DDScoren toimitusjohtaja Mikko Heilimo InderesPodissa: tekoäly sijoitusanalyysissä
Keskustelu siitä, missä tekoäly auttaa sijoittajia, missä yleiskäyttöiset mallit jäävät vajaiksi ja miksi jäsennelty analyysi on tärkeää yksityisten yhtiöiden ja listautumisten arvioinnissa.
DDScoren perustaja ja toimitusjohtaja Mikko Heilimo keskusteli Kasper Mellaksen kanssa InderesPodissa siitä, miten tekoäly voi tukea sijoitusanalyysiä, miksi yleiskäyttöiset mallit eivät yksin riitä ja miten jäsennelty, todennäköisyyspohjainen analyysi auttaa arvioimaan yksityisiä yhtiöitä ja listautumisvaiheen mahdollisuuksia.
Katso jakso Inderesin sivuilta tai YouTubesta.
Keskustelu käytiin analyytikko Kasper Mellaksen kanssa, ja aiheena oli tekoälyn vaikutus sijoitusanalyysiin ja päätöksentekoon.
Inderes on yksi Suomen tunnetuimmista sijoittajapalveluiden tarjoajista. Se yhdistää osaketutkimuksen, sijoittajasisällöt, listayhtiöiden viestinnän ja aktiivisen sijoittajayhteisön. Inderesin tavoitteena on demokratisoida taloustietoa yhdistämällä sijoittajat ja listayhtiöt. Yli 500 eurooppalaista listayhtiötä käyttää Inderesin sijoittajaviestinnän tuotteita ja tutkimuspalveluita.
Keskustelu keskittyi käytännölliseen kysymykseen: mitä tekoäly voi todella tehdä sijoittajan hyväksi ja missä sen rajat tulevat vastaan?
Mikko korosti, ettei sijoitusanalyysiä pidä pelkistää siihen, että suurelta kielimallilta kysytään, onko yhtiö hyvä sijoitus. ChatGPT:n, Clauden ja Geminin kaltaiset yleiskäyttöiset mallit voivat olla hyödyllisiä, mutta ne eivät muodosta kokonaista sijoitusanalyysiprosessia. Ne osaavat tiivistää, jäsentää ja auttaa tiedonhaussa, mutta niillä on myös heikkouksia: muuttuva markkinakonteksti voi jäädä huomaamatta, johtopäätös voi kuulostaa uskottavalta ilman riittävää näyttöä, laskenta voi epäonnistua tai toimitettu aineisto ja ulkoinen näyttö voivat sekoittua.
Yksi keskustelun pääteemoista oli hallinta. Vakavasti otettava tekoälyavusteinen sijoitusanalyysi vaatii määritellyn prosessin: mitä tietoa kerätään, mihin lähteisiin luotetaan, miten väitteet tarkistetaan, miten riskit pisteytetään ja miten tulokset arvioidaan. Vahvimmat järjestelmät yhdistävät kielimallit muihin tekoälymenetelmiin, jäsenneltyyn dataan, varmennusvaiheisiin ja ihmisen harkintaan.
Tälle perustalle myös DDScore on rakennettu.
DDScore on rakennettu yksityisten yhtiöiden sijoituksiin, varhaisen vaiheen yrityksiin ja listautumismahdollisuuksiin, joissa sijoittaja kohtaa usein puutteellista tietoa, optimistisia pitch-materiaaleja ja niukasti julkista dataa. Palvelu analysoi pitch deckit ja muun sijoitusaineiston 12 sijoittajalle tärkeän osa-alueen kautta. Syvähaun, ajantasaisen julkisen tiedon ja DDScoren todennäköisyysmallin avulla syntyy DDScore-piste asteikolla 0–100 sekä jäsennelty raportti.
Jaksossa Mikko avasi myös sitä, miksi yksityisen yhtiön analyysi eroaa listayhtiöanalyysistä. Listayhtiöistä on yleensä saatavilla julkiset tilinpäätökset, analyytikkoseuranta, markkinahinta ja jatkuva tiedonantovelvollisuus. Yksityisillä yhtiöillä näitä ei useinkaan ole. Sijoittajan on arvioitava tiimin laatu, markkina, liiketoimintamalli, arvostus, kilpailuasema ja puuttuvat tiedot ennen kuin selkeää markkinasignaalia on olemassa.
Tässä jäsennelty tekoälyanalyysi voi tuottaa lisäarvoa: ei korvaamalla sijoittajan harkintaa, vaan tekemällä analyysin ensimmäisestä vaiheesta järjestelmällisemmän, näyttöön perustuvan ja ajantasaisen.
Kiitos Kasper Mellakselle ja Inderesille kutsusta sekä ajatuksia herättävästä keskustelusta tekoälystä, analyysistä ja sijoituspäätösten tulevaisuudesta.
Jakso on suomenkielinen. Muunkieliset katsojat voivat hyödyntää YouTuben tekstityksiä ja automaattista käännöstä.