黄子伦 | AI投资绩效会比人类更好？

因此，一份问卷调查要能够真实反映一个人的投资风险偏好是很困难的，之后所配给的投资选项就容易出错。

以上也只是市面上流行的AI投资缺陷，要真说到能力上的缺陷，那就是对数据的诠释。如果只是看数据的话，例如失业率，那么在2020年AI投资应该选择偏重现金，而不是股票，因为美国在疫情爆发初期就派发大量津贴，许多美国民众所领取的失业津贴比失业前的薪水还要高，试问有多少人愿意工作。这就创建了一个“高失业率，但大家都有钱花”的扭曲状况，对人类来说这并不难理解，但是对机器来说是比较困难，因为没有先例。

的确，如果没有先例的话，许多人类也会不懂得判断自己接下来应该怎么做才对，不过人类的抽象理解能力比机器强上好几倍，得以从一些相似的历史事件中抽丝剥茧（或者对号入座）并找到应对方式。反过来说，如果这些事情是见惯不怪的话，那么肯定是有强大储存和读取能力的机器更有优势。

不过，这个数据有另一个挑战，那就是数据的库存量。相信大家看过各种机器人叛变或者骇客技术的影视作品都会看到的就是AI大量截取我们日常生活中的数据，并从中作准确的判断。然而，这些准确判断都建立在“数据唾手可得”的前提上。须知，并不是每样事物都有数据可以读取，只要是研究过美国和马来西亚市场的读者应该知道前者的居民收入数据更新得非常频密，而且相当细化；反观，后者的数据就比较缓慢（严重滞后），分类也比较粗糙。另一个例子，许多人批评不透明的中国，其数据库其实相当完整，而且每个月都有更新。

AI投资要有效率，自然也只能选择那些高度数据化的市场，否则就是无用武之地。

最后一个就是数据是否有利可图。市面上有许多数据服务公司，有些是专注在消费者数据的如AC尼尔森，或者是金融服务数据的如Experian，又或者是科技数据的IDC等等。这些数据服务商定期弄各种各样的问卷调查和推出研究报告，都是尽可能地去发现市场里那些没有官方机构在做但又具备商业价值的数据并汇整。也就是说，这些机构寻找数据是有利可图的。

一旦这些商业利益被抹去或者大幅压缩，这就会取走数据服务商的经济蛋糕，使得他们停止发现和整合数据。而AI投资就是要尽可能地获得更多免费或者低价的数据，最后可能导致的结果就是每一个单位新数据的回报率可能就会接近这个单位数据的获取成本。这也就是“信息获得悖论”，也是AI投资需要克服的难关。

综上所述，AI投资还是有很长一段路要走，当中能否取代人类是非常讲究成本和效益的。不要忘记，投资行业的高阶工作都是一堆难以大量重复的特定案例分析，因此，我倾向认为AI最后是成为人类投资者的得力助手，而不是替身。