Proporcione a los Gestores de Cartera Memoria de Inversión que Rastreé Cada Tesis
El modelo mental de un PM sobre cada participación se acumula a lo largo de los años. Las herramientas de IA lo ven solo durante una sesión. MemoryLake proporciona a los gestores de cartera una capa de memoria de inversión estructurada: tesis, notas de analistas, presentaciones, niveles de convicción, para que la asistencia de IA lleve toda la historia de la tesis en cada giro de investigación.
Proporcione a los Gestores de Cartera Memoria de Inversión que Rastreé Cada Tesis
Empezar gratisGratis para siempre · Sin tarjeta de crédito
El problema: las herramientas de IA ven la pregunta de hoy, no los años de contexto detrás de ella
Preguntaste a la IA sobre una sorpresa del 10-Q. Analiza el documento, pero no sabe que has mantenido el nombre durante tres años, cuál era la tesis original o qué señales de advertencia anteriores observaste. Sin memoria, la salida de investigación de IA es una lectura superficial de cada nuevo aviso.
Cómo MemoryLake resuelve la memoria de inversión para gestores de cartera
Memoria por nombre
Cada ticker tiene su propio espacio de memoria: tesis, historial de participaciones, notas de analistas, cambios de convicción.
Datos financieros + SEC EDGAR integrados
Más de 3M de presentaciones de la SEC, acciones/cripto/FX en tiempo real, Banco Mundial, FRED — consultables al instante.
Memoria de reflexión para la evolución de la tesis
Cómo ha cambiado tu convicción, qué desencadenó cada cambio, qué forzaría una reversión.
Memoria de eventos para seguimiento de catalizadores
Resultados, cambios de gestión, eventos regulatorios — cronológicos por nombre.
Gratis para siempre · Sin tarjeta de crédito
Cómo funciona para la memoria de inversión
- Conectar — Ingestar notas de analistas, memorandos de IC, presentaciones y transcripciones de llamadas anteriores.
- Estructurar — Cada uno se convierte en memoria tipificada: tesis (antecedentes), presentaciones (hechos), llamadas de ganancias (eventos).
- Reutilizar — Antes de cualquier giro de investigación asistido por IA, la memoria relevante por nombre se carga automáticamente.
Antes vs. después: memoria de inversión
| Without MemoryLake | With MemoryLake | |
|---|---|---|
| Researching a 10-Q surprise | AI reads only today's filing | AI loads thesis + history |
| Analyst rotation | Lose institutional memory | Memory stays with the name |
| Thesis drift over a year | No record | Reflection memory tracks it |
| Audit trail for an IC decision | Manual reconstruction | Versioned memory at decision time |
Para quién es esto
Fondos de cobertura, oficinas familiares y gestores de activos que utilizan IA en flujos de trabajo de investigación, donde la convicción depende de años de contexto acumulado por participación y el costo de perder ese contexto debido a la amnesia de IA es un rendimiento real.
Prueba este caso de uso en tu propia cuenta
Una cartera de siete acciones con un proyecto por posición. Una nota archivada bajo una posición dice que su mayor cliente va a internalizar su tecnología de almacén y dejar el centro logístico que alquila. La revisión semanal, posición por posición, marca una de siete. La misma comprobación de premisas sobre toda la cartera marca tres: otras dos tesis dependen del mismo cliente y su propia memoria nunca recibió la noticia. Una de ellas se reafirmó con convicción alta una semana después de que la nota ya estuviera en memoria.
Lo que verás
- Cada posición es su propio proyecto; cada registro (tesis, premisas, notas de resultados y noticias, cambios de convicción) es un hecho literal con
fact add.fact update --metadataguarda de qué empresa depende cada premisa y qué la rompería, y qué empresas y eventos reporta cada nota - La revisión semanal busca en el proyecto de cada posición (
search --projects <posición>) y comprueba sus premisas contra la memoria de esa posición: 1 de 7 marcada. Lo que lee no está mal; la mala noticia simplemente se archivó en otro sitio - La misma comprobación sobre el
fact listde todas las posiciones marca 3 de 7 (32% de la cartera): dos premisas se rompieron con una nota archivada bajo otra posición. Ejecutada el día antes de la noticia no marca nada, pero ya muestra un cliente que sostiene premisas de tres posiciones - La reescritura archiva una referencia cruzada en cada posición ciega (
xref_ofen sus metadatos) y marca las tesis; la revisión posición por posición marca entonces 3, y la búsqueda propia de la posición devuelve primero la referencia cruzada. Incluye una interfaz web local
Necesitas: una clave de API de MemoryLake · la CLI memorylake · Python 3.9+
Ejecútalo
git clone https://github.com/memorylake-ai/memorylake-usecases.git cd memorylake-usecases/investment-thesis-memory export MEMORYLAKE_API_KEY=sk-… python3 demo.py # or: python3 web/server.py
Míralo en marcha · grabaciones reales, sin editar
Casos de uso relacionados
Preguntas frecuentes
¿Qué datos financieros están integrados?
¿Qué datos financieros están integrados?
SEC EDGAR (más de 3M de presentaciones), precios de acciones y criptomonedas en tiempo real, FX, Banco Mundial, datos económicos de FRED — no se requiere configuración adicional.
¿Puede un equipo de PM compartir memoria mientras mantiene notas individuales privadas?
¿Puede un equipo de PM compartir memoria mientras mantiene notas individuales privadas?
Sí. Memoria por nombre a nivel de la firma; las anotaciones personales permanecen en capas privadas con compartición controlada.
¿Es exportable la memoria para revisión de cumplimiento?
¿Es exportable la memoria para revisión de cumplimiento?
Sí. Exportación completa con registro de auditoría versionado por cada elemento de memoria.