ポートフォリオマネージャーにすべてのテーゼを追跡する投資記憶を提供
PMの各保有に対するメンタルモデルは何年にもわたって蓄積されます。AIツールはそれを単一のセッションでしか見ることができません。MemoryLakeはポートフォリオマネージャーに構造化された投資記憶レイヤーを提供します — テーゼ、アナリストノート、提出書類、確信レベル — これによりAIアシスタンスはすべてのリサーチターンにテーゼの完全な履歴を持ち込むことができます。
問題: AIツールは今日の質問しか見ず、その背後にある何年ものコンテキストを見ない
あなたはAIに10-Qのサプライズについて尋ねました。AIはその文書を分析しますが、あなたがその銘柄を3年間保有していたこと、元のテーゼが何であったか、または以前に注視していた赤旗が何であったかを知りません。記憶がなければ、AIのリサーチ出力は各新しいプロンプトに対する浅い読みになります。
MemoryLakeがポートフォリオマネージャーのための投資記憶を解決する方法
銘柄ごとの記憶
各ティッカーには独自の記憶名前空間があります: テーゼ、保有履歴、アナリストノート、確信の変化。
組み込みのSEC EDGAR + 財務データ
300万件以上のSEC提出書類、リアルタイムの株式/暗号/FX、世界銀行、FRED — 即座にクエリ可能。
テーゼの進化のための反映記憶
あなたの確信がどのように変わったか、各変化を引き起こしたもの、逆転を強いるもの。
カタリスト追跡のためのイベント記憶
収益、経営陣の変更、規制イベント — 銘柄ごとに年代順。
永続無料 · クレジットカード不要
投資記憶の仕組み
- 接続 — アナリストノート、ICメモ、提出書類、以前のコールトランスクリプトを取り込みます。
- 構造化 — 各アイテムが型付き記憶になります: テーゼ（背景）、提出書類（事実）、収益コール（イベント）。
- 再利用 — AI支援のリサーチターンの前に、関連する銘柄ごとの記憶が自動的にロードされます。
ビフォー vs. アフター: 投資記憶
| 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 |
対象者
AIをリサーチワークフローで使用するヘッジファンド、ファミリーオフィス、資産運用会社 — 確信が各保有に対する何年もの蓄積されたコンテキストに依存し、そのコンテキストをAIの健忘症に失うコストが実際のパフォーマンスに影響を与える場合。
このユースケースを自分のアカウントで試す
7銘柄のポートフォリオで、銘柄ごとに1つのプロジェクト。ある銘柄の下に記録されたノートには、その最大顧客が倉庫テクノロジーを内製化し、賃借しているハブから退去すると書かれている。週次レビューを銘柄ごとに行うと、7銘柄中1銘柄にしかフラグが立たない。同じ前提チェックをポートフォリオ全体に対して行うと3銘柄にフラグが立つ。さらに2つの投資仮説が同じ顧客に依存しており、それぞれのメモリはこのニュースを一度も受け取っていない。そのうち1銘柄は、ノートがメモリに入った1週間後に「確信度：高」と再確認されていた。
見られるもの
- 銘柄ごとに独立したプロジェクトを持ち、すべての記録（投資仮説、前提、決算・ニュースのノート、確信度の更新）を
fact addで原文どおり1件のファクトにする。fact update --metadataで、各前提が依存する企業とそれを崩すイベント、各ノートが扱う企業と報告するイベントを記録 - 週次レビューは各銘柄のプロジェクトを検索し（
search --projects <銘柄>）、その銘柄のメモリだけで前提をチェックする：7銘柄中1銘柄にフラグ。読んでいる内容に誤りはなく、悪いニュースが別の場所に記録されていただけ - 同じチェックを全銘柄の
fact listに対して行うと7銘柄中3銘柄（ポートフォリオの32%）にフラグ：2つの前提は別の銘柄の下に記録されたノートで崩れていた。ニュース前日の時点で実行すると何もフラグは立たないが、1社の顧客が3銘柄の前提を支えていることはすでに見えている - 書き戻しでは、見えていなかった各銘柄にクロスリファレンス（メタデータに
xref_of）を記録し、投資仮説にマークを付ける。その後の銘柄ごとのレビューは3銘柄にフラグを立て、その銘柄自身の検索ではクロスリファレンスが最上位に来る。ローカル Web UI 付き
必要なもの: MemoryLake の API キー · memorylake CLI · Python 3.9 以上
実行する
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
動作を見る · 実際の録画、未編集
関連するユースケース
よくある質問
どの金融データが組み込まれていますか？
どの金融データが組み込まれていますか？
SEC EDGAR（300万件以上の提出書類）、リアルタイムの株式および暗号価格、FX、世界銀行、FRED経済データ — 追加の設定は不要です。
PMチームは個々のノートをプライベートに保ちながら記憶を共有できますか？
PMチームは個々のノートをプライベートに保ちながら記憶を共有できますか？
はい。企業スコープでの銘柄ごとの記憶; 個人の注釈は制御された共有でプライベートレイヤーに留まります。
記憶はコンプライアンスレビューのためにエクスポート可能ですか？
記憶はコンプライアンスレビューのためにエクスポート可能ですか？
はい。記憶アイテムごとのバージョン付き監査トレイルを含む完全なエクスポートが可能です。