機器學習助你管理資產

隨著演算法變得愈來愈聰明，華爾街誰會是贏家，誰又會是輸家？機器學習讓強大的演算法能夠分析大型資料集，以便針對所界定的目標來做預測。這些演算法能透過試誤而自行調整，隨著取得更多資料，使預測愈趨準確。然而，機器學習雖然能大幅強化投資決策，但本身仍有重大限制，嚴重削弱表面上可望達到的成效。

某些產業專家認為，機器學習將逆轉目前逐漸走向消極型（passive）投資基金的趨勢（編按：消極型投資指長期持股，不求短期獲利）。然而，機器學習雖然提供一些新工具，有助於積極型投資人的績效超越大盤，但目前仍不清楚，未來機器學習能否為積極型資產管理者提供可永續的商業模式。讓我們先談正面的影響。機器學習是人工智慧的一種形式，讓強大的演算法能夠分析大型資料集，以便針對所界定的目標來做預測。這些演算法並非確切地遵循人類用程式碼撰寫的指示，而是能夠透過嘗試錯誤的過程而自行調整，得以隨著取得更多資料，而產生愈來愈準確的規範式建議（prescription）。機器學習特別適用於證券投資，因為它產生的見解能夠迅速且有效率地成為行動依據。相較之下，如果是在其他產業透過機器學習而得到新見解，公司必須先克服重大限制，才能讓見解化為行動。舉例來說，Google若是開發出一款以機器學習來推動的自動駕駛汽車，必須先得到一連串利害關係人的許可，才能讓這輛車正式上路。這些利害關係人包括聯邦政府法規監管機構、汽車保險業者，以及業者希望自駕車獲准上路的那些區域的地方政府。投資組合經理則不必先得到主管機關同意，就能將機器學習產生的見解轉化為投資決策。在投資管理的情境中，機器學習可在三個方面，擴增強化證券分析師已經在做的量化工作：