【30天免費閱讀】AI有助駕馭新冠肺炎疫情？

AlphaGo在數年前擊敗人類最優秀的圍棋選手，揭示人工智能（AI）科學家從10年前開始悄悄帶來的無盡可能世界，自動汽車、AI醫生及機械人顧問等應用層面似乎近在咫尺。

不過，正如Roy Amara的名言：「我們往往高估科技的短期影響，卻又低估其長期效應。」如今，我們不時從媒體看到AI應用層面未如人意的消息，例如在最新一期《經濟學人》科技季刊的「人工智能及其局限」（Artificial Intelligence and Its Limits）文章，編輯指出「數據數量可能不及我們想像般多，而且充滿陷阱」，由於這種局限（乃至其他因素），他們總結認為「個別夢想將隨着秋季來臨而降溫」。

這類質疑自AI問世以來已經存在，而近月的全球疫情則是難能可貴的機會，讓我們了解AI及大數據程式能否在投資世界克服考驗。疫症的規模屬百年難得一見，研究人員無法藉着將模型套用於前所未見的疫情時期數據來「作弊」。然則，他們在這段時期如何設法應對？AI程式會否令投資者徹底失望？

趁疫情測試各種模型

最簡單的測試方法是交易模型，那就是投資組合經理作出買賣決定時，由AI程式建議交易的時間、地點及規模。基於短期性質，他們大多依賴最近期的數據，而且能夠迅速配合數據的變化。
對於需要一連串長期數據的機器學習模型，當前的新環境確實構成挑戰，但這個難題絕非只限於AI程式，畢竟所有量化模型皆面臨同樣處境。（在開發「量化基本因素」（quantamental）模型時，筆者意識到，即使並未將模型套用於歷史數據，但在開發過程所作的選擇始終深受筆者的市場經驗所影響。從這個角度，這場空前的疫情對我們每一個人確實是未如的領域，但這是題外話了。）

歸根究柢，投資者該如何面對這些考驗？應對方式共有幾種，而且大多符合我們的理念，亦即新時代的投資團隊將遵循「AI + HI（人類智能）」的模式。AI程式並非旨在取代投資組合經理和分析師，但能夠提供更強大的支援。在危機以及不明朗時期，投資者自然比以往任何時候更依賴其經驗及判斷。

若然閣下察覺到變化出現，正確的做法是摒棄對過往數據的依賴。機器學習模型是以數據為基礎接受訓練，所以，假如認為獲取數據的環境並不符合目前在市場觀察到的情況，則不妨嘗試使用較為簡單以及依賴功能較少（例如是解釋模型輸出或結果的變數）的模型，因為較少功能有助洞悉在新形勢下仍然成立以及可能失效的觀點，避免遭到值得質疑的數據所誤導。

閣下亦可以檢視這些功能是否與曾經進行的測試大致相若。即使這或許是新的環境，但若然功能屬於相同範圍，則代表閣下的模型理應繼續有效。

最近在CFA協會第73屆線上年度會議上，Oaktree Capital的Howard Marks, CFA發表演說，指出改變機制模式具有舉足輕重的影響，而他相信其公司從採用新的機制模式中獲得更大的利潤。這似乎同樣適用於機器學習模型，施羅德數據見解及分析主管Mark Ainsworth便謂：「假如察覺機制模式出現的改變，便預示將有可觀的回報。」

大數據應用更快獲取資訊

更值得樂觀的一點是，我們留意到投資者已經超越這類「應對型」的策略，並一直積極發掘新的應用層面，尤其是有助即時或至少更快獲取資訊的大數據應用。

「投資者期望我們能夠幫助解釋市場形勢，所以疫情確實讓我們有機會大放異彩。」Ainsworth表明：「我們遵循科學化方針，並嘗試[運用更簡單的模型]解釋各類發展，而不是採用典型的工程師方法，亦即使用能夠套用於數據的傳統機器學習模型。」

根據Google搜尋趨勢，AlphaGo掀起的AI熱潮自2018年起逐漸褪色。若然讀者是Gartner技術成熟度曲線的忠實支持者，這不啻是一個好兆頭，反映一些先驅從炒作轉移至實踐，而其中難免有一些失敗個案。主流應用必然是在「泡沫化低谷」趕走一切懷疑論者後才會降臨。

AI + HI依然是AI應用的首要框架。正如這次疫情的經驗證明，專業投資者的角色變得愈來愈重要，而對於任何人來說，這絕非是不利或令人失望的消息。

作者為CFA，CFA協會金融分析研究高級總監