1817年、ニューヨーク州知事デウィット・クリントンがエリー運河の建設を推進した際、批判者たちは全長363マイルの水路計画を「どこにも通じない高価な溝」と一蹴した。彼らが見ていたのはインフラであり、そこを何が流れるのかではなかった。
建設には8年を要した。その期間の大半において、労働者たちは単に溝を掘っていたのではない。将来の商取引が流れるインフラを築いていたのである。
Erie Canalway National Heritage Corridorによると、1825年に運河が開通すると、バッファローとオールバニ間の貨物輸送コストは約90%低下し、移動時間は大幅に短縮され、沿線都市は拡大し、ニューヨーク市は米国の商業中心地として台頭した。
運河の価値は溝そのものにあったのではない。その価値は、運河が可能にした商取引にあった。この違いは、投資業界がAI（人工知能）に熱視線を送る現状に対して重要な教訓を示している。
AIは運河かもしれない。だが、データこそが水である。そして多くの企業は、新たに掘った運河を、誰もがすでに持っている同じ水で満たしている。
同じ混雑した水路をより速く進む
資産運用会社、ヘッジファンド、投資プラットフォームは、決算説明会の要約、開示資料の分析、調査の高速化にAIを導入している。McKinseyは、生成AIが投資運用に大きな効率化をもたらし得ると指摘している。しかし、効率化と投資上の優位性は同じではない。
各社が同じ決算発表、取引記録、アナリスト予想、ニュースフィード、市場価格に類似のモデルを適用すれば、結果としてより速いコンセンサスは得られるかもしれないが、差別化された先見性は得られない。
広く入手可能な情報をより効率的に処理することから、持続的なアルファが生まれることはまれである。共通データに基づく優位性は、競合他社が同等の技術を獲得するにつれて狭まっていく。
より大きな機会は、単により速い運河を築くことではない。異なる水源を見つけることにある。
取引の上流へ移動する
金融データやオルタナティブデータの多くは、すでに発生した活動を表している。クレジットカードデータ、ウェブトラフィック、店舗訪問、出荷動向、決算報告、市場価格は有用だが、それらは主に下流で生じた結果を観察するものだ。
将来を見据えたゼロパーティデータは、さらに上流で機能する。
それは、人々が期待、優先事項、購入計画、家計見通し、動機について意図的に提供する情報である。代表性のある集団から定期的に収集すれば、取引や報告結果に表れる前に、需要を形成する力を把握できる。
ニューヨーク連邦準備銀行は、毎月実施する消費者期待調査を用いて、インフレ、支出、所得、雇用、信用、住宅に関する見方を測定している。同銀行の研究は、期待が行動に影響し、マクロ経済活動や金融政策に示唆を持つことを明らかにしている。
ここに投資上の核心的な洞察がある。人間の期待は、経済に関する単なる論評ではない。総体として、それは経済を生み出す一助となる。
消費者が自動車を購入したり、小売業者を替えたり、支出を削減したり、より低価格の商品に切り替えたりする前に、信頼感、家計への圧力、購入意向が先に変化することが多い。取引はその後にやって来る。
8年分のデータ優位性
差別化された時系列資産をつくるには、エリー運河を築いたのと同じ種類のコミットメントが必要である。
企業は、将来を見据えた消費者期待の8年分を一夜にして作り出すことはできない。そうした観測値は、安定した手法、代表性のあるサンプル、厳格な品質管理のもとで、月ごとに収集されていなければならない。
しかし、投資リーダーが8年待つ必要はない。目の前の機会は、すでにその投資を行ってきた比較的少数のデータ保有者を特定し、その歴史的資産を現在のAIシステムにつなぐことにある。
縦断的データセットは、スナップショットでは捉えられないものを捉える。すなわち、信頼感、購入意向、家計への圧力の変化が、その後どのように支出、企業収益、より広範な経済に表れるかである。その蓄積された履歴こそが、データをシグナルへと変える。
AIソフトウェアが運河、現在のゼロパーティデータが水、そして複数年にわたる時系列がシステムを信頼できるものにする貯水池だといえる。その貯水池は、すでに一部の場所に存在している。課題は、競合他社に先んじてそれを見つけ、検証し、アクセスすることだ。
AIソフトウェアはすぐに取得できる。歴史的観測値は、後から再構築することはできない。AIモデルは明日買えるかもしれない。だが、誰かが先見性を持って収集していない限り、昨日欠けていた観測値を買うことはできない。だからこそ、確立された縦断的データ資産は戦略的インフラなのである。
Tim Geannopulos氏は、Broadhaven Capitalのパートナーであり、Trading Technologiesの元CEO兼会長である。同氏はこう説明する。「フィンテックの世界では、誰もが自社の『テクノロジーの堀』を強化しようと絶えず努めています。ソフトウェア製品を独自性があり競争力のあるものに保つためです。これは、成長するフィンテック分野であるオルタナティブデータで特に顕著です。アルファを渇望するトレーディング業界は、独自の取引モデルというスープに差別化要素として加える、最も希少なデータを絶えず探し求めています」
需要形成データは41日の先行優位をもたらす
Geannopulos氏は続ける。「こうしたオルタナティブデータの一例が、消費者意向の調査データです。これはPCEやCPIといった主要なマクロ経済指標を数週間から数カ月前に予測できるため、債券、FX、株式、コモディティ、暗号資産、とりわけ予測市場の取引に実行可能なシグナルを提供します。こうした調査データを8年分、特に25年分保有するトレーディング会社は、フォートノックスと同じくらい突破困難な堀を持つことになります。誰かがタイムマシンを作って過去に戻り、自ら同じ調査を実施できない限りは」
この指摘は、問題の核心を突いている。技術はコピーでき、ライセンス供与でき、開発もできる。継続的に収集された人間の期待に関する歴史的記録は、そうはいかない。
新たな水が可能にするもの
継続的に更新され、代表性を備えた需要形成データにAIを適用すれば、従来の調査システムでは生み出すのが難しい成果が得られる。
モデルは、変化する意向を、小売売上高、個人消費、インフレ、雇用、住宅、自動車需要の先行予測へと変換できる。
企業レベルでは、カテゴリー別の意向、小売業者への選好、家計の信頼感、支出計画の変化が、四半期決算の前に売上高予測を改善し得る。
ポートフォリオレベルでは、投資家は、アナリスト予想に変化が完全に織り込まれる前に、顕在化しつつある需要の恩恵を受ける位置にある企業と、圧力にさらされる可能性の高い企業を見極められる。
リスクのレベルでは、確率モデルが、従来の経済指標に表れる前に、家計状況の悪化、購入意向の弱まり、警戒感の高まりを検知できる。
最も強力なシステムは、上流の意向を取引、ファンダメンタルズ、市場データと結び付けるだろう。
しかし、上流のシグナルは、希少なものを提供し得る。時間である。そして投資において、時間はしばしばアルファを生み出す原材料となる。
データが堀になる
CFA Instituteは、オルタナティブデータと自然言語処理（NLP）が、投資家に世界のより明確で迅速な像をもたらす一助となり得ると指摘する一方で、関連性、信頼性、データ品質が依然として重要であると警告している。
AIモデルが増殖するにつれて、その警告はさらに重要になる。アルゴリズムは改善する。コンピューティングコストは低下する。高度なソフトウェアは、信頼に足るほぼすべての投資組織が利用できるようになる。モデルそのものの差別化は薄れていくかもしれない。
持続的な優位性は、ますます、モデルを流れる独自性があり、タイムリーで、複製が難しいデータから生まれるようになる。「どのAIプラットフォームを使うべきか」と問うだけでなく、投資リーダーはこう問うべきである。「市場の他の参加者がまだ知らない何を、われわれは知っているのか」
エリー運河は、既存の旅を単に速くしたのではない。商取引がどこを流れ、どの都市が繁栄し、誰が競争できるのかを変える新たなルートを生み出した。
なじみのある過去志向のデータだけで動くAIは、既存の調査を速くするかもしれない。
将来を見据えた需要形成データで動くAIは、知識へ至る別のルートを生み出し得る。人間の期待を、その結果が明白になる前に経済的帰結へと結び付けるルートである。
市場はAIソフトウェアを見ている。より洞察力のある投資家は、新たな水、その背後にある貯水池、そして何年も前からその貯水池を満たし始める先見性を持っていた組織に目を向けるべきである。
