2023年4月1日

曹實 CFA投資視野

金融業應用人工智能趨普及

在未來一段時間，金融行業將繼續關注先進資訊科技的發展。大數據和人工智能（AI）早已被運用於分析金融數據和構建金融模型，直至近日，普羅大眾才對這些科技的應用和影響有所了解。

人工智能屬於資訊科技研究領域，旨在模擬人類對不同情況的理解和反應，涵蓋手機中的虛擬助手，以及模仿人類大腦的深度學習神經網絡。為了使人工智能具備自我學習能力，而非依賴人類不斷調整代碼和輸入數據來指派動作，「機器學習」（machine learning）是不容忽視的人工智能領域。如大家曾嘗試使用現時成為熱門話題的聊天機械人ChatGPT，應該對機器學習並不陌生，因其背後核心科技之一的「自然語言處理」（natural language processing）正是屬於機器學習的範疇。自然語言處理使電腦能夠學習詮釋文本和口語數據，透過跨學科數據輸入生成各種模型，讓機器能夠如人類般解讀文字。

預測股價走向添回報

對於數據科學家和投資專業人士而言，機器學習確實在許多方面均有應用價值。有人會使用機器來預測未來的股票價格，以便作出更明智的投資決策，提升潛在回報；亦有人會用機器學習估算股價即將見底的證券，在市況動盪中尤其有用。然而，任何嘗試研究股市的人都會明白，要準確預測市場走向涉及太多變量因素（variables），實際操作非常困難；部分原因（例如人類情緒）更是無法由機器分析。因此，機器學習適宜用作預測盈利等基本的變量，以幫助分析師全面了解某家公司的前景。

除了預測走勢外，機器學習可利用自然語言處理技術，解決語言問題。對於世界各地的投資者而言，語言障礙相當普遍。儘管不少業內人士懂得多於一種語言，但每種語言都擁有一套獨有的通俗金融術語。在此情況下，我們可以利用機器學習和自然語言處理的功能，了解特定術語的意思。

演算法固然看來非常強大，但在金融市場上的應用都會面對某些困難，應用這項科技存在一些重大限制。金融數據往往包含不少雜訊，這意味着任何特定證券的表現，通常並無主導的變量因素。除了在訓練演算法的樣本期以外，演算法可能無法正確判斷變量因素與市場結果之間的潛在關係。此外，金融領域中可用數據量的規模之大，遠超其他使用機器學習的領域，例如網上消費市場。有鑑於此，機器學習演算法縱使具備強大的事後歸納分析能力，但預測能力卻欠理想。最後，金融市場的適應能力及非理性本質是一大難題。與其他應用機器學習的靜態系統（例如科學）不同，市場中所有數字和貨幣符號背後所反映的是人類的思想，這是非理性且難以預測的。

目前，金融行業廣泛應用自然語言處理技術。投資研究人員和分析師可以使用自然語言處理工具，納入其媒體追蹤套件，從不同的文本和音訊數據中擷取和分析關鍵字。這些工具被用於了解社交媒體上的公眾意見和情緒，相關資訊可能會對股市產生重大影響；同時可用於分析在公司業績電話會議中提供的財務資料。其次，自然語言處理的「主題建模」（topic modelling）功能對投資專業人士有莫大裨益。舉例而言，通過主題建模功能，金融業界人士可以從中央銀行的一系列聲明或新聞稿中辨識出關鍵主題，從而準確地預測政策的變化。

管理風險監督合規用途

自然語言處理也助用家從公司申報文件中識別風險。文本挖掘（text mining）通過長期分析各種申報文件的內容，識別出文件之間的重大差異或不一致之處，因此可被用作管理風險和監督合規用途。

然而，要充分利用自然語言處理，我們需解決一些關鍵挑戰。首先，這項資訊科技在技術方面存在障礙，最常見的是句子劃分和詞性標註。由於不同語言的句法和語義各有差異，這些障礙在各種語言中有所不同。要解決這個問題，辭典特別有用，能夠提升專業領域的語言學習成效。

最後，在個別金融機構層面，採用如人工智能這種先進資訊科技，可能意味着整個機構需要作出重大改變。企業需要發展鼓勵試驗和跨職能協作的策略及文化，建立由數據科學家和投資專業人士組成的「T型團隊」，讓團隊具備不同範疇的專業知識和技能，彼此相輔相成。

業內人士剛開始採用人工智能時，難免會感到不知所措。邁出第一步時最好是為團隊任命一位在相關領域具備豐富經驗和知識的人員。另外，加入一些熱中於先進資訊科技的投資分析師都有助提升團隊能力。在組織上層，高級領導層的支持很重要。

與其他新項目相同，公司往往非常關注採用科技的成效。投資回報固然是優先的考慮因素，但我們建議退後一步，綜觀全局。例如新方法是否更有效地產生獨特的投資見解？重要的是，閣下能否看到這個方法的可伸延性，把其使用在更多具有相似特徵的數據集或應用程式。

人工智能領域仍在急速發展，並具備潛力在多個行業中愈趨普及。投資專業人士應密切關注最新動態，抱持開放態度，並宜掌握最新消息，以在業內保持領先。

作者為CFA協會亞太區金融分析研究高級總監

下一篇：	歐股尚有兩熊腳
上一篇：	通關後內地客爆買港保險三大原因