生成式AI來襲 貝萊德利用人機合作打造量化平台

貝萊德的系統化團隊已發展出三大技術支柱，包括自然語言處理（NLP）、進階機器學習與大型語言模型。這些技術讓分析規模突破人力限制，提供「橫跨語言、地區與市場的全方位洞察力」。
舉例而言，貝萊德每日接收多達6,500份券商報告，來自全球2,100間機構、超過47種語言。
透過自研語言模型，團隊能夠「處理與分析這些繁複文件，抽取正面或負面的情緒訊號，並評估可能對企業前景造成的影響。」
「我們有超過1,000個投資訊號，每一個都代表一個具備預測能力的投資想法。」Kruger說。這些訊號主要分為三類：基本面、情緒面與宏觀主題，例如企業營收預測、管理層在財報會議中的情緒傾向、政策或貿易環境變化對產業的潛在影響。

例如，貝萊德會追蹤消費品牌在社交媒體上的口碑表現、官網流量與產品評分，再結合內部模型來預測未來銷售成績。
亦會利用自然語言處理工具閱讀財報電話會議的逐字稿，判斷管理層對業務前景是保守還是樂觀。

讀懂亞太市場

另一種常被引用的「另類數據」是員工情緒。「如果我可以衡量員工對公司與CEO的看法，那將有助於預測公司未來表現。」
Kruger表示，數據顯示擁有正向員工文化的企業，通常在財務表現上亦優於同儕。
以日本為例，Kruger表示，很多日文報告都來自本地券商，AI系統能讀懂這些資訊，毋須依賴翻譯。
在中國則因零售投資者比例較高，論壇與社交平台的評論反而更能反映投資情緒。「散戶在表達看法時往往更坦白，而分析師則較為保守或專業。」

Kruger補充：「我們可以分析主流與非主流媒體、論壇、甚至散戶的言論，再與專業分析師觀點作對照，從中提取不同維度的市場情緒，這正是系統化投資的優勢所在。」

首隻中性策略基金

在這套系統化框架之上，貝萊德亦開始將其應用於零售市場，於6月在香港正式推出「貝萊德策略基金─系統分析亞太股票絕對回報基金」（Systematic Asia-Pacific Equity Absolute Return Fund），為本港首隻向零售投資者開放的亞太市場中性策略基金。
Kruger回憶，三年前他初到亞洲時，這套策略仍是貝萊德「內部的最佳秘密」，當時尚未向亞太投資者廣泛推廣。

該基金採取市場中性策略，可同時做多與做空股票，透過「低相關性、低波動性與穩定回報」，有助平衡傳統投資組合風險。
「我們模擬了，若把60/40組合中的15%，配置至這類策略，結果是回報上升；風險下降。」Kruger表示。
目前基金涵蓋亞太區14個市場，包括日本、台灣、南韓、澳洲、中國（A股與H股）及部分新興市場，他提及其中風險集中最多的國家是日本，因為其股票數量與流動性最高。
基金每週進行再平衡，基金平均同時持有約1,000隻長倉及1,000隻短倉股票，以分散風險。
Kruger透露：「這種廣度只有系統化投資才能處理，一般基本面投資者，不可能每天分析4,500家公司。」

人為監督仍是必需

面對市場上對AI的疑慮，Kruger回應：「我們有嚴謹的監督機制，這也是為何人類在我們投資流程中仍然非常關鍵。」
他提及，系統化策略不是把投資交給機器，而是在每一個流程中，都保有人類投資專業的監督與參與。
「我們的觀點是，AI是用來放大和改善人類決策的工具，而不是交出控制權。」
他提到，基金由三位資深基金經理管理，他們負責審核所有模型輸入與策略執行，確保輸入策略是合理的，而不是讓機器自動執行沒有監管的決策。
此外，團隊每年分析超過100個新數據集，並撰寫長達30至50頁的研究報告，交由同領域專家反覆審查，從資料來源、統計模型到預測邏輯都需經得起質疑。

下一代投資

展望未來，Kruger相信，在這個AI時代，系統化投資正在成長，現已在投資組合中佔據愈來愈多的比重，是下一代的投資方式。
「我們希望在任何市場方向下都能創造正回報，具備如債券般的波動性，並與股票、債券或多元資產配置保有低相關性，這樣投資者能更有信心地將基金納入組合中。」Kruger說。