绩效新闻资料

简

ADVERTISEMENT

ADVERTISEMENT

即时国内

柔州议会| 大臣：公务员2个月花红皆是人民血汗钱

柔佛州务大臣拿督翁哈菲兹提醒公务员，州政府提供的2个月花红并不是“免费”的，因为所给出的每一分钱，甚至每一仙，都是由人民辛勤劳作和缴纳的钱。

3星期前

即时国内

绵里藏心

何俐萍.加薪了，请用绩效回报

历届政府都表示要好好发展农业，包括在“昌明经济”的口号下，团结政府对农业的拨款和奖励更可说是大手笔，然而现实的情况却是大马离农业现代化的目标却还有遥远的距离。

2月前

绵里藏心

全国综合

昌明经济框架绩效首相快公布成绩单

通讯部长法米说，所有政府部门已配合去年7月推介的昌明经济框架，收集近一年的执行绩效或成就的数据。

4月前

全国综合

读者观点

普雷玛蓬努杜赖.教育质量与不平等的悖论

当务之急是，政府应考虑采取更加细致入微的方法，将教育拨款分配到预科班中。

5月前

读者观点

即时国内

AMT以经验和绩效获DRT合约？詹德兰：我也想知道

亚洲移动科技（AMT）的创始人之一、也是网媒《当今大马》前首席执行员的詹德兰坦言，如果自己仍身处媒体界，也会对该公司获得巴生河流域电召客货车系统（DRT）试点项目的合约提出质疑！

7月前

即时国内

北马新闻

槟州议会 | 郑来兴：维护公务员形象依绩效采相关行动

光大区州议员郑来兴希望全国公共及民事职工总会（CUEPACS）能支持州政府对关键绩效指标（KPI）未达标、失信及违规的公务员采取行动，以挽回公共服务及公务员的形象。

7月前

北马新闻

都市动态

莫哈末扎里上任100天灵市56项目完成82％

今年2月1日上任就职的莫哈末扎里指出，在他任期首100天内的领导之下，八打灵再也市政厅完成31个项目，剩余的25个项目则仍在进行当中。

7月前

都市动态

即时国内

安华：政府政策注重绩效和扶弱两者需平衡

首相拿督斯里安华说，政府所推动的政策在注重绩效的同时，也不能忽略扶弱行动，这两者之间需取得平衡。

1年前

即时国内

VIP文

黄子伦 | AI投资绩效会比人类更好？

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。上个星期写了AI投资并不会取代人类的投资工作，有朋友认为没有写明AI在投资工作上的优缺点，故此有了这篇文章。首先，前文已经说明追踪AI和机器学习的投资基金，其成绩表现比不上美国大盘，而且偏保守。这当中是受到了背后的投资风格、基准以及演算法的影响，有人会认为这笔账不应算在AI上。但是，这也是市面上绝大多数的AI投资的主要方式。它们会要求客户填写资料来分析客户的风险偏好以及投资需求，选取由专人筛选后的合适ETF，并根据市场状况来实时调整投资组合。这种方式看似已经完全自动化了，但还是存在相当大部分的人为因素，例如：由专人筛选的ETF就有了人类的偏差，而很多人都忽略的一点就是一开始的分析风险偏好的问卷调查。许多人在填写过程中，无法区分出“真实的自己”和“理想的自己”，例如一位保守的人可能为了让自己看起来更有冒险精神而在问卷中选择那些偏向高风险的选项。 [vip_content_start] 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。

2年前

VIP文