AI人機合作 洞察投資先機

系統化投資

隨著投資市場的複雜度日益增加，如何更快速抓到投資機會點？有30年系統化投資經驗的貝萊德系統化投資平台亞太區策略主管Anthony Kruger分析，可透過整合AI人工智慧技術來革新和強化投資策略，例如以自然語言處理和生成式模型，從大量資料中挖掘具有價值的見解；搭配系統化投資，或稱量化投資，則是運用演算法、數據和模型有系統地篩選投資標的，有助做出更明智的投資決策。

Anthony Kruger分析，藉由AI投資流程，增加了分析的廣度，然而投資團隊的專業知識仍將是系統化投資策略的核心，可持續優化AI生成的見解，以尋找潛在的超額報酬機會。

AI能迅速處理龐大資訊並分析

在當今資產管理行業中，AI技術使得資產管理公司能夠從龐大的數據當中萃取有價值的見解，並依此做出更準確的投資決策。例如，龐大的資訊轟炸情況下，AI已經可以分析財報會議記錄、券商報告、財經新聞等，並從中識別出正面或負面的訊息，大幅提升投資分析的效率。

Kruger強調，在資訊過載的時代，AI技術可以幫助投資者應對不斷湧入的數據和訊息。AI透過自然語言處理技術快速分析非結構化資料，並將大量的文本數據轉化為可操作的投資見解，從而減少人工分析的工作量，更能夠迅速地做出決策，並且有助於識別出隱藏在海量數據中的投資機會。但人類仍然在投資決策中起著不可替代的作用，因為AI無法完全取代人類的直覺和經驗。

雖然AI技術在許多方面有顯著優勢，但它在處理複雜推理和大規模數據的模式識別上還是有些挑戰，尤其大型語言模型在某些方面表現優秀，如多語言資訊萃取、處理、做標籤、濃縮都可以做得很好，但在複雜的邏輯思考，如預測股票價格變動等方面，AI有時會出現錯誤的預測。隨著模型變得越來越大，加上多步驟的邏輯思考，AI有可能出現資訊搞錯，出現「AI瞎掰」，造成執行具體任務時遇到更多困難。

多領域資訊增加AI投資可信度

因此，資產管理公司在尋求利用AI模型時，不能只專注財務資訊，還要多找些數據來源，包括地理空間數據、GPS訊息、監管數據等，這些資料通常與金融市場不直接相關，但可以提供對市場的額外見解。透過不斷擴展的數據信號資料庫，資產管理公司能夠提高分析能力並創造額外的報酬。

例如評估新興產業的興起或地緣政治事件的影響方面，AI可以透過分析自然語言處理模型來識別與某些市場主題相關的公司，並把人機資料都連結起來，由人定義主題，看有什麼概念、修正邏輯等，藉由機器、AI點出主題，並分析這些主題對公司表現的潛在影響。

他舉例，例如GLP-1相關的減重藥物成為熱門話題，AI系統通過分析新聞和報告，能夠識別出哪些公司可能會從中受益，包含藥廠禮來（Eli Lilly）與諾和諾德（Novo Nordisk）。但要辨別哪些公司可能會受到負面影響較不容易知道，藉由程式碼、回測引擎等等，列出抑制食慾、減肥手術等可能受影響，最後可列出速食、減重、醫材、減肥門診等公司是輸家。

系統化投資 資產管理新趨勢

系統化投資（Systematic Investing）是AI興起後，資產管理行業重要的發展趨勢。系統化投資深究資料的價值，透過整合大量數據，持續改進投資模型，並且在風險管理、報酬和成本控制上具備優勢。

系統化投資資產管理新趨勢系統化投資（Systematic Investing）是AI興起後，資產管理行業重要的發展趨勢。系統化投資深究資料的價值，透過整合大量數據，持續改進投資模型，並且在風險管理、報酬和成本控制上具備優勢。

Anthony Kruger強調，AI技術不僅可以幫助投資者應對過多訊息，還能提高分析效率和投資決策的準確性。隨著技術的不斷進步，AI和人類投資者的合作將變得更加緊密。未來的投資策略將更加依賴數據和AI工具的支持，使得資產管理行業能夠更好地應對瞬息萬變的市場環境。（本文作者現為媒體記者，深度研究金融業各種議題）