遇和不遇

人生世,總在遇和不遇之間。作為退休理科教師,我們遇到同好者一起寫博文,同一議題,可各抒己見,有時會遇到教過的學生、共事的老師、久違的上司,什麼樣的熟人、朋友,什麼樣的男人、女人,全不由我們做主,卻決定我們的電腦瀏覽器博文和瀏覽的博客以前在學校工作,如果工作順利、生活幸福,某一天早上醒來,我們會感謝命運,讓自己在那些重要的時刻遇到了合適的人,可能是同事的幫助,勤奮的學生如果某日諸事不利,那麼,會遇到倒楣的事情,忘記帶教具,忘記這,忘記那。生命是一個漫長的過程,佔據人一生大部分時光的,是他的職業生涯,平時人們常講的遇和不遇,也多指工作和職業中的遭際。退休後遇到的,多是舊同學,興趣相似的羣組,在談天說地之際,偶有佳作,不想輕易忘記,乃存之於小方塊中,給遇和不遇的博客觀賞,如此而已!

2018年6月9日 星期六

人工智慧選股(AIEQ)


上文講過AI 醫生、可能統治世界的機器人和懂得深度學習的機器,它們都利用AI技術,去年首隻聲稱使用人工智慧選股的AI Powered Equity ETF (AIEQ) 在紐交所推出,兩個交易日就輕鬆跑贏美股大盤。與傳統的追蹤指數的被動型ETF不同,該基金為主動型管理ETF,追求資產增值與超額收益。

 根據公開信息,AIEQETF Managers Trust的旗下的基金之一,由ETF Managers LLC作為投資顧問 (investment adviser) 管理。AIEQ的投資策略是基於EquBot公司開發的量化模型生成,後者是IBM創業企業全球扶持計畫旗下的公司,由IBM Watson超級電腦提供技術支援。
AIEQ對美國股票和房地產投資信託基金 (REITs)最近十年的歷史資料進行分析,並挑選30-70間在未來12個月具有超額收益機會的公司進行投資。其目標是在風險對標美股市場的前提下最大化收益。 
截至2018518日,推出7個月,AIEQ的資產管理規模已經超過1.3億美元,錄得投資收益10.35%,年化波動率為16.02%,最大回撤為9.75%。與之相比,同期標普500指數的收益為7.17%,年化波動率14.97%,最大回撤為10.10%
為進一步分析AIEQ的表現,分析員將其自推出以來的表現按每個自然月進行劃分,分別計算當期AIEQ的收益,同期標普500指數的收益,AIEQ相較於標普500指數的超額收益,以及AIEQ與標普500指數的相關性。如下表。
自去年1018日推出至10月底,AIEQ錄得收益-1.27%,較標普500指數的0.58%收益輸1.85%。次月,AIEQ錄得收益2.57%,但仍輸標普500指數0.50%,同期標普500指數的收益為3.07%
但自201712月開始,AIEQ已連續五個自然月錄得超額收益,且今年3月和4月的超額收益顯著上升,分別為0.97%1.51%。在還未結束的5月,至18日,AIEQ已較同期的標普500指數錄得2.76%的超額收益。
正如EquBot的創始團隊在彭博的訪談中提到,EquBot的量化模型利用了機器學習的技術,隨著時間的推移,量化模型將不斷根據此前輸出結果的回饋進行學習,提升自身的表現。這正與表中隨著AIEQ上市時間越長,其較標普500指數的超額收益越大的現象互相印證。
當然,AIEQ的實際操盤時間仍然較短,其學習能力是否能持續也有待進一步驗證。
一位財經記者曾經表示:「現在大家對於AI的定義就存在偏差,認為AI基金就是基於對過去的分析,以固定的假設來預測固定的未來走勢,或是簡單地做量化交易,但真正的AI基金是:1)基於動態的假設來預測動態的未來;2)在獲得有限資訊的情況下,就能比人更快、更精准地預測未來;3)進一步預測或量化行為金融。這些在中長期仍很難實現。更諷刺的是,最初AI的終極追求就是要讓冰冷的機器像人一樣有炙熱的感情,而AlphaGo之所以能戰勝人類圍棋頂尖高手,恰恰是因為它沒有情感和感覺,因此疲憊、後悔、遲疑對它而言都不存在。」
事實上 專責分析員發現,AIEQ與標普500指數具有強相關性。尤其是自201712月開始,其每個自然月的相關性均高於0.80,甚至一度接近0.99。自推出至今,AIEQ相較於標普500指數的貝塔係數為1.0034
綜上,AIEQ的表現也和它所陳述的投資目標一致,即在對標美股大市的波動性的前提下,為投資者賺取超額收益。
AIEQ的宣傳材料中,其最強調的一點便是其大資料處理能力。利用人工智慧技術,AIEQ背後的量化模型每天可處理超過一百萬條信息,用於對美國逾6000間公司搭建預測模型。每天,量化模型也會根據當時的經濟情況,市場趨勢以及市場主要事件,對預測模型的結果的可能性進行調整。
可能處於保密的原因,AIEQ並未對其的投資策略作更加深入的介紹。例如,其量化模型每天處理的一百萬條資訊,包含什麼類型的資料?包括資料的來源、資料的清洗、資料品質的把控等,都未做進一步的披露。
 對於量化模型而言,輸入的資料是至關重要的。只有輸入的資料是真實的、有效的,才能確保輸出的結果有意義。大家選擇相信AIEQ的實力,但從目前公開的資料來看,它並未在這方面進行足夠的披露。
儘管引發爭議,AIEQ的推出以及其資產管理規模的迅速增長也反映了金融市場對人工智慧在投資管理應用的期盼與肯定。具備自學能力的量化模型,能否長期跑贏大市?大家不敢妄下結論,但是可以預見的是, 隨著大資料的不斷積累和機器學習能力的深入,人工智慧在投資領域將愈來愈強。
AI攻克了國際象棋,圍棋,總算輪到金融市場了。目前來看亞洲必將是AI的兵家必爭之地東方投資者對於主動投資的熱愛,也將促使這一領域發生變革。而中國的A股市場風格多變,散戶居多的特點,將為機器學習持續監控,跟蹤輪轉,快速調倉提供一篇沃壤。未來已來,誰將是最早推出中國版AIEQ的選手?讓大家拭目以待。


1 則留言: