人工智能投資

人工智能投資

 

智能(intelligence)是除表象表述以外的分析、歸納、演繹,智能的存在會增加表象的意義及價值,而這些意義及價值又能被擁有相同智能的人所明白及溝通。好像十分抽象,看看以下圖片:

 

 

 

如果你是一部普通的電腦,上圖只是一堆圖像像素;如果你是,會見到同類在瞓覺;如果你是,會見到一隻貓於行駛中的車箱內睡覺,雖然看不見整架車,但從車內視覺、馬路情況及其他汽車的行駛方向,再加上經驗可以綜合判斷而得知。

 

以下的圖片亦是貓在車內,與上面第一張圖的分別之一在於睡覺及清醒這兩個的不同行為狀態,是表述以外的意義

 

 

 

以下第三張圖也是貓與車,有智能的人一定可以分辨出與之前兩張圖的不同之處。

 

 

 

 

但人工智能能否對以上三張圖片做得到如此高階的判辨?現時人工智能大概只能分辨圖片中那範圍可以叫作「貓」,那範圍可以叫作「車」,像Facebook從圖片中分辨人樣。但要判辨行為,例如那人在睡覺還是貶眼,那人正準備偷竊犯罪,那人生下來便注定長大後是蓋世英雄,現在只有於電影橋段內出現,當下的人工智能只是起步階段。

 

當下人工智能於投資界的應用,更加只是起步中的起步。上述三張圖片,大概未讀書的3歲小孩已經有足夠智能去作出分辨;但進行了幾十年投資的成年人,恐怕大多數仍未找到自己投資的優勢及方法(edge),仍然每天要進行學習(蝕少少錢),及偶爾進行深度學習(蝕多多錢)。如果連智人都普遍地對投資沒有辦法,人工智能又能否做到?

 

筆者於之前的演講分享中都有提及,現時在沒有投資策略下,正常的強積金表現是年均回報/按月波幅=1;有系統有策略地投資,如《積金大反擊》內的4至7招,年均回報/按月波幅可以提升至2;而正在研發中的第8至10招,年均回報/按月波幅可以提升至3;筆者預期如果能運用人工智能,年均回報/按月波幅可以提升至4

 

 

 

學習運用人工智能是未來大勢,網上已有大量免費資源(見前文),但如果要跟與投資有關的人去學習人工智能,外國有人列出了當今世上二十大高手,見此

 

當中有一位叫Marcos Lopez de Prado,被The Journal of Portfolio Management頒了一個 “Quant of the Year 2019”(見前文關於Quant ),筆者正閱讀他的書籍 “Advances in Financial Machine Learning”,該書十分艱深。

 

Marcos Lopez de Prado 是典型學而優則商,之前在著名基金公司如Guggenheim(見前文關於Guggenheim的ETF被收購)及AQR(見前文關於AQR smart beta)任職,近期於AQR離職後未見有新動向。

 

AQR早前聘請Marcos Lopez de Prado是由他去主管Machine Learning 部門,此部門近期有新文章討論一下電腦能否學習投資(見此),文章內的主要觀點如下:

 

·         決策樹(Decision Trees)及神經網路(Neural Networks)是投資常用的人工智能;

·         投資數據內有太多無用的雜訊(noise),出現Low Signal-to-noise Ratios,令數據分析時缺乏真正有用的Signal,以致大數據其實不夠大,未能學習;

·         市場的發展快過分析工具的出現;

·         人工智能的預測,不宜在於回報,而應在於波幅;

·         人工智能的投資應用,不宜旨在於追求額外回報(Alpha),而應在於資產管理(Asset Management)。

 

最後,該文章點出人工智能的應用不是革命性,不應拋棄過往經驗從新建立;而應是演變性,按能力及資訊去輔助投資者。

 

 

人工智能於投資強積金的應用,十劃都未有一撇。而筆者有份參與、即將面世的強積金投資管理平台(暫名:MPFier,可能只是一撇中的一點,都算做有個起步。

 

 

延伸視頻:

 

 

 

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料