AI在投資中的應用：是前景或是威脅？

人工智能（AI）正迅速滲透至人類各個領域，投資亦不例外。對投資者、顧問及資產管理專家而言，現在正是重新審視 AI 所帶來的實際及潛在影響的關鍵時刻 - 把握機遇、應對新風險，兩者並行。

RQI Investors（前稱為Realindex Investments）的投資主管David Walsh發表專題報告，深度剖析AI現時及未來對投資模式的衝擊，以至尋找、落實及管理投資的方法。

在這份摘要中，我們將AI廣義定為「機器能夠執行通常與人類思維相關的認知功能」。

值得注意的是，所有AI都建基於，人們熟悉的機器學習技術 - 例如推送資訊的演算法，或是監測市場並自動下單的交易程式；然而，並非所有機器學習都可稱為AI。事實上，AI的特點在於其擁有更多細膩的「人性」及「認知」元素，令機器能夠按照輸入的資訊與規則，透過内部建立的連結推導並主導最終輸出的結果，從而「作出決策」。

David Walsh的文章重點分析了AI影響投資的八大關鍵領域，並進一步劃分為「個人」及「機構」兩大層面。

透過前瞻預測、密切監察及適當應用AI技術，RQI Investors專注在不斷變化的環境中發揮最大優勢，為客戶的投資帶來正面影響。

AI於建議及個人投資的應用

1.    AI能否推進平等化？提升金融知識

近年澳洲社會的金融知識水平持續下滑，女性及年輕一族的金融知識更明顯落後¹。公眾的金融知識不足，加之網上「理財」資訊氾濫，使人們更易誤信錯誤內容或被誤導，遊戲驛站（Gamestop）事件及加密貨幣泡沫便是典型的例子。

AI正好為扭轉這一困境帶來了新的轉機。尤其是現時不少金融科技已獲得新一代的廣泛使用。舉例來說，多達20%青年人已使用自動儲蓄工具，逾50%年輕人持有某類投資²。此外，隨著數碼助理的普及及亦有助克服怯於顯露無知的心理障礙。

在這些機遇面前，短期內要真正善用 AI 來提升金融知識，最大的阻礙可能是學校遲遲未能將金融知識納入為核心課程。

2.    減輕繁瑣工作，顧問專注業務發展個人化服務：AI在建議及分析的應用

AI正在逐步改變顧問提供建議的方式。AI能夠大幅減省時間與人力：由行政處理、報告撰寫、客戶溝通，到追蹤法規更新、協助客戶開戶及投資組合重新平衡等，更可根據顧問與客戶的需要作出個人化設定。

顧問可把心力專注於諮詢的核心 - 以人為本。畢竟現階段AI功能廣泛，但在深度與個人化方面仍有明顯限制。即使經過多次嘗試，AI仍未能融合深厚知識及客戶的個人化需求，難以提供真正度身訂造的建議。

另一方面，不少人亦對AI抱持懷疑態度，尤其於年齡層越高的顧問及客戶情況更為明顯。正如某位資深顧問所指出：「在市場低位時，AI很難阻止客戶恐慌性拋售資產。」由此可見，AI技術尚未足以取代真人服務。

然而，對於顧問來說，AI帶來的最大機遇，在於是能釋放時間與資源，提升客戶互動的質與量，並推動業務發展，同時減輕日常行政與合規工作的負擔。

3.    AI選股及買賣：仍停留於交易層面

縱然市場上交易應用程式愈來愈多，但真正融入深度AI者卻不多。該類應用程式主要是在易用性及收費吸引用戶，而非依靠研究或建議的智能化來突圍。值得注意的是，個別應用程式提供傳統金融服務，並強調人性化互動及全面理財服務的重要性，多於標榜純科技或AI主導。

AI於機構投資的應用

4.    釋放更多時間進行研究及創造價值：自動化編程及報告

在機構投資方面，AI可以按照預先設定的篇幅、細節及重點，快速整理大量市場資訊與研究內容，讓基金經理騰出更多時間專注於更具價值的工作，例如深入研究分析。

以澳洲儲備銀行發表的《2023年8月貨幣政策聲明：經濟展望》為例，該份報告全文共3,600字，AI僅用4秒便能將其濃縮成200字的摘要。

AI編程技術亦為用戶節省大量時間。 Chat GPT這類能根據自然語言迅速準確地寫出程式碼，使用門檻亦大幅降低 - 例如輕鬆用程式碼繪製圖表或追蹤任何數據（如通脹）。

不過，所有AI輸出的結果質素均取決於輸入的數據質素及權重（即用於引導決策模型的邏輯關聯）。特別是現時可以選用的AI均屬於公開通用技術，因此可能無法進行細緻、準確及深入的思考。話雖如此，我們相信未來市場上將會出現更高階的選擇。

5.    透過識別規律模式及建立主題模型，發掘隱藏的Alpha機遇

無論事物之間是否存在關連，人類天生傾向尋找規律模式。在此過程中，人類認知偏誤造成的影響亦相當明顯。

AI不僅能避開這些認知偏誤，還能以更大規模、更快速度地捕捉與分析數據。AI分析的覆蓋範圍可以超越人類傳統分析的範疇，能識別不同主題、群組或資料之間的關聯，從而能發掘出以往難以察覺的Alpha源頭。

RQI Investors運用上述方法分析同類企業及網絡關係，成功鎖定具潛力的Alpha收益來源。下一步我們將善用AI優勢，尋找及探索更深層的隱性連繫。

6.    從雜訊中找出有價值的資訊：自然語言處理及總結非結構化數據

眾所周知，AI能快速整理及分析結構化金融資訊，例如報告、市場價格及成交量。

然而，不少金融資訊均屬於非結構化數據，即所謂的「另類數據」，例如文字報告或新聞、圖片、銷售點甚至天氣數據，而該等數據均對投資表現及前景產生重大影響。AI在這方面尤其是自然語言處理（NLP）技術能發揮意想不到作用。

自然語言處理技術可從新聞、發言紀錄、監管報告及其他來源^3,4提取有用訊息，並分析背後的意圖、關注事項及市場氣氛。例如，透過辨別企業行政總裁(CEO)或財務總監(CFO)的情緒或語氣，可能有助評估企業的未來股價或盈利走勢。

RQI Investors已應用NLP技術，結合特定領域的的詞彙庫及正面或負面語意關鍵字。藉此訓練AI辨別細緻的語言特徵，從而預測企業表現或前景。除了書面文字及圖片外，AI還能分析文字記錄中的「即時」發言內容，包括業績發佈會上的問答環節或電話會議等的互動場合。

語言細節分析的例子：

• 「拉布」訊號：管理層冗長的發言
• 模糊訊號：管理層用語過於複雜
• 情緒或語氣訊號：從事先準備的發言稿及自由發問環節中分析管理層的的信心與態度

7.    交易演算法：自動化的靈活應變及適應能力，惟仍有進步空間

傳統的交易演算法僅圍繞目標函數及其他自設準則運作，例如「最大化利潤」或「最小化淨風險」等要求⁵。儘管非AI模型相對簡單，但在結合AI後，系統將能處理更多變數，並即時從新聞或訂單流中吸收資訊及調整策略。

AI交易演算法不單能夠自動調整及重新決定數據來源的比重，更可在運作或訓練過程中作出調整邏輯及持續優化。

因此，AI能建立更精細靈活的交易平台，以適應不同環境及市場情況。不過，該類平台的運作難以監控及解讀，而且高度依賴歷史數據，以致表現受制於平台質素。

8.    投資組合優化：應對複雜挑戰

在市場或投資組合的運作「符合預期」時，以傳統的人工方式構建投資組合往往表現良好。然而，當市場出現「異常」波動時，採用AI構建方式的優勢便能真正發揮作用：更迅速地運算，更靈活的視角分析數據，特別是針對複雜難題進行分析。

預測回報或Alpha誤差便是傳統投資組合的優化技術中最棘手的問題。而AI 則可以透過持續學習，哪些回報預測最易出錯，再透過序列式訓練，逐步提高模型處理數據異常或誤差的能力。

AI 在投資領域的應用，已證明能夠提高操作效率，並提高使用者的財務知識，更具備龐大潛力，可以巧妙運用投資概念的實踐、優化交易流程及完善投資組合的構建方式，從而為投資者創造更多價值。

事實上，AI不會消失。但它絕非萬能的解決方案，亦無法取代人類的思考及創新智慧。而對投資者、顧問及資產管理專家來說，緊貼最新的AI應用發展、充分把握這項技術的潛力，再配合人類獨有獨有的專業技能及經驗，將是未來致勝的關鍵。