熱門:

2017年10月27日

Sviatoslav Rosov CFA投資視野

AI機械人顧問 或主宰金融業未來

採用機器學習技術的人工智能(AI)現已成為投資管理業日益關注的話題。CFA協會最近在中歐、東歐及中東舉行的國際會議上,投資業界便談論到如何運用AI開發更先進的機械人顧問,以更具成本效益的方法,獲取「智能化」的投資管理建議。

機器學習是研究人員和企業使用的一種技術,用於設計更具智能的電腦系統。此方法的優點是毋須在電腦中為可能出現的所有情境與相應行動編寫程式碼。機器學習可讓電腦「學習」涉及任務的各項必要關係、觸發因素和行動,以智能化的方式完成任務。

這種學習過程需要運用電腦演算法可重複使用的大量培訓數據(但通常需要人類從旁指導和監察),透過不斷在錯誤中學習,掌握如何將輸入資料(例如信用紀錄、就業紀錄、資產和購物紀錄)與所需輸出結果(例如正確找出風險程度合適的投資組合)建立聯繫。

恍如神經網絡

現時最受歡迎的機器學習方法是透過神經網絡學習,即模擬我們所知的人腦處理資訊方式,設計出類似的電腦演算法。這些網絡的建立方式將為數百萬,甚至數十億個人工神經元(基本上是輸入/輸出開關)按所有可能的組合聯繫起來。透過機器學習程序,網絡中的某些連接會獲得加強,而其他連接則會減弱,有些甚至會被移除,直至電腦剩餘正確的開關網絡,可接收任何輸入內容,並能識別正確的輸出結果。在金融科技領域,機器學習演算法最常用於信用評分模型。至於機械人顧問方面,神經網絡會接收有關個別投資者的輸入參數,並評估其合適度、風險承受能力和喜好。

然而,這種技術的「黑箱」問題一直困擾盡力確保市場穩定的監管機構。這是因為演算法的使用者或持份者若未能充分理解其運作方式,就可能導致潛在的意外行動或後果。目前,防止演算法出錯的最有效方法是使用斷路器,以減低失敗演算法的損害程度。

至於神經網絡,由於可因應培訓內容而自行演變,其「黑箱」問題就更加錯綜複雜。對於希望在某程度上認證或監控神經網絡的監管機構,此等考慮因素非常重要。這是因為若單靠觀察神經網絡的運作方式或代碼庫,監管機構對神經網絡行為的認識將十分有限。如要深入了解此問題,我們可先參考較為直覺式的神經網絡,亦即用於識別物件的神經網絡。這些神經網絡會從圖像提取原始像素輸入,並先搜尋直線和邊緣,繼而是角落和曲線,之後是更複雜的結構和物件部位,最終才能正確識別物件,例如「這是一隻小狗」。

然而,這個簡單例子是相對罕見的直覺式神經網絡行為,因為我們可以觀察到其視覺上的直覺式運作過程。神經網絡若要把年齡、郵政編碼、薪酬、Facebook狀態歷史紀錄及Twitter關注人數整合為信用評分,運作過程將難以觀察。因此,監管機構如要嘗試審核或監控這些類型的演算法,則仍須繼續探索需要注意的地方。即使監管機構已掌握評估、監控和管制AI演算法的專業技能,但由於所需資源的限制,這基本上是不可能完成的任務。金融服務業引進新技術的速度正不斷提升,因此監管機構幾乎不可能選擇單一的最佳監控技術。我們認為唯一有效的解決方法是制定適用於任何服務媒介的監管方式(如股權市場上的斷流器),以允許某程度的故障發生,同時確保故障帶來的影響不會蔓延。

作者為CFA協會資本市場政策分析師及CFA特許資格認證持有人

 

放大圖片 / 顯示原圖

訂戶登入

回上

信報簡介 | 服務條款 | 私隱條款 | 免責聲明 | 廣告查詢 | 加入信報 | 聯絡信報

股票及指數資料由財經智珠網有限公司提供。期貨指數資料由天滙財經有限公司提供。外滙及黃金報價由路透社提供。

本網站的內容概不構成任何投資意見,本網站內容亦並非就任何個別投資者的特定投資目標、財務狀況及個別需要而編製。投資者不應只按本網站內容進行投資。在作出任何投資決定前,投資者應考慮產品的特點、其本身的投資目標、可承受的風險程度及其他因素,並適當地尋求獨立的財務及專業意見。本網站及其資訊供應商竭力提供準確而可靠的資料,但並不保證資料絕對無誤,資料如有錯漏而令閣下蒙受損失,本公司概不負責。

You are currently at: www.hkej.com
Skip This Ads