善用AI提升投資決策能力
人工智能(AI)的興起為投資者提供嶄新的分析工具，可用於處理規模更大、更分散、更複雜的數據集，形成具潛在參考價值的洞見，以求改善投資決策流程。
應用AI從制定明確的數據策略開始，以蒐集、過濾和處理數據，並將其整合在一個整合框架；同時亦有賴數據科學家所提供的創新假設，以求提升AI技術的應用效率。
結合傳統財務指標與創新AI技術分析新數據集的投資方法，可幫助投資者更全面地了解公司，善用大量數據尋求投資機遇。
主動型、數據驅動的投資策略旨在取得資訊優勢，比其他市場參與者擁有更多知識、更清晰視野，以及更有效率的行動能力。這有賴於重要訊息尚未被市場完全消化之前，能夠辨識、解讀並採取行動。在評估企業質素與估值時，數據導向的投資者過往主要依賴定量及結構化資訊，例如公司的市盈率，以及市場數據如股價表現和成交量。隨著近年更多結構化數據集變得可用，例如出貨量、網站流量及信用卡交易數據，這個資料清單亦逐漸擴展。
儘管這些指標依然重要，投資決策的流程在近年已出現重大變化，而人工智能（AI）的興起更進一步加速了這一轉變。現今，數據驅動型投資者能夠取得比以往更大型、更分散、更複雜的資料集。非傳統來源（如新聞報導、監管及專利申請文件，以及財報電話會議的記錄和音訊）需要採取嶄新方法分析數據及提取可行的見解。隨著AI的蓬勃發展，投資者可利用AI處理更加細微和非常規的數據集，從而尋求構建超額回報（alpha)訊號,提升投資決策能力。
可擴充的儲存空間、中央處理器(CPU)及圖形處理器單元(GPU)等技術固然重要，但高效善用AI的關鍵不僅如此。AI驅動的投資流程需要一套精心設計的策略，以辩別具參考價值的數據、過濾數據，以及在既定框架下整合成投資洞見。換句話說，我們認為具規模和影響力的AI策略，建基於融入數據策略於公司文化與理念。
AI技術的興起並沒有降低人類判斷力的重要性, 而事實正好相反。充分利用大數據和AI，取決於數據科學家推出高質素假設及推動創新思維的能力。他們需要了解哪些方法與技術能夠從現有數據中提取最具差異化的見解，以及如何有效運用這些見解來完成特定任務。
我們認為由數據驅動的主動投資策略，需兼備完善的資料策略和具創新思維的資料科學家。經驗豐富的高盛資產管理量化投資策略（QIS）團隊，在本文探討這兩大要素，分析潛在解決方案。
策略與科學
投資者以往難以處理複雜及無條理的數據，但如今若有效部署，投資者可利用AI辩別具參考價值的洞見。這是以數據為基礎的投資流程。
我們認為，投資者需要一個全方位的策略蒐集和處理資料集，以求建立具參考價值的洞見。此策略應涵蓋多個範疇，包括數據質素、數據基礎設施、管治架構、測試流程、實際應用及持續監察。與此同時，數據科學家的豐富經驗和能力也同樣重要。
兼備數據和AI應用經驗的數據科學家，可更有效地選擇適當的模型，以及識別和減輕可用數據集可能存在的固有偏差。若這些偏差沒有被發現，則可能會在AI模型訓練中被放大。在考慮AI工具時，數據科學家需要評估其複雜性、透明度與可用性之間的平衡。透過了解AI技術的優勢和限制，經驗豐富的數據科學家可協助投資者根據具體目標，選擇數據集和相關AI模型。
僅要求生成式AI模型預測股票回報或建議股票買賣並不足夠。我們認為人工智能技術應被視為投資分析過程中，用以驗證及分析投資假設的工具。AI的真正價值在於人類所提出的高質素假設和創新意念，並將其應用於一直變化的數據集，以尋求長遠競爭優勢。
語音分析
高盛資管的QIS團隊認為，公司管理層及經理於業績電話會議上表達的情緒，有助分析公司未來的潛在表現，是有效利用AI模型分析假設的例子之一。公司管理層通常對公司前景具深入的了解，而其言行可能意味着一些觀點的改變。
十多年來，QIS團隊使用各種方法驗證和分析這些假設，並將其轉化為投資策略。QIS團隊利用「基於變換器的雙向編碼器表示技術」(Bidirectional Encoder Representations from Transformers, BERT)1等自然語言處理工具處理業績對話記錄，評估管理層所說內容的文字情緒。自2023年起，我們更擴展至分析管理層的說話方式。
用於這種分析的數據可來自業績會議的錄音。基於語音分析,我們可捕捉訊息傳遞中的情感細膩之處，包括語調和重點的轉變，而有關轉變在文稿中難以辨識。我們也洞悉到，在業績會議的問答環節中的即時交流包含大量這種額外信息。深度學習2技術可應用於企業管理層和經理的原始錄音，以提取各種特徵，從而根據模稜兩可、聲調變化和閃爍其詞等指標分析其發言。雖然人類分析師也可執行類似任務，但使用AI可高效處理海量會議錄音，並控制出現人為偏見的可能性。舉例來說，QIS團隊可分析超過40萬小時的業績電話會議錄音資料。
相較於文本，分析錄音存在前所未有的挑戰, 通常包括沉默時間、背景噪音和音樂。有些發言人更善於表達, 有些發言人可能有不同的口音或講母語以外的語言。基於這種複雜性，QIS團隊依賴原始資料,自行過濾並保留潛在的重要細微差別。我們參考發言人的聲音特徵分析其講話方式，提供統一的比較基準。深度學習模型的輸出結果,可用於幫助形成更具参考價值的超額回報訊號。
超前/滯後效應
另一個假設示例是，股票之間的超前或滯後關係可能與嶄新主題的興起間接相關。如果我們能以有效、具規模的方法辩別市場主題，以及與這些主題相關的股票敞口，我們或可捕捉新興趨勢所帶來的投資機會。
嵌入模型等自然語言處理方法，讓我們能夠集中、系統性地進行分析，在專利申報材料、公司新聞稿、新聞報導和賣方分析師報告等各種文本數據中洞悉這些主題。3一旦發現這些主題，我們就可以追蹤公司表現，以判斷如何受惠於這些主題趨勢。QIS團隊目前每年在全球分析29萬份分析師報告、200萬份新聞文章以及5000萬項專利。
以新聞報導為例，QIS團隊認為，相同新聞報導中頻繁提到的公司或許存在經濟聯繫，投資者對有關聯繫反應不足,可能造成股票回報的滯後效應。根據此假設，AI技術可用於分析我們每日監察的大量新聞。這讓我們能夠建立一個跨越數千隻股票的聯繫網，並觀察由市場事件引發的連鎖反應。我們認為，有關因素都可能影響股票回報。
傳統的分析方法可能難以應對源源不絕的新資訊，而由AI模型驅動的量化數據分析方法，則讓我們了解一個全球事件如何引發第一層和第二層的潛在連鎖反應。例如，天然氣供應受阻可能會提高肥料的價格，最終導致全球食品價格的上漲。在這樣的情況下，我們的模型可辨識出在這個關聯網中將受到影響的公司。
全面視角
蓬勃發展的AI技術為投資者提供評估公司和管理風險的新工具。除了財務報表等傳統數據之外，投資者現在可參考龐大、複雜且分散的數據集，從中評估公司未來價值可能產生的潛在影響。過程由始至終，都不離開人類掌舵: 從制定策略以獲取、過濾和處理數據，並依賴數據科學家所提供的創新假設、持續的監測和創新，乃至最終分析和建立洞見。透過應用AI於投資流程，投資者可更全面了解不同公司，並改善其決策和風險管理能力。
1 BERT為一種深度學習語言模型，可通過微調以判斷輸入為正面、中立或負面陳述的可能性。
2 IBM。深度學習為機器學習的一種類型，通過使用多層人工中立網絡，模擬人類大腦的決策過程。截至2024年11月26日。
3 嵌入模型用於將數據轉換為數碼格式，以供電腦處理。例如，其可以將字詞和句子轉換成向量（一串數字）。有關向量捕捉數據點之間的意義與關係。具有相似含義的單詞將具有相似的向量表示。