人工智能投資
智能（intelligence）是除表象表述以外的分析、歸納、演繹，智能的存在會增加表象的意義及價值，而這些意義及價值又能被擁有相同智能的人所明白及溝通。好像十分抽象，看看以下圖片：
如果你是一部普通的電腦，上圖只是一堆圖像像素；如果你是貓，會見到同類在瞓覺；如果你是人，會見到一隻貓於行駛中的車箱內睡覺，雖然看不見整架車，但從車內視覺、馬路情況及其他汽車的行駛方向，再加上經驗可以綜合判斷而得知。
以下的圖片亦是貓在車內，與上面第一張圖的分別之一在於睡覺及清醒這兩個的不同行為狀態，是表述以外的意義。
以下第三張圖也是貓與車，有智能的人一定可以分辨出與之前兩張圖的不同之處。
但人工智能能否對以上三張圖片做得到如此高階的判辨？現時人工智能大概只能分辨圖片中那範圍可以叫作「貓」，那範圍可以叫作「車」，像Facebook從圖片中分辨人樣。但要判辨行為，例如那人在睡覺還是貶眼，那人正準備偷竊犯罪，那人生下來便注定長大後是蓋世英雄，現在只有於電影橋段內出現，當下的人工智能只是起步階段。
當下人工智能於投資界的應用，更加只是起步中的起步。上述三張圖片，大概未讀書的3歲小孩已經有足夠智能去作出分辨；但進行了幾十年投資的成年人，恐怕大多數仍未找到自己投資的優勢及方法（edge），仍然每天要進行學習（蝕少少錢），及偶爾進行深度學習（蝕多多錢）。如果連智人都普遍地對投資沒有辦法，人工智能又能否做到？
筆者於之前的演講分享中都有提及，現時在沒有投資策略下，正常的強積金表現是年均回報／按月波幅＝1；有系統有策略地投資，如《積金大反擊》內的4至7招，年均回報／按月波幅可以提升至2；而正在研發中的第8至10招，年均回報／按月波幅可以提升至3；筆者預期如果能運用人工智能，年均回報／按月波幅可以提升至4。
學習運用人工智能是未來大勢，網上已有大量免費資源（見前文），但如果要跟與投資有關的人去學習人工智能，外國有人列出了當今世上二十大高手，見此。
當中有一位叫Marcos Lopez de Prado，被The Journal of Portfolio Management頒了一個 “Quant of the Year 2019”（見前文關於Quant ），筆者正閱讀他的書籍 “Advances in Financial Machine Learning”，該書十分艱深。
Marcos Lopez de Prado 是典型學而優則商，之前在著名基金公司如Guggenheim（見前文關於Guggenheim的ETF被收購）及AQR（見前文關於AQR smart beta）任職，近期於AQR離職後未見有新動向。
AQR早前聘請Marcos Lopez de Prado是由他去主管Machine Learning 部門，此部門近期有新文章討論一下電腦能否學習投資（見此），文章內的主要觀點如下：
· 決策樹（Decision Trees）及神經網路（Neural Networks）是投資常用的人工智能；
· 投資數據內有太多無用的雜訊（noise），出現Low Signal-to-noise Ratios，令數據分析時缺乏真正有用的Signal，以致大數據其實不夠大，未能學習；
· 市場的發展快過分析工具的出現；
· 人工智能的預測，不宜在於回報，而應在於波幅；
· 人工智能的投資應用，不宜旨在於追求額外回報（Alpha），而應在於資產管理（Asset Management）。
最後，該文章點出人工智能的應用不是革命性，不應拋棄過往經驗從新建立；而應是演變性，按能力及資訊去輔助投資者。
人工智能於投資強積金的應用，十劃都未有一撇。而筆者有份參與、即將面世的強積金投資管理平台（暫名：MPFier），可能只是一撇中的一點，都算做有個起步。
延伸視頻：