V poslední době slyším tento argument častěji. A z technického hlediska je to pravděpodobně pravda. Nicméně si myslím, že to opomíjí roli Excelu v investičním procesu... Excel je jednoduchý, důvěryhodný, většinou bez chyb, deterministický nástroj pro analýzu historických základů a předpovídání budoucích fundamentů (kde alfa žije). Budete překvapeni, jak jednoduše vypadají modely mnoha skvělých investorů, což odráží realitu, že většina investic závisí na 2–3 klíčových proměnných. Model je také klíčovým komunikačním nástrojem. "Rád bych stavěl své modely v Pythonu, ale můj CIO stále chce vidět tabulku" je běžná odpověď. Excel soubor lze poslat e-mailem, uložit lokálně na notebook pro manažerské schůzky / návštěvy centrály a velmi snadno ověřit (váš model může mít 800 řádků, ale obecně jen ~5-10 % vstupů vyžaduje důkladnou trojitou kontrolu, protože by mohly ovlivnit nebo zničit výstup modelu... Tj. před 6 lety D&A ve třetím čtvrtletí nerozhodne o diplomové práci, ale čisté, správně upravené hrubé ziskové číslo před rokem, které odpovídá měkkému vedení GM bps trajektorii, by mohlo). Myslím, že někteří lidé také přehlížejí fakt, že IDE na MCP zatím není přesné. Je to lepší, ale možnosti vyhledávání více dokumentů zatím nejsou vyspělé. Model v Excelu s přesností 70 % je velmi frustrující, zvlášť když jste si odlehčili samotnou práci s jeho tvorbou a nemáte osobní kontext na ladění. V naší hodnotící rubrice pro nástroje AI pro zelené/žluté/červené světlo se modely agentů přesunuly z červeného světla na žluté světlo, ale na zelené světlo se přesunou až po dosažení přesnosti 95%+. Takže je to o jistotě a použitelnosti. Tabulky nejsou dokonalé, ale nehalucinují. Analytici nejsou dokonalí, ale třikrát ověřují a ověřují ~5-10 % klíčových vstupů (nebo nevydrží dlouho). "Ale analytici dělají chyby...". Ano, dělají, ale skvělí analytici vědí, kde je nepřesnost modelu přijatelná / neklíčová a kde je vstup kritický, a posedle se zabývají kontrolami/validacemi a strukturou modelování s více přístupy. Lidská přesnost v oblastech modelu závislých na diplomové práci je podle mých zkušeností 99,99 % (napadá mě jen jedna nebo dvě brutální chyby závislé na diplomové práci v pěti firmách a obě měly reálné dopady na kariéru analytika a velmi špatně vypadaly na projektového manažera, který to měl odhalit). A Excel tabulky jsou prostě nesmírně užitečné napříč organizací, protože analytik, který tabulku spravuje, málokdy je konečným investičním rozhodujícím... Excel je především nástroj pro myšlení a komunikaci. To se může změnit, ale vyžaduje sponzorství CIO/PM/MD, což zatím necítím, že by se dějelo. Takže s tímto kontextem vezmu spodní část tabulk (zatímco s radostí experimentuji s novými nástroji...)