Smart智富／結合大數據＋人工智慧 打造穩定報酬基金
過去1年，大數據及人工智慧這兩個主題被炒得火熱，不少標榜以人工智慧和大數據操盤的對衝基金和共同基金也大量出現。到底大數據和人工智慧如何運用在基金操盤上？全球最大資產管理公司貝萊德（Blackrock）的全球智慧數據股票入息基金經理人傅信德（Robert Fisher）4月底來臺接受《Smart智富》月刊獨家專訪時，深入分析了該團隊如何利用各種數位足跡與海量數據，打造低波動且報酬穩定之投資組合。
傅信德隸屬於貝萊德「系統化主動股票團隊」（Systematic Active Equity，簡稱SAE）的歐洲辦公室，派駐於倫敦。他本身是一位航太工程的碩士，畢業後2年就加入SAE，至今已服務長達17年之久。而SAE則已經有利用大數據、計量模型操盤達31年之經驗。「我們的操作傳統一向是根據數據，並思考如何利用數據來預測股價報酬。」傅信德強調。
這個至今已有31年曆史的團隊，是影響貝萊德未來發展的一個重要「秘密武器」。2009年，當市場壟罩在全球金融海嘯的陰影下時，當時的貝萊德出手買下了巴克萊集團旗下的巴克萊國際投資管理（BGI）。而臺灣投資人所熟悉、現在貝萊德旗下的iShare系列ETF，也是在當時由BGI一併購入。但少有人知的是，當初那筆交易其實也一併購入了SAE團隊。
根據英國《金融時報》（Financial Times）今年3月的報導，貝萊德執行長芬克（Larry Fink）去年對集團進行了一連串整並，並將更多資金交由SAE團隊操盤。該報導中引用了貝萊德全球主動股票團隊主管魏斯曼（Mark Wiseman）的話指出，「我堅定的相信，如果未來5年或10年我們回頭看，我們從購併BGI所受益最深的其實是（併入了）系統化主動股票團隊。」
SAE團隊如此受到貝萊德的重視。那麼到底傅信德和他的團隊，是如何結合人工智慧和大數據來操盤？他接受《Smart智富》月刊專訪時分析，若以貝萊德全球智慧數據股票入息基金爲例，這檔基金利用人工智慧、大數據和電腦計量分析的特色主要有2：
特色1》以大數據協助分析各種數位行爲傅信德舉例，目前以SAE平臺上所分析的上千家企業來說，這些公司平均每季召開總共達4,000場分析師會議。在這些會議中，企業會向分析師簡報其未來的營運展望。每一場這樣的分析師會議結束後，都有第三方單位提供逐字稿。而SAE團隊就會在每一場會議結束後，利用人工智慧中的自然語言處理技術（natural language processing）分析這些大量數據，「然後我們會得出一個分析師會議的（市場）情緒（sentiment）排序。例如某些公司對未來的展望比上一次好。而根據這個排序，就可以找出我們喜歡和不喜歡的公司。」傅信德分析。
但傅信德也強調，並不是所有的「新」數據一定都對分析企業股價有幫助，重點還是確定這樣的數據是否管用，「我們必須針對過去驗證對股價有影響的因子（例如營收狀況），找出更有洞見的分析方法（例如搜尋次數）。並且必須確定這樣的洞見比以前來得更好。」傅信德分析。
特色2》以大數據和模型協助，投資組合的建構這檔基金的一個特色是以「低波動」爲訴求，希望基金的波動能小於市場。也就是說，若市場的Beta值是1的話，這檔基金希望控制Beta值在0.8左右（亦即當市場下跌5%，這檔基金只下跌4%）。此外，這檔基金也希望控制投資組合的波動度。傅信德解釋，「假設市場的波動是零，那麼有些公司的波動會小於零、有些會大於零。整體來說，這會是一個常態分配（normal distribution）。然後我們會把每一家公司的波動率做評分。」這個評分會介於正、負3之間。在挑選個股、建構投資組合時，傅信德會希望投資組合的波動度評分能保持在-0.35左右（亦即波動度稍小於市場）。
針對以上的條件，傅信德會再利用電腦計量模型來建構投資組合。「我們會參考報酬機會、隱含的風險（亦即上述之波動狀況）等，預估交易成本，然後將這些因素交叉比對我們投資範圍中的2,500檔個股的資料，來建構最理想的投資組合。」傅信德強調。
透過上述過程，這檔基金過去5年的波動率明顯低於MSCI所有國家世界指數（ACWI）。根據晨星的分類，這檔基金的分類屬於全球股票收益類別。從這檔基金過去5年（截至5月11日止）的報酬和波動表現也可以發現，雖然這檔基金的5年年化報酬率爲4.85%（新臺幣計，以下同），略低於組別平均的5.49%，過去5年間的最大跌幅也只有-9.63%，遠小於組別平均的-13.65%。也因爲波動度小、報酬穩定，這檔基金的夏普值也高於組別平均的0.55而達0.58。可以說是一檔透過人工智慧和大數據，來達到穩定報酬、降低波動的基金。
更多精彩內容盡在Smart財經好讀