名家觀點
博客・吳老闆週記・資本政經

王俊文:量化投資與人工智能


股壇小塵埃:
近年有關AI(人工智能)、雲計算及大數據的話題興起,市場關注電腦能否幫助各行各業創造新價值。在Fintech(金融科技)方面,其實很多年前,不少投行也利用數學模型幫助決策人進行量化投資。對此你有什麼想法?

王sir:
這個我也略有研究。傳統選股方法比較依賴分析公司的各項基本面。包括分析公司的盈利、現金流、管理層有關公司未來的發展方向、從供應商及該公司主要客戶了解公司的信譽及還款狀況等,最後再以經驗判斷選股。

但基本分析需要大量人力及時間,專業的投資經理能挑選40間公司進行追蹤研究,已是極有效率。香港現時已有超過2000間上市公司,若再加上亞洲、歐洲及美國等不同股市,進行基本分析便非常吃力。一般小型基金公司因而難以進行全球性的投資佈局。

股壇小塵埃:
那利用大量歷史數據選股的電腦數學模型,在選股方式上又會否出現不同局面?

王sir:
鑑於以上的限制,近年不少基金公司轉用電腦及金融數據為客戶分析及投資股票,此亦之為「量化投資」。所謂量化投資,其實是用數學模型,以大量金融數據去挑選股票及建構投資組合。這些金融科技分析師會用歷史數據,測試該量化投資策略或數學模型的成效,再根據測試結果反覆優化調整策略並進行實際交易。

舉個例子,有部份投資者喜好買高息股,但投資高息股能帶來最佳回報嗎?透過量化投資的數學模型,篩選出最高派息排名的多隻港股,模擬成一個高息股投資組合。再以真實的歷史數據測試該組合投資的回報。該測試會持續改變交易時間、所投資的股票數量、調整頻率以及持股比重,直至得出回報最高及風險相對最低的策略。最後便以此進行實際操作,以看策略能帶來怎樣的回報率。

以上用股息率為基準只是其中一個例子。其實所有金融數據都可進行大數據的挖掘。市盈率、平均綫、各項宏觀經濟數據、趨勢綫、價格技術分析、市場傳言等等,均可便用歷史數據觀察其變化規律,再進行量化模擬建設、測試及實際投資,以期發掘出有效的模型。

提高紀律性排除主觀因素

股壇小塵埃:
這個好處真的很明顯。一般基金經理做決策時,容易受市場變化及主觀判斷等心理因素影響。但以電腦執行預定的投資策略,能大幅提高紀律性,排除心理因素的影響,投資過程從而更理性,更具系統性及成效。

加上雲計算的普及,電腦在處理不同數據如估值、價格變化及各相關數據等方面具有明顯優勢,能分析海量的公司及行業歷史數據是一方面。另一方面,透過數據了解新進入的市場,能大幅減低研究時間,走少不少冤枉路。

似乎,使用量化方法,已成量化策略投資的基金公司及傳統的基金公司共悉。在處理股票市值、增長動力、流通性、行業基本面等數據方面,能有助決策者先篩選出小範圍具回報潛力的股票,再逐一分析其基本面。兩者相輔相成,利用科學方法做前期排選工作或形成投資組合。遇有市場突發事件或宏觀風險調整,則由決策者作出靈活的調整及應變,以鎖定利潤或減低損失。

快速分析市場狀況掌握先機

王sir:
對。其實現在投資經理可輕易從各種網上渠道收集或購得各類銷售數據、供應商價格數據及售價趨勢等,不用再像以往只能等目標公司的季報,半年報或年報才能得到行業的相關財務數據或行業統計,對行業寒暑的掌握甚至能與管理層比肩。大數據時代,市場趨勢能更容易掌握。

日本政府養老金投資基金已開始選用量化投資策略,未來將會有更多機構投資者使用量化策略,投資者宜可多留意相關的投資產品及對市場的影響。

Related Articles