前往主要內容
工商時報LOGO

人工智慧會統治財富管理嗎?

ChatGPT不是數學家,在管理基金時,還是得由人類檢查各種利益的潛在相關性。圖/freepik
ChatGPT不是數學家,在管理基金時,還是得由人類檢查各種利益的潛在相關性。圖/freepik

已將目前網頁的網址複製到您的剪貼簿!

文/孫維德(David Stinson)■台灣金融研訓院特聘外籍研究員

自動化似乎已經取代了基金經理人。投資者現在已經確信,為了得到更好的投資決策,而支付接近1%、甚至超過1%的基金經理費用並不值得。

自去年年底ChatGPT發布以來,人工智慧(AI)技術發展突飛猛進,如今人們不免開始認為,其他類型的AI也很快會追上人類。市場上已經出現了幾支AI管理的ETF,但目前它們的應用仍然有限。事實上,AI並不是取代高成本基金的唯一方法,甚至基金投資可能也不是AI的最佳使用場景。

■ChatGPT不是數學家,基金管理還是要靠人腦

AI,或者更精確來說是深度學習所達成的自動化,與ETF的自動化指數,以及「量化」投資者所使用的複雜數學式相當不同。相關的常見誤解之一是所謂的「降維」(dimensionality reduction),一種減少變量個數,藉以找出主要變量的統計方法。在使用基礎統計時,人類通常會提出一個問題,希望得到答案。但人們未必能把問題陳述清楚,而且這種方法可能無法發掘出資料中暗藏的其他模式,有時候反而必須先從資料中「找出」應該詢問的問題。因此量化投資、各種科學、以及許多其他領域都早已改用主成分分析(principal components analysis,PCA)這種統計方法來研究資料。

但在管理基金時,還是得由人類檢查各種利益的潛在相關性。其中最重要的就是判斷目前已知的相關性是否過時,因為每筆產生價值的交易,都遲早都會被其他投資者發現。這種判斷往往因時因事而異,而且難以用語言表達,AI想要攻破得面對極大挑戰。

另一方面,AI真正的獨特之處,並非能夠從輸入資訊中找到更多有用的見解,而是能夠幾乎毫無限制地輸入各種類型的資料,並將其統合。之前的統計方法通常可以處理市場價格這種結構化資料,卻對自然語言、影片這類非結構化的資訊毫無辦法;即便有一些前處理(pre-processing)技術,也會剝奪資料中的一些有用資訊。因此AI適合進行質性投資,而非量化投資。

■ESG是質性問題,適合AI統整發揮

AI在投資中最有前景的功能,也許並非降低成本,而是納入新的價值。ESG就是一個例子,它不是用單一數值來代替財務報酬,而是包含了好幾種衡量標準,這些標準之間的關係相當幽微,而且並不穩定。

目前實施ESG遇到的挑戰,包括不同系統難以標準化、資料不足難以計算、需要讓中小企業借款者快速習得永續觀念、以及人力資源短缺。這些都是AI的擅場,這類工作都不需要直接做出決策,卻需要將不同的資訊整合成人類讀得懂的說明。許多國際財管專家都指出,成功落實ESG的關鍵就是不要讓它變成一個只是用來遵循的法規,反而應該使ESG的精神融入實作之中,結果自然會符合標準。

這種洞見也可以套用到AI。目前為止AI最大的限制之一就是模型的「可解釋性」或透明度,黑箱或無法解釋的決策,很難走進高度監理的產業。絕大多數投資人都不希望自己的投資組合配置是某個黑盒子掰出來的;但AI很容易出現「幻覺」,輸出一些「乍聽之下」鏗鏘不破的結論,並沒有反映真實。因此AI似乎比較適合用來找出值得注意的的模式或新興趨勢,讓人類用來決策,而非直接給予投資建議。

■人類與AI,各有強項與勝場

有些人則認為,AI很難一開始就找到適用場景。也有人認為AI將消滅被動投資,因為AI很快就會擅場將出現的新一代主動投資,而且後者的成本更低。全球投資金總額高達數十億美元,人類為何放棄主動分配?

金融市場系統相當複雜,而且決策影響深遠,很適合拿來測試AI的優缺點。AI被稱為電力或網際網路這樣的「通用科技」,能夠以各種形式提高生產力,將在可見的未來推動各種領域的創新。但這並不表示每一種問題它都同樣適任,都與人類同樣有用。在即將到來的市場整合過程中,我們將逐漸發現AI擅長哪些工作,哪些地方還是必須使用人力。

您可能感興趣的話題

留言討論

返回頁首
LOADING

本網頁已閒置超過3分鐘。請點撃框外背景,或右側關閉按鈕(X),即可回到網頁。