50 1 投資市場萬變 ［本文摘要］：有金融研究指出，與公司特徵相關的變量，如規模、價值和動 量，可以預測國際股票收益。此外，全球股票市場部分整合，但並非完全整 合，意味各國股市雖然會受到共同因素或同類公司特徵的影響，股價出現一定 程度的同步性，但不同公司特徵的預測能力也會因市場而異。 作者將美國數據與國際其他市場的股票數據混合（以美國數據為主），運用這 個龐大且混合的數據庫，去訓練單一的一個神經網絡模型。另一方面，作者再 為每個單一的國家市場，並利用這些專屬於該市場的數據，來訓練一個獨一性 的神經網絡模型。 研究結果顯示，市場特定訓練至關重要。相較於使用美國數據訓練的全局模 型，在各市場單獨訓練的神經網絡模型，能夠獲得更優異的結果。此外，神經 網絡在預測股票收益排名和構建盈利投資組合方面，均優於線性模型。不過， 當觀測樣本數量較少時，回歸樹模型表現反而不及簡單線性模型。 人工智能（AI）技術發展和應用方興未艾，「AI 投資」—使用人工智能技術，如機器 學習、深度學習、自然語言處理來分析大量的市場數據、預測市場趨勢和股票表現，發 掘投資機會等，近年愈來愈受到重視和實踐。筆者聯同香港中文大學金融學系江文熙教 授，以及香港科技大學（廣州）張超教授，攜手探討機器學習模型在國際股票市場預測 中的應用效果；運用機器學習技術，根據公司的特徵預測國際股票收益。 金融學者，如法瑪（Eugene Fama）及弗倫奇（Kenneth French）的研究指出，與公司 特徵相關的變量，例如規模、價值和動量，可以預測國際股票收益。此外，國際金融文 獻也發現，全球股票市場部分整合，但並非完全整合，意味各國股市雖然會受到共同因 素或同類公司特徵的影響，股價出現一定程度的同步性，但同時也保有個別市場獨特的 本地因素所帶來的差異。扼言之，不同公司特徵的預測能力因市場而異。 運用兩個模型作預測比較 大多數利用機器學習研究股票收益與公司層級變數之間關係的研究，都集中在美國。我 們將美國數據與國際其他市場的股票數據混合（以美國數據為主），運用這個龐大且混 合的數據庫，去訓練單一的一個神經網絡模型。 機器學習有效預測國際股票收益 蔡達銘
RkJQdWJsaXNoZXIy NDk5Njg=