予測というもの(24)

テーマ:

機械的な相場変動要因というものは、あくまで二次的な要因になっておる。

大きく動くケースもあるが、機械がトリガーを引くことはない。

ファーストアプローチは、どうしてもヒトである。

機械は、そのヒトがつくりだした変動を分析して動くわけで、後追いが基本であり、それが大きなリスクになる場合があるというだけだ。

ヒトよりも先に、機械が相場をつくるというレベルにはなっていない。

仮に、そのようなヒトの上に立つ人工知能の時代がくるとしても、まだ10年以上先に思える。

その時には、機械も感覚のようなものを持つのだろうし、感覚的な予測もするのだろう。

だから、重要なのは、相場変動のファーストアプローチを探すことであり、それがマインド解析になってくる。

AD

予測というもの(23)

テーマ:

実際に、金融業界も、多くの部分がヒトの代替として機械化され自動的に処理されるようになってきた。

最後の砦がマインドに起因する部分である。

この部分はまだ機械化できていない。

それを人工知能がチャレンジしているのだろう。

これらの要素まで機械によって解析を要求されているわけである。

何故、機械がペルソナのような心理部まで入り込もうとしているのだろうか?

実は近年において、相場を動かす(相場形成)要因のほとんどは機械的なものではない。

相場変動=巨大なリスク発生のきっかけは、心理的なものである。

AD

予測というもの(22)

テーマ:

ヒトのペルソナを考える場合、身体や性格的特徴、人生の目標やライフスタイル、価値観、趣味嗜好、消費や情報収集行動など、極論までいくと、病気や治療状況など人物そのもののデータというのが対象になる。

そして、イメージを明確にするために顔写真までも解析されるまでに至っている。

ヒト個々の人格をデータ化し、解析しようとしているわけである。

そして、このペルソナという概念を金融面で考えた場合は、コンサル的アプローチもあるのだが、実は相場形成の解析要因になってくる。

そもそも、この概念はヒトの外的側面の要因であるわけで、本来の企業を分析する要因とは、相当異なったアプローチになる。

相場に企業情報以外の、これらのペルソナ要因が入り込む時代、そしてそれを解析する時代になっているわけであり、その分析はさらに複雑化し難しいものとなっている。

AD

予測というもの(21)

テーマ:

このペルソナというのは、パーソンからきている言葉に思われるのだろうが、本来は「仮面」が語源らしい。

人格とか心理とか、そういう部分まで入り込んだ要素であるが、実は最初にビジネス的アプローチで使われたのはIT分野である。

弊社が創業時(1999年)に、この言葉は流行った。

IT業界の中では、ソフトウェアの開発手法としてまとめられた理論になっている。

顧客志向でシステムをデザインするということで、今では当たり前のことなのだが、当時はITというのは、ヒトの作業を代替し便利にすることが最優先であった。

現代ではペルソナ戦略は当たり前である。

マーケティング、製品開発、デザインを顧客志向にすることで、欧米大企業が普通にアプローチしている。

製品・サービス全般におけるマーケティングエリアまで拡大し、象徴的なユーザーモデルになっている。

予測というもの(20)

テーマ:

ヒトの相場予測、実はこの部分が非常に難しい。

相場予測の前提となる相場形成の理屈が厄介だ。

企業情報以外に、ヒトの心理によるものの影響だ。

ヒトとは何か?

近年ではヒトの情報を収集し分析している。

それがビジネスとして成功しやすいからだ。

ヒトを定義する場合、氏名、年齢、性別、居住地、職業、年収、家族構成・・・など、そういう基本的な部分を個人情報として扱ってきた。

少し深く入って、借金の状況や資産状況などまで。

しかし、現代では、ヒトを対象としたビジネスにおいて、そのペルソナという概念があり、それらの単純な定量的情報を超えた領域に入っている。

予測というもの(19)

テーマ:

ヒトは機械→人工知能に何を求めているのだろうか。

自動運転は文字通り、ヒトが運転することを代替するわけだ。

金融においてはどうだろうか。

究極的な到達点は、多分だがヒトの相場予測を代替したいのだと思う。

しかし、ここが自動車の完全自動運転と同じで落とし穴がある。

企業はビッグチャンスを求め、そこに投資し、プロジェクトを成功させてその技術を独占しようとする。

それが成功すれば素晴らしい世界が見えてくるからだ。

予測というもの(18)

テーマ:

この自動運転の分野は、実はアップルも熱心だった。

アップルというのは、最新技術への取り組みのウエイトが大きい企業で有名だ。

政府も絡んだ極秘プロジェクトに参加する数少ない企業でもある。

そのアップルでさえ、同様に当該開発の規模を縮小している有様だ。

それでも、ベンチャーとして頑張っていたのがウーバーだった。

しかし、アリゾナで自動運転テスト中に大きな事故を起こしてしまった。

自動運転と普通のクルマがお互い譲らなかったようだが、そういうのは普通に起こるものである。

しかし、この事故でウーバーは実証試験を中止し再開の見込み無しとなった。

機械の予測能力というアプローチで、とても期待していただけに残念だ。

予測というもの(17)

テーマ:

自動運転になると、予想というのはありえない。

どうなるかという完全予測、もしくは予知を超えたコントロールが必要になる。

テストで99点とって喜ぶレベルではない。

100点で当たり前の世界だが、99点と100点の1点の差というのは、そんなに簡単ではない。

予測というレベルも非常に高度なものが要求される。

近年、自動運転の実証試験はグーグルが熱心に取り組んでいた。

しかし、事故やトラブルが続いたこともあり直接的な開発を終了した。

今では、どちらかというと無人制御へのチャレンジを止めて、ヒト依存をベースとした着実路線に戻している。

予測というもの(16)

テーマ:

近年の技術の進歩はすごいものだ。

自動車の分野でも、最新のものをみると驚くことが多い。

米国テスラ社あたりの電気自動車は感動する。

テスラ社の時価総額をみても相当な期待をもって市場に受け入れられていることがわかる。

その価値は、テスラの自動車に乗って走り出す(運転する意味ではない)と、それがわかるというものだ。

そういう近未来の可能性というのは、人の進化したいという欲望を満たす。

ただ、新しいことは失敗も多い。

新しさの代表、最近では自動運転での問題が気になっている。

予測というもの(15)

テーマ:

春になって、弊社にも新卒数名が入社してきた。

西本が最初にアドバイスしたのは、仕事はわからないのは当然だと思うが、それでも誰かに教えてもらおうという考えにならないようにと伝えた。

仮に教える人が間違えていたら、それだけで人生を遠回りしてしまうし、金融に限れば、多くの場合は間違えて理解していることが多いように思う。

それに、近年のビジネスは変化が激しい。

勉強しても努力しても、すぐに過去のものになって簡単に勝負できない環境になっている。

そのような外部環境の中で、そのコアの部分を人に聞く時点で、その知識や情報は、すでに過去のものになっている。

だから、そういうヒトを介した知識では金融業界の最前列を歩くことはできないし、それが二番手であっても実は長く続かない。

結果的に近道は、苦労するが自分で未来を予測する力を身につけることが重要だと話した。