And Win At It Before Anyone Else Knows It Exists
چهار مورد از ۱۲ موقعیت باز استراتژی سرمایهگذاری در پرتفوی Tech Frontiers از زمان توصیهٔ او، بیش از ۲ برابر رشد کردهاند. سه مورد دیگر هم قبل از پیشنهاد خروج برای ذخیرهٔ سود، دو برابر شدند. در مجموع، این پرتفوی از زمان آغاز در سال گذشته تا کنون ۵۷٪ بازده داشته است. در ژورنال امروز، ارز دربارهٔ دو گوهر بایوتک صحبت میکند…
بزرگترین سرمایهگذار حرفهای تاریخ چه کسی است؟
اگر از عموم مردم بپرسید، احتمالاً میگویند «وارن بافت». بافت در نهایت برکشر هاتاوی را بر پایهٔ سرمایهگذاریهای موفق به امپراتوری جهانی تریلیوندلاری تبدیل کرد و تقریباً شش دهه سهام آن را حوالی ۲۰٪ سالانه مرکب رشد داد—کاری که با آن حجم عظیم سرمایه تحت مدیریت، کمنظیر است. مخاطبی باهوشتر شاید «اِستنلی دراکنمیلر» را پیشنهاد دهد که طی سه دهه با هیچ سال منفی، حدود ۳۰٪ سالانه مرکب بازده داشته است.
اما حرفهایهای واقعی میدانند تنها یک پاسخ درست وجود دارد: زندهیاد «جیم سایمونز»، ریاضیدان افسانهای و بنیانگذار Renaissance Technologies («رنتک»). از بدو راهاندازی در ۱۹۸۸، صندوق «مدالیون» سایمونز ۶۶٪ سالانه پیش از کارمزدها بازده مرکب داشته—بازدهی افسانهای که در تاریخ صندوقهای پوشش ریسک بیسابقه و حتی نزدیکناپذیر است. دستاورد او آنقدر خارقالعاده است که در «جهانی آماری» متفاوت زندگی میکند.
جیم سایمونز یک مدیر صندوق معمولی نبود. پیش از ورود به مالی، بیش از آنچه بسیاری از دانشمندان دانشگاهی در تمام عمر بهدست میآورند، دستاورد داشت. او دکترای ریاضی خود را از برکلی گرفت، در MIT و هاروارد تدریس کرد و سپس رئیس دپارتمان ریاضی دانشگاه استونی بروک در نیویورک شد. در این مسیر، مشارکتهای بزرگی در هندسهٔ دیفرانسیل داشت—مشهورترین آن «نظریهٔ چرن–سایمونز» که هنوز در فیزیک نظری و نظریهٔ ریسمان بسیار مورد استناد است.
وقتی تمرکز اصلیاش را به سرمایهگذاری معطوف کرد، اصل کلیدیای را برگزید که مسیر حرفهاش را تعریف کرد: Renaissance Technologies هیچکس را با پیشینهٔ سنتی کسبوکار یا مالی استخدام نخواهد کرد. در عوض، سایمونز دانشمندان را جذب کرد—دکترها در حوزههایی مانند اخترفیزیک، علوم کامپیوتر و سیستمهای نمادین. بسیاری عضو هیئتعلمی دائم بودند. برخی دیگر رمزگشا، ریاضیدان و متخصص زبان طبیعی بودند که از برترین آزمایشگاههای تحقیقاتی بخش خصوصی آمریکا مانند IBM جذب شدند.
همانطور که «گِرِگوری زاکرمن» در زندگینامهٔ سایمونز، مردی که بازار را حل کرد، روایت میکند، فرهنگ رنتک هیچ نشانی از والاستریت نداشت. بیشتر شبیه یک دپارتمان دانشگاهی صمیمی بود. معاملهگران و تحلیلگران جای خود را به فیزیکدانان و رمزنگاران داده بودند که روزهایشان را صرف ساخت مدلهایی برای رمزگشایی الگوهای پنهان در اعماق دادههای بازار میکردند.
عصارهٔ موفقیت سایمونز: «بازیِ متفاوتی پیدا کن»
تقریباً یک قرن است که بیشتر سرمایهگذاران همان نبردها را میجنگند. به قبیلهها تقسیم شدهاند—ارزشمحور، رشدمحور، مومنتوم—و برای شناسایی شرکتهای ارزان یا امیدبخش، سریعتر از رقیب میتازند. فقط شاگردان بافت به دهها هزار نفر میرسند. اما خود بافت بارها اذعان کرده که هر یک از این بازیها بهشدت کارا و مملو از رقبا با اطلاعات مشابه شدهاند که برای حاشیهای از برتری میجنگند.
سایمونز بهکلی این بازیها را نادیده گرفت. او به بازار نه بهعنوان روایت روانشناسی انسان، ارزش یا رشد، بلکه بهعنوان «کدی قابلشکستن» نگاه کرد—مجموعهای از الگوها و احتمالات ریاضی که در برابر دیدگان پنهان شدهاند. سلاحهای شرکت او تحلیلگرانی نبودند که صورتهای مالی را برای یافتن کسبوکارهای کارآمد سرمایه شخم بزنند؛ بلکه رمزنگارانی بودند که کوهِ داده را بازجویی میکردند و سپس الگوریتمها را با کُد صورتبندی و آزمایش میکردند. خلاصه اینکه، سایمونز «بازیِ دیگری» یافت؛ بازیای که توانست (و واقعاً) بر آن مسلط شود.
این اصل—یافتن بازیِ متفاوت—شاید قدرتمندترین درس سرمایهگذاری باشد؛ و بسیار فراتر از صندوقهای پوشش ریسک کاربرد دارد.
نمونهٔ امروز: تبِ هوش مصنوعی
اکثر سرمایهگذارانی که دنبال AI هستند، روی بازیهای بدیهی تمرکز کردهاند. گروه اول «سازندگان AI»اند—شرکتهایی مانند OpenAI، Anthropic و Mistral که برای ساخت قویترین مدلهای پایه رقابت میکنند. این شرکتها هماکنون به ارزشگذاریهای سرسامآوری رسیدهاند که احتمالاً توجیه بلندمدت آن دشوار است. مثلاً آخرین دور تأمین مالی خصوصی OpenAI بیش از ۵۰۰ میلیارد دلار ارزشگذاری داشت، در حالی که این شرکت هنوز ساختار «غیردولتی/غیرانتفاعی-محور» دارد—پس مسیر بازده جذاب برای سرمایهگذاران اخیرش، دستکم، مبهم است.
گروه دوم «توانمندسازان AI» یا همان «کلنگ و بیلفروشها» هستند: انویدیا (NVDA) که GPUهایش موتور مبتنی بر تراشهٔ انقلاب AI است و ابرمقیاسها مثل مایکروسافت (MSFT) و آمازون (AMZN) که زیرساخت را تأمین میکنند. اینها هم اکنون ارزشگذاریهای نجومی دارند.
هر دو بازی شلوغاند. هر دو تریلیونها دلار سرمایه جذب کردهاند.
«بازیِ متفاوت» کجاست؟ «کاربرهای AI» نه سازندگان یا فروشندگان ابزار
این بازی را شرکتهایی انجام میدهند که نه خودشان AI میسازند و نه ابزار ساخت آن را میفروشند… بلکه AI را برای دگرگونسازی کسبوکار موجودشان و عمیقتر کردن خندق رقابتیشان بهکار میگیرند.
مثال: Vinted
وینتد، مارکتپلیس اروپایی پوشاک دستدوم، در ظاهر شبیه یک پلتفرم ریسِیل خاص است؛ شبیه پاشمارکِ قارهای. اما قوت واقعی زیر کاپوت است: وینتد با AI، آگهیها را میان دهها زبان در لحظه ترجمه میکند؛ بهگونهای که فروشندهٔ لیتوانیایی بیدردسر با خریدار فرانسوی یا آلمانی معامله کند. از آن مهمتر، مدلهای یادگیری ماشینِ وینتد میلیونها آگهی زنده را ارزیابی میکنند و برای فروشندهها «پیشنهاد قیمت» لحظهای میسازند.
نتیجه؟ خریداران قیمتهای منصفانهتری میبینند، فروشندگان سریعتر موجودی میفروشند، و سهم وینتد از «کیکِ درحالبزرگشدن» بیشتر میشود.
با بهکارگیری AI برای «سوپِرشارژ» کردن کسبوکار موجود، نه اختراع چیزی کاملاً نو، وینتد خندقی میسازد که برای بیشتر رقبا نامرئی است. سرمایهگذارانی که بهدنبال «بازیِ متفاوت» در AI هستند باید روی چنین شرکتهایی تمرکز کنند—«کاربرهای AI» که با قدرت هوش مصنوعی موقعیت برندهشان را سِمان میکنند.
«بازیِ متفاوت» در بایوتک
بازیِ سنتی بایوتک، کشف، توسعه و تجاریسازی داروهای جدید است. طبیعی است که این میدان بهشدت رقابتی باشد؛ تحت سلطهٔ غولهای داروسازی (Big Pharma) و مملو از هزاران شرکت کوچک که اهداف مشابهی را تعقیب میکنند. هر سال صدها شرکت کوچک شکست میخورند.
اما عدهٔ بسیار اندکی بازیِ دیگری یافتهاند—بازیای بسیار پرسود و تقریباً بیرقیب.
دو شرکتی که در پرتفوی Tech Frontiers داریم
بهجای تلاش برای کشف داروهای جدید، این دو شرکت کل اکوسیستم R&D داروسازی جهانی را میدان شکار خود میبینند. استراتژیشان ساده اما درخشان است: زیر و رو کردن «کپههای دورریز» شرکتهای داروسازی و آزمایشگاههای دانشگاهی—هزاران نامزد دارویی که به دلایل غیرعلمی روی قفسهها خاک میخورند—و شناسایی گوهرهای نادیدهگرفتهشده.
بیگفارما سالانه بیش از ۳۵۰ میلیارد دلار برای R&D خرج میکند. با این حال، تنها کسری ناچیز از این تلاشها به بازار میرسد. بسیاری از ترکیبات کنارگذاشتهشده نه بهخاطر ضعف علمی، بلکه بهدلیل خروج از اولویت استراتژیک، از دستدادن حامی داخلی، یا بایگانیشدن پس از ادغام کنار گذاشته میشوند.
هر دو شرکت ما پایگاههای دادهٔ اختصاصی از این ترکیبات دورریختنی ساختهاند و با تحلیلهای سختگیرانه پتانسیلشان را رتبهبندی میکنند—و این جستوجو اکنون با AI «توربوشارژ» میشود. وقتی نامزد امیدبخشی مطابق معیارها یافتند، برای اخذ مجوز با قیمت جذاب مذاکره میکنند. چون تعریفاً روی ترکیبات قفسهنشین متمرکزند، معمولاً میتوانند چنین کنند.
مثال ۲۰۲۱: یکی از این دو شرکت، ترکیبی متوقفشده از فایزر (PFE) را با ۴۵ میلیون دلار لیسانس کرد. ده ماه بعد، پس از موفقیت کارآزمایی فاز ۲، همان ترکیب را به رقیب بزرگ فایزر یعنی روش (RHHBY) به قیمت ۷.۱ میلیارد دلار واگذار کرد—بیش از ۱۰۰ برابر بازده در کمتر از یک سال.
وقتی روی ۴۵ میلیون دلار در کمتر از یک سال «بیش از ۱۰۰ برابر» سود میکنید، بهوضوح «بازیِ متفاوت» را یافتهاید.
جمعبندی آموزهٔ سایمونز برای استراتژی سرمایهگذاری
بیشتر ما نمیتوانیم رنتک خودمان را بسازیم؛ اما میتوانیم از موفقیت او بیاموزیم و درس اساسیاش را در AI، بایوتک، بلاکچین و فراتر از آن بهکار بگیریم: در بازارها (و زندگی)، «لبه» بهندرت از کمی بهتر بودن در همان بازیِ همه بهدست میآید. لبه از یافتن بازیِ کاملاً دیگری میآید.
ریاضیدانی که به بزرگترین سرمایهگذار جهان بدل شد، نخستین کسی بود که این را فهمید. چه در حال ساخت یک صندوق پوشش ریسک باشید، چه کسبوکار فناوری مانند Vinted، یا امپراتوری بایوتک، نسخهٔ بازی یکی است:
- بازیِ بازینشده را پیدا کن
- با دقت و انضباط آن را بازی کن
- قبل از آنکه همه متوجه وجودش شوند، در آن برنده شو
اگر میخواهید در سرمایهگذاری—یا هر میدان بهشدت رقابتی—موفق شوید، صفحهای از کتاب جیم سایمونز بردارید: «بازیِ متفاوت» پیدا کن.
ارز کالیر
برکلی، کالیفرنیا
شما هم میتوانید «بازیِ متفاوت» خودتان را بازی کنید
در حالیکه چشمها به رکوردشکنی طلا بالای ۴٬۰۰۰ دلار در هر اونس و رقابت تریلیوندلاری برای چیرگی بر AI خیره مانده، یک بازار صعودی دیگر، در برابر دیدگان و پنهان از نظر، شکل گرفته—اتفاقی که ارز ماهها پیش پیشبینیاش را کرده بود… و بیشتر سرمایهگذاران کاملاً از آن غافلاند.
در صورتی که به “سقوط بورس 1929: از «بلک ماندی» تا درسهای فدرال رزرو” هم علاقه مند هستید، مطالب این دسته بندی به شما پیشنهاد میشه.
