20170712 機器學習的ETF(IBM 華生)

繼上次的AI ETF文章之後,很多人都來問,到底這個是投資AI公司的ETF還是使用AI的技術來選股的ETF。答案是前者,規模最大的ETF如QQQ就是投資在Google  Amazon NVIDIA FB等AI公司,至於使用AI的ETF,麥道森最近看到了,趕緊來分享

這檔ETF叫做AIEQ,使用IBM Watson 超級電腦,你可能知道,Watson可以使用自然語言來回答你的問題,現在一家EETF公司整合這個超級電腦,在美國股市中進行選股。

#電腦也可以滾土豆,現在電腦也可以選股票#
電腦選股早就有,但不同的是,透過機器學習,這個選股機器可能可以演化的更加厲害。(結果如何,等這檔ETF上市,有一段track record才知道,FYI 麥道森認為你可以觀察他,不要貿然投資)

AIEQ,其選股編列機制由一家美國Fintech公司EQUBOT,採用IBM的華生技術來建構選股機制。
由於ETF尚未上市,因此僅能才公開說明書中窺見。

選股欄位:美股以及不動產投資信託REITs,無論市值大小都在挑選範圍內。

選股方法:
每天,equbot會從美股中挑選能夠在現有經濟狀況,投資趨勢,事件導向,從中挑選30-70支個股,進行買進跟賣出的交易。

數據庫長度:十年,採用過去十年的歷史數據,並與近期的市場訊息,新聞趨勢做機器學習。

AI選股這件事情除了在現在關注Fintech趨勢之下是一個風口以外,其實也有其背景上的需要,根據black rock的數據,超過50%的人現在都選擇被動選股,而對需要取得Alpha的人來說,就需要一個新的工具而AI則是一個可能能夠擷取alpha的工具吧!

麥道森倒是很關心這個策略的有效性,幾個重點:
1.每日交易:這個成本可能極高,且華生如何判讀noise還是trend,每日訊息可能造成頻繁交易,導致費用高昂,績效被吃掉。
2.輿情分析:現在的數據越來越多,原本多數研究員看的基本面數據其實僅僅是小數據,但把新聞加入分析,其實也諸多要解決的問題,包含新聞的語意分析,標籤,新聞壓縮等都是一個不小的工程。
3.AI+alpha以及被動投資的效率性:到底加上AI,能不能抵上已經很有效率的被動投資,畢竟現在這些被動投資的費用率超級低,AI如果每年能夠取得1%的alpha(其實在美股已經很不容易),扣掉費用率以及交易成本,可能所剩無幾。
4.機器學習的catch能力:機器學習需要大量的樣本以及簡單規則,之後就是時間,要多久才能夠看到alpha出現呢?投資人是否能夠忍受?

以上都是很有趣的問題,屆時AIEQ上市以後才知道。

留言

這個網誌中的熱門文章

定期定值的更新、自問自答、定值再平衡法

Andy's ETF觀點:定期定值-一個超越定期定額的投資方法

美股ETF:XLY 美國非必需消費類股ETF