeer naar het gemiddelde.
- AI kan markten sneller verwerken, maar menselijk oordeel blijft het belangrijkst.
- Beleggers moeten AI-tools beoordelen op consistentie, niet op opvallende rendementen.
- Automatisering komt eraan, maar robuuste risicobeheersing blijft essentieel.
Kunstmatige intelligentie dringt dieper door in het beleggen, van hedgefondsen en kwantitatieve tradingdesks tot particuliere portefeuilles en geautomatiseerde uitvoering.
Maar naarmate de toegang tot AI-gestuurde tools toeneemt, rijst een belangrijkere vraag: kunnen beleggers een machine werkelijk vertrouwen met hun geld?
Bruce Keith, CEO en medeoprichter van InvestorAI, gelooft dat de technologie de manier van beleggen dramatisch kan verbeteren, maar alleen wanneer deze voor de juiste taak wordt ingezet.
In de nieuwste aflevering van Zero Sum lichtte Keith toe waarom het vragen aan ChatGPT of een ander groot taalmodel wat je hierna moet kopen de verkeerde benadering kan zijn, waarom AI mogelijk beter is voor kortetermijnmarktbepalingen dan voor langetermijnbeleggen, en wat beleggers moeten eisen voordat ze kapitaal aan een door AI gedreven strategie toevertrouwen.
De verschillende facetten van AI-beleggen
Keiths onderscheid tussen algemene AI en voor beleggen ontworpen modellen staat centraal in het debat.
Grote taalmodellen worden getraind om vragen te beantwoorden met enorme hoeveelheden informatie.
Dat maakt ze nuttig om te begrijpen wat er in een portefeuille is gebeurd, nieuws samen te vatten en uit te leggen waarom een actief koersbeweging vertoonde.
Maar het voorspellen van een specifieke marktbeweging is een ander vraagstuk.
Keith stelde dat effectieve beleggingsmodellen terugkerende marktpatronen, potentiële uitbraken en punten waar die patronen veranderen moeten identificeren, in plaats van simpelweg informatie die al online beschikbaar is op te halen.
Om dit te doen nam zijn bedrijf een onconventionele aanpak: computer vision — dezelfde technologie die in gezichtsherkenning en zelfrijdende auto’s wordt gebruikt — aanpassen om marktdata te analyseren.
Door enorme datasets te vertalen naar visuele representaties kan hun AI complexe uitbraakpatronen "zien" die menselijke analisten, of op tekst gebaseerde LLM's, volledig zouden missen.
Dat onderscheid is belangrijk nu steeds meer particuliere beleggers AI-chatbots als informele financieel adviseurs gaan beschouwen.
Het echte beleggingsvoordeel kan liggen in weten wanneer je uitstapt
Een van Keiths meest interessante argumenten is dat het aangaan van een trade relatief eenvoudig is. Het lastigere probleem is weten wanneer je eruit moet.
"Niemand vertelt je wanneer je eruit moet."
Zijn bredere punt is dat beleggers zich vaak sterk richten op het vinden van de volgende winnende trade, terwijl risicobeheer vaak bepaalt of die winst daadwerkelijk behouden blijft.
Keith zei dat AI bijzonder nuttig is voor kortetermijnbeslissingen, die hij ruwweg op twee tot drie maanden stelt.
Menselijk oordeel blijft zijns inziens echter beter geschikt voor langetermijnbeslissingen omdat mensen kunnen werken met onvolledige informatie en factoren kunnen meenemen die moeilijk door machines te kwantificeren zijn.
Dat suggereert een hybride model in plaats van een volledig geautomatiseerd model: machines verwerken veel meer informatie dan een individuele belegger kan, terwijl mensen de verantwoordelijkheid voor het grotere geheel behouden.
AI-beleggen heeft meer transparantie nodig voordat beleggers het kunnen vertrouwen
Dat roept een ander probleem op: hoe bepaalt een belegger of een door AI aangedreven strategie daadwerkelijk werkt?
Keith stelt dat de sector duidelijkere standaarden nodig heeft voor het presenteren van prestaties.
Beleggers mogen zich niet tevreden stellen met één enkel opvallend cijfer of een indrukwekkend uitziende backtest.
"Als wat u zoekt consistentie is — consistentie van output, consistentie in het behalen van overrendement — dan moet de vraag zijn: hoe consistent is deze strategie geweest?"
Hij raadt aan eerst te kijken naar winstpercentage en beatrate, gevolgd door gemiddelde rendementen en drawdowns.
Een strategie die vaak wint kan nog steeds kapitaal vernietigen als de verliesgevende trades groot genoeg zijn.
De implicatie is eenvoudig: beleggers moeten een AI-tool beoordelen zoals ze een menselijke fondsmanager zouden beoordelen, met een verifieerbaar trackrecord, een duidelijke methodologie en begrip van hoe het zich gedraagt in zowel stijgende als dalende markten.
Toezichthouders proberen een technologie bij te benen die zich voortdurend ontwikkelt
Keith verwacht ook dat regelgeving een belangrijk onderdeel van het AI-beleggen debat zal worden.
Hij zei dat toezichthouders van nature achter de feiten aanlopen, maar betoogde dat een op principes gebaseerde benadering effectiever kan zijn dan proberen voor elke nieuwe toepassing gedetailleerde regels te schrijven.
Belangrijker nog vindt hij dat verantwoordelijkheid niet kan worden uitbesteed aan de machine.
Voor financiële bedrijven die AI inzetten betekent dat het handhaven van menselijke toezicht, risicocontroles en verantwoording, zelfs wanneer beslissingen steeds meer geautomatiseerd worden.
De volgende fase is AI die meer doet dan alleen handelsaanbevelingen
De technologie kan uiteindelijk verder gaan dan het genereren van signalen en doorstoten naar uitvoering.
Keith zei dat geautomatiseerde uitvoering al vaker voorkomt, waarbij AI mogelijk beslist wanneer te handelen, wanneer te stoppen en wanneer te pauzeren na verliezen.
Maar hij benadrukte dat de noodzakelijke risicocontroles rond het systeem moeten worden ingebouwd voordat beleggers er substantiële bedragen aan kapitaal aan toevertrouwen.
Dat kan de echte volgende stap zijn voor AI op de financiële markten: niet het volledig vervangen van beleggers, maar het vormen van een steeds krachtigere laag tussen informatie en uitvoering.
Keiths eigen afsluitende beleggingsaanbevelingen weerspiegelden dat evenwicht. Hij noemde Indiase infrastructuuruitgaven en JSW Steel als optimistische ideeën, terwijl hij VS-leiderschap als zijn neerwaartse call noemde en "luisteren naar de jeugd" als zijn wildcard.
Bekijk de volledige aflevering van Zero Sum voor het volledige gesprek over AI-gestuurd beleggen, transparantie, automatisering en wat er nodig is om een machine echt met geld te vertrouwen.
Luister op Apple Podcasts Luister op Spotify
Nvidia-aandelenanalyse: waarom de koers snel parabolisch kan stijgen

Broadcom-aandeel zakt naar cruciale steun: stijgt het na de cijfers?

Meta-aandelen ondergewaardeerd: schikking en AI kunnen tot 40% opleveren

Micron en SanDisk dalen voorbeurs door nieuw China-risico

Dow-futures kelderen 315 punten: 5 dingen om te weten voordat Wall Street opent
Geen resultaten gevonden
Artikelen laden...
Failed to load articles. Please try again.