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。