ETF که "HAPI"-Nes کارمندان را ردیابی می کند

دیوید ون آدلزبرگ، شریک و مدیر عامل شرکت Irrational Capital، به اسکارلت فو و اریک بالچوناس در "Bloomberg ETF IQ" می پیوندد. آنها در مورد فاکتور سرمایه انسانی هاربر در ایالات متحده با سرمایه بزرگ ETF (نشانگر: HAPI) بحث می کنند که شرکت ها را بر اساس شادی کارکنانشان ردیابی می کند.

زمان تمرین امروز است که در آن بر یک ETF تمرکز می کنیم. اریک، ما چه داریم؟

اسکارلت، امروز ما به HAPPY نگاه می کنیم، که همان ETF بزرگ سرمایه انسانی هاربر است.

باشه این چه کاری انجام می دهد؟ اساسا، بازار را می گیرد و سهامی را بیرون می کشد که کارمندان آنقدر خوشحال نیستند یا اوه، می دانید، اساسا علاقه مند و خوشحال هستند که در جایی که کار می کنند، کار کنند. بنابراین

بیشتر S&P را ردیابی می کند، اما در جایی که شما کار می کنید به عامل شادی نگاه می کند. بنابراین آنها فکر می کنند که این عامل با بازدهی بهتر مرتبط است، درست است؟

و می‌توانید ببینید که بر اساس یک شاخص است، بنابراین فعال نیست، اما این شاخص قوانینی دارد که باعث می‌شود آن را با S&P 500 تغییر دهد یا با آن متفاوت باشد. چه چیزی اینجا نیست؟ تسلا. اوه، ما به این خواهیم پرداخت که چرا تسلا در آنجا حضور ندارد، اما طبق مطالعه آنها، کارمندان آنقدر خوشحال نیستند و فکر می کنند که به همین دلیل از S&P بهتر عمل خواهد کرد.

بیایید به این در مقابل S&P نگاهی بیندازیم، فقط برای اینکه ایده ای از نحوه عملکرد آن داشته باشیم. و در واقع عملکرد بهتری داشته است. بنابراین، با توجه به این موضوع، می‌توانید از خط اینجا ببینید، ریسک بیشتری نمی‌پذیرد. درست مانند S&P حرکت می کند. بنابراین، اگر بتوانید 11 درصد نسبت به S&P با ریسک نه چندان بیشتر به دست آورید، این یک عملکرد بهتر از مدرسه قدیمی است، اسکارلت، و احتمالا به همین دلیل است که نیم میلیارد دارد.

باشه اریک، خیلی ممنون. و دیوید ون آدلزبرگ هم اکنون به ما می پیوندد تا در مورد این ETF صحبت کنیم. او موسس و شریک Irrational Capital است. پس فقط برای ما توضیح دهید، دیوید، وقتی اریک می گوید که شادی کارکنان را با شرکتشان اندازه گیری می کند، اینها احساسات هستند. منظورم این است که این یک جور شیطون است. منظورم این نیست که آیا واقعا چقدر ملموس است؟ منظورم این است که چگونه می توانید اعداد را به آن اضافه کنید؟

بله، پس این جادو است. ما اساسا نرم را می گیریم و یک لبه بسیار سخت روی آن قرار می دهیم. بنابراین ما این کار را با داده ها انجام می دهیم. ما یک مجموعه داده بسیار بزرگ داریم. به 20 سال پیش برمی گردد. ام و توانایی پردازش این داده ها واقعا جادو است. ما دو چیز را اندازه می گیریم. ما ویژگی های انگیزشی درونی و بیرونی را اندازه گیری می کنیم، دانشمندان علوم اجتماعی به نوعی دوشاخه می شوند. چیزهای خارجی مظنونین معمولی هستند. غرامت و مزایا است. این در واقع عملکرد بسیار کمی دارد.

اما چیزهایی که درونی هستند. بنابراین، می دانید، این انسانی، شخصی و احساسی است و شما آن را اینجا در بلومبرگ و احتمالا در هر جای دیگری احساس می کنید. این همان انرژی است که ما به آن تکیه می کنیم، ما به یک همکار کمک می کنیم. ما یک حس هدف داریم، یک احساس قدردانی. اوم، می دانید، ما سطحی از اعتماد به سازمان داریم. که واقعا تابلو را روشن می کند. ما از 100% داده ها استفاده می کنیم. ما هر شرکت را به صورت سالانه رتبه بندی می کنیم و از آن برای انتخاب سهام استفاده می کنیم.

می دانید، جالب است، این من را تقریبا به یاد معکوس ETF بنیانگذاران می اندازد، که فقط سهامی است که توسط بنیانگذارانی اداره می شود که معمولا کمی هستند.

بله، و آنها می توانند سخت رانندگی کنند، می دانید، استیو جابز در اپل، ایلان ماسک در تسلا. اوه اما آنها خیلی خوب کار کرده اند. اوم، اما جالب است که در اینجا شما آمازون و تسلا دو سهم هستند که کم وزن هستند یا اصلا کم وزن هستند. بله و آنها به وضوح شرکت های برجسته ای هستند. پس به کسی که دوست دارد چه می گویید، ببین، من این ایده را دوست دارم، اما نمی دانم که آیا می توانم بدون داشتن همه Mag 7 در آنجا زندگی کنم. مثل من فقط این شرکت ها خیلی در حال تغییر هستند.

آره خوب، شما نباید آن را بخرید و اوه، منظورم این است، اما نکته اصلی این است که شما نباید آن را بخرید و عملکردی را که چند دقیقه پیش در مورد آن صحبت کردید، نخواهید داشت. اما غیر از این، همه چیز خوب است.

بنابراین شما این کار را برای سهام های بزرگ انجام دهید، که H A P من خوشحالم. شما همچنین این کار را برای شرکت های کوچک نیز انجام می دهید.

بله، ما آن را انجام می دهیم. ما مجموعه داده های ما بسیار قابل توجه است. ما حدود سه چهارم راسل سال 2000 را داریم، بنابراین این کار را برای درپوش کوچک نیز انجام می دهیم.

یعنی این ESG هست؟ تقریبا باعث می شود به او فکر کنم

یک نسخه کاربردی تر از ESG. اوم، یادم آمد، فکر می‌کنم تودور بود یا کسی این نظرسنجی را انجام داد که مردم واقعا به چه چیزی اهمیت می‌دهند. و اوه

بله، و من فکر می‌کنم چیزهایی که در رسانه‌ها زیاد می‌شنوید در فهرست پایین‌تر بودند، اما مهمترین چیزها این بود که با کارمندان خود به خوبی رفتار کنید از نظر مردم چگونه فکر می‌کنند شرکت‌ها باید رفتار کنند و این نوع، می‌دانید، به نوعی با آن مخالفت می‌کند.

به طور کامل. می دانید، سوال در مورد ESG، ما به افرادی که آن را می خرند، اجازه می دهیم تصمیم بگیرند، می دانید که آیا این است یا نه. در پایان، اگر عملکردی را در شاخص‌های خود تولید نکنیم، واقعا دلیلی وجود ندارد که با ما تماس بگیرید. اگر به آن فکر کنید، چه چیزی می تواند سرگرم کننده تر باشد؟ منظورم این است که ببینید، هر مدیری که من با آنها برخورد کرده‌ام، یا تقریبا هر مدیری چیزی به تأثیر مردم می‌گوید، مهمترین دارایی ماست. بله. مهمتر از همه به این معنی است که ما باید بتوانیم آن را اندازه گیری کنیم.

دارایی یعنی ما باید بتوانیم از منظر سرمایه گذاری دسترسی داشته باشیم. و بنابراین چه چیزی می تواند اساسی تر از سرمایه گذاری روی مردم باشد؟

آن وقت در مورد هوش مصنوعی چگونه فکر می کنید؟ از آنجایی که هوش مصنوعی تهدیدی برای جایگزینی بسیاری از مشاغل است، بسیاری از مشاغل را نیز جابجا می کند و ممکن است طرز فکر کارمندان در مورد شرکت خود را حتی از نظر اینکه چگونه شرکت می گوید در حال سرمایه گذاری در هوش مصنوعی است، رنگ می کند.

بله، این یک سوال عالی است. بنابراین ما فکر می کنیم که آخرالزمان شغلی کمی بیش از حد غرق شده است. اوم، اینطور نیست که تاثیری نداشته باشد. اما دو نوع پروژه با هوش مصنوعی وجود دارد. یکی اتوماسیون است، ما در تلاشیم راهی برای انجام کارها بدون افراد پیدا کنیم، و دیگری تقویت، درست است؟ بنابراین همه ما از تقویت استفاده می کنیم. نمی دانم برای آماده شدن برای نمایش امروز از آن استفاده کردید یا نه. اتفاقا انجام دادم اوم و این باعث می شود و برای افشای کامل، ما را بهره وری تر می کند، باعث می شود اطلاعات بیشتری داشته باشیم، باعث می شود بتوانیم کارهای بیشتری انجام دهیم.

و بنابراین، آنچه که ما و دیگران دیده‌ایم این است که سطح اعتمادی که یک سازمان به کارمندان خود دارد واقعا مهم است که آیا شما در حال افزایش یا خودکارسازی هستید. و این فقط دیدگاه ما نیست، بلکه مک کینزی برای مثال، مطالعه‌ای انجام داد که اساسا گفت اعتماد با موفقیت پیاده‌سازی هوش مصنوعی ارتباط زیادی دارد.

و چگونه به این موضوع برخورد کردید؟ منظورم این است که شما در این صنعت هستید، چه چیزی خواندید یا پیدا کردید که باعث شد فکر کنید من می‌خواهم کل حرفه‌ام را حول این موضوع بنا کنم؟

آره بنابراین پیشینه من فناوری، دوره ای در مشاوره منابع انسانی و سپس خدمات مالی است. و این در وسط آن دایره های متحدالمرکز قرار دارد.

و همچنین JP Morgan از عوامل سرمایه انسانی شما در تحقیقات خود استفاده می کند. فقط برای ما توضیح دهید که چگونه این کار را انجام داده اند. چگونه آنها آن را گنجانده اند.

بنابراین جی پی مورگان ما را پیدا کرد، خرم چودری اوه از تیم تحقیقاتی کوانت ما را پیدا کرد. اوم، آنها شش گزارش تحقیقاتی مفصل در طول پنج سال و نیم گذشته منتشر کرده اند. ما هیچ رابطه تجاری با آنها نداریم. دلیل اینکه آنها بسیار شیفته این هستند این است که چیزی واقعا منحصر به فرد را برای مشتریان خود آورده اند. اگر می‌توانستم، می‌توانم یک نقل قول از یکی از یکی از مقالات تحقیقاتی را بخوانم؟

خب، در اولین مقاله تحقیقاتی، آنها گفتند که عامل سرمایه انسانی به شدت بر همه سبک ها در همه معیارها تسلط دارد. بالاترین بازده، کمترین نوسان، بالاترین نسبت تیز، بالاترین نرخ ضربه و کمترین حداکثر افت را دارد. نه حرف ما، حرف آنها.