基金特區：貝萊德運用AI強調人機合作 需人類創意思維經驗輔助

【明報專訊】近年隨着生成式人工智能（Generative AI）技術對公眾開放，短時間內被廣泛應用，投資市場亦不例外。早已在部分投資產品引入人工智能技術的貝萊德，其系統化投資平台歐洲、中東和非洲及亞太地區主管Ahmed Talhaoui指出，人工智能與基金經理分析之間並不存在矛盾，並認為愈是運用人工智能分析大數據，愈需要人類的創意思維及經驗，以提升機器分析的準確度。

涉及數據分析的投資方法，一般會想到量化投資（Quantitative Investing），即利用數學模型、統計學和計算機運算等系統化方法，分析數據辨別價格趨勢、市場規律及被低估投資機遇後，再直接由系統作出投資決策。此投資方法的好處是，可消除人為情緒對投資決策的影響，但缺點為量化模型未必可涵蓋所有因素，導致投資決策出現偏差。雖然近年人工智能技術的突破，有助擴闊量化模型的分析範疇，惟人工智能的準確性仍有待提升。Talhaoui表示，人工智能確有可能出錯，而且人工智能在設計上存在一些隨機性，因此不應全盤接收AI的分析結果，需要將分析結果做驗證，驗證過程中需有人類的參與，並由人類作出專業的投資判斷，這亦解釋為何該公司建基於人機合作的系統化投資（Systematic Investing），有別於傳統單靠機器運算的量化投資。

AI有可能出錯 不應全盤接收分析

儘管人工智能演算法及模型的分析能力愈來愈強，若市場出現意料之外的變化，或過去未曾出現的狀况，將影響AI分析的準確度，新冠疫情便是其中一個例子。貝萊德系統化投資平台亞太區策略主管Anthony Kruger表示，在過去數據中，並未出現過疫情蔓延全球，各地一致停工的情况，機器便只能分析市場上的數據，包括市場大幅下跌及波動性增加等，並據此得出應投資於防守股，或歷來於大市反覆向下時表現較佳股份的結論，惟其時基金經理發現所建議的部分防守股，其所有門市也受疫情影響而關閉，對其投資前景有所保留，因而沒有投資於相關股份。

新版本GPT預測準確度下降

新冠疫情的例子，反映人工智能可分析的數據，往往影響分析的準確度。參考貝萊德的一項研究，使用了2024年第一季舉行的500場公司業績會議的隨機樣本，透過OpenAI的各個GPT模型及貝萊德系統分析模型運算，再將每個模型所預測的績後市場反應，與40天後的回報作比較，以每個模型正確預測的比例得出準確度，惟結果顯示較新版本的GPT-4推出後，OpenAI的GPT模型預測準確度有所下降（見圖），其中一個可能的解釋是，GPT模型的定位是通用型助手，並以此基礎訓練及評估，每個新版本的重點均在於提高其生成人類感知更有用的內容，有證據顯示，這種形式的微調可增強其通用能力，但會犧牲其他應用層面的性能，有可能導致其在特定範疇的預測表現下降。

Talhaoui指出，由於分析模型分析哪些數據，及如何建構針對投資決策的數據集，將影響分析的準確度，以致愈是運用人工智能分析大數據，愈需要人類的創意思維及經驗，尤其是隨着AI技術的發展，持續擴闊機器可分析的領域，如自然語言處理（NLP）技術讓機器可像人類般閱讀，理解人類的語言文字，使投資分析數據不再限於企業營運數據及市場數據等，更可分析另類數據（Alternative Data），如監管文件、新聞文章、券商報告、社交媒體及其他文本來源，大規模收集關於公司前景的即時及細緻觀點，而人類的創意思維可用於考慮加入哪些數據，從中得到新的投資信號，分析模型會將不同信號作出整合，並得出投資觀點，再以歷史數據，配合人類的專業判斷作出驗證，便可提升預測的準確度，而鑑於市場變化太快，每年均有部分信號變得不再有用，故系統化投資需要人類從中不斷調整，以提升系統分析模型的預測水平。

市場變化太快 部分信號不再有用

Kruger補充，機器學習（ML）技術的發展，也提升機器的綜合運算能力，令系統模型可更快得出最佳的信號組合，從而預測股價走勢。

明報記者 劉敬華

[基金特區]