人工智能（AI）及大數據技術日新月異，其應用範圍涵蓋生活各個層面，為人類社會帶來變革且深刻的影響。事實上，人工智能在投資領域早已大放異彩，由近世紀的量化對沖基金到普通民眾的個人投資都離不開它的身影。
人工智能應用：智能投顧及量化交易
人工智能最為人矚目的是其分析和處理海量數據的能力，AI程式可以在短時間內快速捕捉數據做出決策。本港近年多間金融科技（Fintech）企業推出智能投顧（Robo advisor）技術，包括Aquamon出的「樂投」、中國平安旗下金融科技公司陸金所的「陸香港」、盈立證券的「盈立智投（uSmart）」等。
智能投顧通過使用大數據分析和組合建構工具，可以分析客戶的投資目標、風險偏好從而制定投資組合。而除了智能投顧這類在香港近年興起的AI應用以外，華爾街更早便已嘗試通過機器學習（Machine Learning）技術建立交易模型。
據《華爾街日報》報道，40年前，包括量化對沖基金文藝復興科技公司（Renaissance Technologies）創辦人Jim Simons在內，一批原本從事數學研究的專業人士選擇進入量化投資領域，開發量化投資的演算法。這些量化交易模型會基於歷史數據進行推斷，能在有限人為干預的情況下找到相關的走勢形態，開發及進行能夠賺錢的交易。
位於舊金山的量化對沖基金Numerai表示，該公司去年利用機器學習技術獲得了20%的收益。同樣在去年，Google旗下的AI子公司DeepMind Technologies的三名資深員工離職，成立了名為EquiLibre Technologies的機器學習基金，引起眾人關注。
儘管對沖基金頂尖人才的不斷嘗試，量化分析師坦言，在機器自我學習或強化學習方面，他們還沒有取得重大進展。
人工智能仍有很大限制 第一大限制：數據量
據相關人士透露，現時這些公司往往依靠先進的統計數據，而非最尖端的AI程式。大多數量化分析師仍通過人為判斷建立模型假設，然後圍繞假設建造模型。報道指出，要將人工智能應用到投資領域，第一大障礙是數據量。
以ChatGPT等聊天機器人為例，此類程式之所以能達至現有效果，是依賴於過去電腦運算能力的大幅提升以及極大的數據量。相反，金融市場數據非常有限。對沖基金Voleon Capital創辦人承認：「市場沒有無限量的數據來幫助我們運行無限大的模型。」
ChatGPT是一個擁有1,750億個參數的模型，涵蓋過去幾十年、甚至幾世紀以來的文本，包括書籍、期刊、互聯網等資訊來源。
人工智能投資領域第二大限制：嘈雜的市場數據
除面臨數據量的限制以外，想有效使用市場數據亦實屬不易。相比起其他數據，市場數據往往「更嘈雜」。在統計及數據科學（Data science）領域中，「噪音（noise）」是指無意義的數據，即一些難以被機器正確理解的數據。
量化分析師（Quant analyst）需要在大量的數據中消除這些「噪音（noise）」，從而解釋及預測市場走勢，而這個過程實屬不易。
另一方面，市場多變的特質亦與語言非常不同。公司可能改變戰略、發展新業務；新任管理層亦可能做出激進決定；經濟和政治環境或突然轉變等。因此，市場數據具有後顧性（backward looking）的特質，過去的歷史數據未必能完全反映未來市場的無限可能性。這個特質導致部分依賴歷史和長期數據趨勢的模型更難實行。
然而隨著人工智能技術日益進步，有跡象表明投資者正變得更願意依賴AI。在投資界中，有一個著名遊戲叫「尋找阿爾法（α；Alpha）」，即尋找同等風險下能跑贏市場的投資策略。
有對沖基金創辦人表示，「建立機器學習策略更加困難，而且剛開始會出現更多的錯誤。但一旦讓它們步入正軌，這些策略將會做出更準確的預測。」
一些AI專家表示，AI有朝一日可能會幫助實現交易的大眾化，讓散戶和其他投資者可以使用與大型對沖基金所用工具一樣強大的程式。
在不遠的將來，人工智能或在這場「阿爾法遊戲」中為我們帶來全新的突破與挑戰。
資料來源：綜合報道
Text by FORTUNE INSIGHT
