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