投資之旅 Trendalysis

Tag: 智能投資

  • 親睹Machine Learning 辨別靚仔靚女

    過去兩星期，恆指每天都錄得升幅(除了上週三)，成交額大概500多至600多億元。而本欄曾提及過的價值投資型股票中，最奪目算是大昌集團(0088.HK)。股價除了創1年新高，更創了3年新高。大昌集團是本地的小型地產商，亦有投資美國的地產業務。以往分析該股，優點包括資產價值大折讓、債務很低、現金流充裕、預期收入不俗，而且股息穩健。缺點是股價波動小兼且交投不活躍，但過去幾天價量齊升，值得投資者注意。詳細分析以及公司估值，可參考舊文，在此不贅，免得被指呃字數。 昨日車品覺兄在《全民大數據》專欄，展望今年的科技發展趨勢時提到：「人工智能與大數據的巨輪將繼續全速前進」。而上星期其中一宗大新聞，是贏遍國際棋手的Master 自揭身份為AlphaGo 升級版。Master 的圍棋對奕結果除令人驚嘆，亦再次掀起廣泛的人工智能技術討論。 其實坊間對「人工智能」至今未有一致的定義，若硬要區分則可嘗試用四個層次觀之。第一級是加裝了控制程式的家電用品，所謂的「內置人工智能」等字眼只是gimmick，實則是系統工學。第二級是典型的人工智能，程式系統的行動模式變化多端。這級別的人工智能可以理解input 和 output 的關係並產生大量組合，實際應用包括醫學診斷。第三級的人工智能，則包含了機器學習程式，系統會根據大數據找出input 和output 的關連，就如模式辨認(pattern recognition)，然後自行作出判斷。而近來媒體經常提及人工智能，多數屬於這級別。第四級的人工智能則是加入深度學習，即整個過程中有很多的變數和組合。 人工智能(artificial intelligent)、機器學習(machine learning)和深度學習(deep mind) 都是近來的熱爆詞彙，看到就覺得複雜和技術含量極高。上週筆者參與一個程式員聚會，其中一位講者Andy 即席演示如何使用神經網絡(neural network) 鑑別相中人是男或女。他說坊間有多種相關的開源軟件，讓程式員直接使用，包括Google 的Tensorflow。又笑指深度學習只是多加幾層(layer)，增加變數，然後隨即在螢幕上將 code 連貼幾次，令系統更”deep”。然後將預先準備好的1300+ 人類大頭照片輸入，再執行開源碼，系統即多次嘗試分析。一般而言，幾次之後會找到更佳的組合，提升辨認男女的機率。數分鐘就運行完畢，Andy 再輸入10多張照片讓系統辨認，程式根據剛才的學習結果分析，並估算相中人是女性和男性的機率。當晚系統表現不俗，能正確辨認大部分相中男女的性別。這次的即席示範，讓筆者感到機器學習和深度學習技術，並非那麼高深莫測（至少當日的codes 都大致看得懂）。雖然開源碼背後的理論和技術極高階，但就如使用智能電話或搭飛機未必會理解其運作原理，普羅大眾應用AI 和機器學習軟件時，也不需要完全理解背後邏輯。現在是大數據時代，而大數據和人工智能相輔相承。只要數據量夠大，系統記憶體夠多，而且運算速度快，就可應用人工智能技術。 筆者要真正了解人工智能，顯然有極大段距離。套用不同程式員的簡潔解畫，這是本體論(ontology)－將不同數據（包括文字和句子）切割，並以數字表達。而各種數據間的關係，則以數學的多度空間顯示，然後形成龐大的神經網絡… 寫了咁多，整篇文就似「不懂扮懂」的介紹文，兼且和投資扯不上關係。其實，筆者想說明並非只有大公司或研究所，才會探討和開發人工智能和機器學習。既然有開源軟件，任何人只要懂得寫程式，就可以輸入數據測試效果。而當晚有程式員提到股票分析是機器學習的熱門課題。以前市場由人類行為組成，現時已加添了很多程式活動，而未來只會越來越多機器行為，並且以指數式增長。未來的金融市場，不論趨勢策略或經濟循環，都不能和過往相提並論。 此文同見於《信報》的《價值投資》專欄 Facebook 專頁：www.facebook.com/trendalysis

  • 淺談投資分析系統

    早前看過《操作的藝術》，書中訪問了13位成功投資人，其中一位是來自香港並在台灣起家的王章佑。2008年金融海嘯，他以年績效63%拿到Asian Investor Magazine 的「最佳亞洲避險基金」獎。他有經濟學和資訊科技的背景，雖然最初不太了解股票和期貨，但會寫程式研究和測試，後來由散戶投資人轉型為自設基金，其管理的基金更是亞洲少數專注系統交易策略的避險基金，而且績效奇佳。本欄雖然開宗明義談價值投資，但筆者向來相信市場容許投資人各施各法，而很多其它派別的技術和心法，都值得參考學習。 數星期前，畢老林兄的《智能投資「打真軍」一樣勁？》一文，提及本地證券商推出自行研發的智能投資系統。畢兄認為投資不同於圍棋，沒有清晰的規矩，變數不斷湧現，面對千變萬化的市場，具備學習能力和大數據分析力的程式「難保不會『思覺失調』，電腦變『豬腦』」。筆者尚未有幸接觸過人工智能的投資系統，早前向專職程式交易的友人提及，他指暫時應該未有本地券商真正運用人工智能交易，估計是以AI 包裝的程式交易系統。 一般而言，除非投資人確切了解投資系統設計的來龍去脈，否則絕大部份都會虧本離場 － 不知道策略的優缺點和限制，便無法從頭到尾一致地跟從(不一致性是人腦分析的變數和弱點之一)，半途轉換甚至放棄策略，都會影響實質回報。雖然筆者不贊成盲目跟從任何證券行的智能投資系統，但鼓勵將分析方法理出個所以然，以便衡量效果和進行統計。 近年筆者嘗試將分析思路系統化，然後使用電腦運算，個人認為這能提供較全面的統計結果。人腦畢竟有其限制，除了未能短時間處理所有數據，亦容易出現偏頗的記憶和判斷，難以看到客觀完整的分析結果。此外，人腦似乎較擅長作出深度分析，同時間只可專注某一兩個或最多三個因素，再多已經不勝負荷。系統化的優勢，是可以同時處理大量資訊，並提供相對準確的關連系數。而將數據視覺化呈現於一個畫面，能讓投資人更了解資訊的互動，驗證假設和分析，甚至發掘新角度。 至於模擬戰績，也許很多人認為不可靠，紙上談兵根本未考慮投資人的心理狀態和市場的變化多端。回測結果的確並非十足可靠，但可用作參考。假如回測結果都是虧本，整個策略即不被考慮，或者應嘗試相反操作。若回測績效佳，也要對真實效果打折扣，因為實戰總會遇上時間差、滑價(未能在指定價位交易)等難以避免或控制，甚至是突發的情況。其實除了預期績效，系統化地回測讓投資人對策略的限制(limit)有較深的認識，可以預期波幅和盈利百分比，有助設定風險管理機制，或事先制定應對方法。 世間大概沒有系統可以百分百預測未來，所有的方向分析都是「一味靠估」，但完整的數據統計結果，讓投資人更全面地考量不同因素的互動，並且作出較符合現實的風險評估和回報預期，大概亦有其存在價值。 此文同見於《信報》的《價值投資》專欄 Facebook 專頁：www.facebook.com/trendalysis