最近、この議論をよく耳にします。 技術的な能力から見れば、おそらくそれは本当でしょう。 しかし、これは投資プロセスにおけるExcelの役割を見落としていると思います...Excelは、過去のファンダメンタルズを分析し、将来のファンダメンタルズ(アルファがどこにあるか)を予測するための、シンプルで信頼され、ほとんどバグのない決定論的なツールです。多くの優れた投資家のモデルがいかに単純に見えるかに驚くでしょうが、これはほとんどの投資が2〜3つの重要な変数に依存している現実を反映しています。 このモデルはまた、コミュニケーションの中核ツールでもあります。「Pythonでモデルを作りたいけど、CIOがスプレッドシートを見たい」というのはよくある返答です。Excelファイルはメールで送信でき、管理会議や本社訪問時にノートパソコンにローカル保存でき、非常に簡単に検証できます(モデルが800行あるかもしれませんが、一般的には入力のうち5〜10%だけが厳密な三重チェックを必要とします。モデルの出力の成否を左右する可能性があるためです)。つまり、6年前の第3四半期のD&Aは論文の成否を左右しませんが、管理のGMPSのソフトガイドと一致するクリーンで適切に調整された前年月の粗利益数値があれば、影響はあり得ます。 IDEからMCPへの変換がまだ正確でないことも、一部の人が軽視しているようです。今は改善されていますが、複数文書の検索機能はまだ成熟していません。70%の精度を持つExcelモデルは非常にフラストレーションが溜まります。特に、構築の経験を放棄し、デバッグするための個人的なコンテキストがないとなおさらです。私たちのグリーン/イエロー/レッドライトAIツールのルーブリックでは、コーディングエージェントモデルは赤信号から黄色信号にシフトしましたが、95%+の精度が達成されるまでグリーンライトには移行しません。 つまり、自信と使いやすさが大事です。スプレッドシートは完璧ではありませんが、幻覚は見ません。アナリストは完璧ではありませんが、5〜10%の重要な入力を三重にチェックし検証します(そうでなければ長くは続きません)。「しかし、分析官は間違いを犯す...」はい、そうですが、優れたアナリストはどこでモデルの不正確さが許容されるか、どこが非コアで、どこがミッションクリティカルな入力かを理解し、チェックや検証、多重アプローチのモデリング構造にこだわります。私の経験では、モデルの論文依存領域における人間の正確さは99.99%です(5つの事務所で思い浮かぶ限り、論文に依存した重大なミスは1、2件だけで、どちらもアナリストのキャリアに大きな影響を与え、PMにとって非常に悪い印象でした。PMは気づくべきでした)。 そしてExcelのスプレッドシートは組織全体で非常に有用です。なぜなら、その分析担当者が最終的な投資意思決定者であることは稀だからです...Excelシートは何よりも思考ツールであり、コミュニケーションツールです。 変更される可能性もありますが、CIO/PM/MDのスポンサーシップが必要で、まだそうなっているとは感じていません。 その文脈を踏まえ、スプレッドシートの下の部分を手に進めます(新しいツールを楽しく試しながら...)