智富增值: 金融科技應用的好與壞

無可否認，做投資的人都重視數據分析，現在更是用大數據做分析，並以此作為買入的基礎，跟過往通常限於財務比率的數據分析不同。大數據可以搜尋到的資訊，包括地圖、社交媒體上的留言、航運貨運資料等，這些資料都大量存在網上，但其缺點是這些數據都不能有系統地加以分類。如果以數學模型去分析，一般的電腦程式都不能做到， 需要用人工智能（Artificial Intelligence） 或機器學習（Machine Learning）這些不一樣的程式，歸納一個大的圖畫以達至投資結論。

舉一個例子，你透過觀察大數據如社交媒體的關鍵字、大市成交量，加上新開股票戶口的數目及買賣成交的落盤地點，得出一程式程序（Program Logic）去賺取每年足以跑贏大市那百分之零點零一的回報。在過往，要得出這樣的結論，需要搜集數百或千個的數據，然後經過統計學的驗證，才會被接納，成為有用的投資結論，繼而執行，相當花時間。

數據太多反而是問題

但數據太多卻衍生了另一問題，就是在統計學上，如果數據的量夠多，就算是一個很細小的結論（如只有百分之零點零零一的回報），都可被認為是一個有效的結論。但當你真的以此進行買賣時，卻不會帶來實際上的差異，特別是當考慮當中的交易費用、差價、人為的延誤等。所以，今天可能有不少人都能提出一眾投資策略，宣稱可以跑贏大市，此時投資者卻要自己想清楚其背後的科學根據是否成立。

依筆者所知，大數據的威力在於它能使用哪些支離破碎的數據，達至一個預測的結論。這種方法用於推測人類行為表現相當得心應手，因為人的行為不能單用傳統經濟邏輯及理性分析就能預測得到，而大數據可彌補不足；但應用在股市中，其必然的回報可能太少，在扣除手續費後可能得不償失，沒有實際效果。

當然，大數據放在分析客戶的信用卡還款狀況，絕對有助降低銀行的風險；用在了解客戶的基本資產分配，亦減省了前綫人手的時間；又可以藉此了解股民對大市的看法，可更準確預測大市的轉捩點；或用作了解對沖基金回報與大市及其他經濟指標的關聯性（Correlation）等。

畢竟，掌握更多數據可以幫助我們獲得更多洞見（Insights），但以為每個洞見都必然有科學上論證的背後，卻令我們容易迷失，容易忽視了其他觀點，例如公司是如何管理？憑甚麼賺取利潤？為甚麼客戶喜歡其產品？