無人車大熱 遺憾香港無寶可尋

【達人專欄】盧志威

彭博有篇報道,講述有研究機構指人工智能(AI)可以令新加坡未來18年的平均國內生產總值(GDP)增長,由3.2%提升至5.4%,相當於2150億美元的增值,升幅甚至比美國更高。人工智能的作用是幫助人類節省時間,令工作更有效率,把精神放在創造力,同時解決人口老化、勞動力不足的問題。

其中一點是發展無人駕駛巴士,中國、英國、澳洲和台灣已率先試行小型無人駕駛巴士,如果將行車路線固定在高速公路、風景區等範圍,速度比傳統汽車放慢,將令市場更容易接受。

有研究報告認為,無人車在2020年可以商業化,再過5年會成為一大產業,因為無人車技術對離合器、發動機等傳統技術沒太多要求,故此日本、德國車企如不革新,將在無人車領域被新興公司取代,反轉來說亦是尋找高增長公司投資的吉時。

港缺人才先天不足
香港雖然有創科局,不過創新科技的結局已注定,致命傷當然是土地不足令樓價高,難以找土地發展。

另外創科人才也嚴重不足,這種情況也是正常,所有人為了買樓、供樓不惜一切,如果真的有舊錢在手都早已去買樓,哪有餘暇用幾年時間,零收入甚至要揼老本去博,所以先天上已不足。

更重要的是,創科局的思維尚在討論應否進入「共享經濟」時代,例如無人知道何時Uber才會合法化,所謂的平衡業界利益,都是因為各種交通工具的既得利益者、牌主擔心投資、生計受影響,令各種勢力發功影響政府,希望保住利益。

以Uber為例,封殺最有殺傷力的「拼車」(香港叫泥鯭的)功能,從美國的經驗確實令的士保留生存空間,因為拼車可能令車費跌一半,而不實行共享經濟帶來的代價是資源運用低效、道路擠塞、空氣變差,都可以入晒創科局數。

尋寶可在深圳A股
香港的法制未能配合共享經濟,外國甚至連內地最近都在投資「人工智能」、「無人科技」,其中無人汽車應該是人工智能類別,最早實行商業化的大產業,百度試行無人車的反應甚佳,多家大型科技巨頭如微軟、英特爾也願意參與投資、提供技術,之後開發的速度可能靠近Google,兩間公司如果真的在無人汽車佔一席位,潛力可以很驚人。

港股方面無人車概念選擇甚少,除了鏡頭可算受惠之外,很難再找類似概念,換着筆者是創科公司老闆,也不想在香港上市,因為在這個獨角獸企業橫行的年代,真正的好公司不怕集資難,最怕技術和生意模式落伍,香港輸在產業鏈配套不足。

上市後散戶投資者的問題永遠是「XX升穿300蚊仲追唔追?」基金則只顧追短線表現,法制又僵化,對於真心想做生意,而非炒高股價圈錢的企業毫不吸引。如果想尋寶,一是去美國買名牌公司,風險胃納更高的可以考慮深圳A股,某些技術可能比美國走得更前。

筆者客戶持有Google母公司Alphabet及百度
作者為烏托邦資產管理合夥人
信報

AI 會自行進化?與Sentient 創辦人的一席話

【達人專欄】林天程

一連三日的科技界盛會RISE Conference 上週在灣仔會展舉行,今年的嘉賓講者包括美國連續創業人Gary Vaynerchuk、4月剛在Nasdaq 上市的Cloudera 創辦人Amr Awadallah,誠哥投資旗艦Horizon Ventures 也投資的公司,包括正籌備在港IPO 的遊戲公司Razer 創辦人陳偉民、和人工智能公司Sentient 創辦人兼主席Antoine Blondeau 等,當然還有很多業界猛人,未能一一盡錄。

Antoine Blondeau 的演說深入淺出,說明人工智能並非只有大數據,也不單純為了進行預測,而是有效決策的工具。他又談到 evolving AI - 由AI 生成新的演算法(algorithms),就像生物學的進化論般,演算法會自行學習和成長,並建構新的演算法。人工智能研究向來需要極多科研人才,人力和時間成本不菲,evolving AI 可以不受此限持續發展。根據研究部副總裁Risto Miikkulainen 早前的訪問,演算法部門的研究團隊只有12人!

筆者有幸和Antoine 進行訪談,他除了介紹Sentient 人工智能的商業應用,更詳細講解背後的技術概念,令人眼界大開。Sentient 的AI 應用主要有三方面:股票交易、電子商務、和農業研究。Antoine 解說人工智能應用時,尤其是多維度的特質(high dimensionality),曾以高頻交易作比喻,指其決定性資訊主要是order books (即各大行的落單狀況,以求搶先買賣賺取差價),其它資訊對高頻交易成敗的影響相對低,所以屬於低維度性質,不需要人工智能處理或發掘各種因素的關連系數。Sentient 的AI基金買賣美股和日股,交易週期以日和週計算,基本上只long 不short。由於基金計劃於下半年公開讓機構投資者認購,估計籌集幾億至幾十億美元,為附合相關銷售條例,Antoine 現階段不能披露回報率。

Sentient 去年9月推出兩個電子商務應用工具,第一個是針對網頁設計的Ascend。現時大部份網站設計都是static,即每名用戶看見相同的版面。懂得本土化的公司,或會為不同國家推出當地版本,但總的而言網頁設計和內容排列都一式一樣。據筆者所知,現時的網站設計測試大多沿用A/B test。Ascend 卻可以將網頁的所有細節,包括顏色、字體、內容、圖像和文字大小等自由搭配,並生成數百數千甚至數十萬種組合,再測試哪個版本能達致最佳效果 - 例如用戶瀏覽時間最長、購買鍵獲最多點擊等。高端女性內衣品牌 Cosabella 和網上媒體 ABUV Media 使用Ascend 生成160個和38萬個版本測試,網站轉換率(conversion rate)於七至八星期後分別提升了38% 和45%。這是很驚人的成效吧! 據知Ascend 的最低和最佳網站轉換率紀錄是6% 和 +500%,成效高低取決於容許調節的特質數量、原有網站設計質素,以及測試期的長短。一般而言,可調節的特質數量越多,效果越佳。

第二個工具是以用戶喜好作產品推介的 Aware。 現時大部份網站的產品推介,要麼根據用戶點擊歷史(例如Amazon 會傳電郵推介筆者曾瀏覽卻未購買的書),要麼參考曾購買相同產品用戶的其它購物記錄(cohort recommendations) ,結果整個產品目錄只有約20% 被用戶瀏覽。Aware 則嘗試學習實體店舖銷售員的觸覺 - 在不知道用戶歷史點擊和社交圏的情況下,「觀察」 用戶點擊的產品,然後在整個目錄中搜尋具備相似特質的產品。一般只需要二至五個互動,就能知道用戶的喜好。而且因為搜尋度較廣(產品目錄的100%),找到合心水產品的機率亦相應提高。已使用Aware 的電商包括Skechers (NYSE:SKX) 和 Sunglass Hut (其母公司為Luxottica Group SpA,OTCMKTS:LUXTY)。據 Antoine 透露,至今運用Aware 的電商,轉換率都提升約35% 至40%。

至於AI 的農業應用,Sentient 和MIT Media Lab 合作,研究在可調控光線、氣溫、濕度、水壓等各種因素的環境下,如何生長更優質的植物。首個測試的植物是羅勒(Basil)。傳統智慧是葉子大,香味會降低。若要香味濃,葉子必定小。而人類過往的知識經驗,是植物生長時每天都有8-12小時的黑夜,卻原來讓植物24小時都處於光線下會生長更佳。植物成長的「公式」是一個黑盒,Sentient 和MIT Media Lab 嘗試運用AI 測試並從中找出最佳配方。該研究只進行了六個月,暫時仍屬初階段,未來會以更多植物作實驗。

上述幾種的人工智能應用,令筆者驚嘆科技的進步。據Antoine 所言,evolving AI 的入行門欖極高,包括需要搭建巨型網絡、自動分流大數據、和處理數據流失的方案等,現時具備這種能力的科網企業只有寥寥數間如Google 和Amazon。而Sentient 早於十年前已開始研發evolving AI,技術領先同行。個半小時的訪談,筆者獲益良多,不論對系統交易、人工智能、未來產業等都有很大啟發。篇幅所限,未能全部列出,將來有機會再與讀者分享更多所見所聞。

此文同見於《信報》的《價值投資》專欄
Facebook 專頁:www.facebook.com/trendalysis
個人博客:http://trendalysis.blogspot.hk

獅子銀行用AI 反洗錢

【達人專欄】林天程

友人米奇早前大大讚賞獅子銀行。事緣他收到該行電話查詢某宗信用卡交易,而那宗交易並非友人簽署的,估計信用卡已被盜用。米奇讚賞銀行每日幾千萬宗交易,都注意到兼且反應快,客戶零損失。未知讀者有否類似經驗?

除了個人信用卡消費、存款往來大幅波動等,銀行一直有團隊專責發掘和調查洗錢(money laundering) 的可疑活動。匯豐銀行早前和 Ayasdi 進行12星期的試點方案,運用人工智能和大數據進行分析,令可疑的調查個案總數大幅下降兩成,但匯報要求人類作深入調查的洗錢個案卻沒有下降。結果顯示科技將為匯豐節省大量的人力資源!6月初匯豐公佈和 Ayasdi 合作,令杜絕洗錢活動的調查更有效率。

Ayasdi 是來自矽谷的人工智能初創企業,由2008年成立至今融資了七次合共1.06億美元。共同創辦人兼CEO Gurjeet Singh 是史丹佛大學計算機數學博士,去年10月開始成為匯豐銀行技術顧問董事會員。上週三企業推出專注分析金融服務業數據的 Ayasdi Model Accelerator,目標是減低現時模型中的特質(features)和可變數(variables),令建立和運行模型時的透明度和效率更高。

筆者近來嘗試多閱讀人工智能相關文章,但由於沒技術背景,整體理念始終不容易拿捏。維基百科顯示Ayasdi 是機械智能軟件公司,分析大數據並建立具預測性的模型。Ayasdi 致力大規模的無預設條件自動分析,透過大量的監督(supervised)和非監督(unsupervised) 機器學習演算法,自動找出並排列相關數據,然後以網絡般的地圖顯示結果,幫助分析人員用新方式分類和檢視關連系數。

機器學習除了監督式和非監督學習,還有強化學習(reinforcement learning),即透過獎賞機制讓機器懂得辨別較好的選擇,現時的最佳例子是 AlphaGo。監督學習需要大量數據,而強化學習需要的數據量相對少很多,但始終未能像人類般不經歷都可以學懂。例如不衝紅燈過馬路,人類聽過一次就知道,不需要親身試過。但若以監督學習訓練機器,就需要大量的交通意外數據才能學會避開車輛。至於強化學習,則可能要在學習過程中撞幾千次車,機器才會學懂。

據聞現時非監督學習的應用不廣泛,實質例子少。Ayasdi 同時運用監督和非監督學習分析數據,並套用在不同行業(包括醫療、交易策略、疾病研究、資訊安全,金融服務等),確實是「超級智能」。希望在一年一度的科技界盛事RISE Conference,有機會向Gurjeet Singh 了解更多。

此文同見於《信報》的《價值投資》專欄
Facebook 專頁:www.facebook.com/trendalysis
個人博客:http://trendalysis.blogspot.hk

做功課藐嘴天然呆 本地初創 AI 助學習

【達人專欄】林天程

近來一股人工智能熱,尤其是AlphaGo 贏了中國棋王柯潔後,讓人更了解AI 的力量。DeepMind 宣佈AlphaGo 從圍棋戰場退役,未來會將技術應用在其它範疇。

AI 聽就聽得多,但真正使用於產品和服務的企業,為數有限。香港有否應用AI 的公司?

去年12月,友人介紹了一間本地初創企業Find Solution AI,產品是數學練習app,特點是運用AI 辨識用戶表情,並追蹤眼球活動,然後連同答題時間和答案一併分析,了解用戶做不同類別數學題時的狀況,最大好處是實時辨識而且成本低。其實,此應用程式的原型是針對患有自閉症或注意力不足過動症兒童的學習需要。由於孩子的表達能力有差異,運用AI 分析表情和眼球活動,能讓老師迅速了解學童的需要。

創辦人Viola 利用AI 技術主攻教育,源於切身需要。她的兒子患有自閉症,本身又經營補習社,所以十分明白老師的工作,以及人力的限制。而能否及時察覺學生需要再因材施教,對學習成效起關鍵作用。Find Solution AI 的歷史不長,但實際戰績不俗。學生使用後3個月,數學成績能晉升一級。而2015年 Viola 在來自68國家的創業家中脫穎而出,獲得青年企業家獎。近日又在初創匯主辦的第三屆創投融資路演大賽中,成為十大最具投資項目。

筆者曾試玩該數學app,分析結果蠻詳盡的 - 會顯示用戶做每一題練習的情緒。以往老師要觀察數十甚至過百名學生的學習進度,委實不容易。現在透過Find Solution AI 的實時表情和數據分析,老師能迅速掌握每名學生於不同範疇的進度,大大提升教學效果。據知公司已為技術註冊專利,更已和數間學校簽約,以月費形式為學生提供練習。香港之外,機構亦放眼中國,估計2019年將有10萬名內地用戶。

企業現正作A 輪融資,目標是集資200萬美元作日常營運、軟件開發,以及和醫學院合作研究的項目經費。現時識別學習障礙兒童,需要成人察覺異樣後,再主動尋求專業意見做問卷。而和醫學院合作的研究項目,是透過日常的數學練習,以AI分析表情和眼神,再對比數據庫資料,識別懷疑有學習障礙人士。假若研發成功,醫療診斷成本將大幅下降90%,並顯著縮短診斷時間。

AI 和數據相輔相成。Find Solution AI 指至今約有90,000 人使用過產品。雖然 9萬距離大數據仍遠,但只要未來用戶越來越多,分析準繩度會隨之提升。建立和儲存數據需要時間,估計這類科技業務會有先行者優勢。

教育範疇之外,筆者從友人口中得知一間本地對沖基金Aidyia,運用人工智能投資買賣,可惜未知基金自2011年成立後至今的回報率。未來大概是AI 的世界。讀者若知道更多本地AI 公司,希望能來函告知。

此文同見於《信報》的《價值投資》專欄
Facebook 專頁:www.facebook.com/trendalysis
個人博客:http://trendalysis.blogspot.hk

人工智能殺到 「我們」如何自保

【達人專欄】盧志威

人工智能(AI)實在太火熱,最近各大科網巨頭,紛紛加大投資在相關項目,亦令筆者不禁細想,究竟十年之後的AI,可以發展到什麼程度?又有多少人類從事的工作會被取代。

投資買的是未來,人工智慧是值得投資的項目,問題是所謂的「舊經濟」,在這個浪潮中會受到多少衝擊,以往香港有所謂「發三師」──醫師、律師、會計師的說法,而這三師正正在AI浪潮中受到直接衝擊,雖然高級三師的能力,難以用數據、程式量化,但基本功如睇文件、測量身體基本狀況、入數對數,都是可以量化,做得更快更準,在未來幾年,初級三師的實際需求將大大減少。

「初級三師」需求或大減
部分專業技術,可以通過發展「特定市場」(niche market)的方式成為護城河,馬雲也說過人工智能可能被過分吹捧,人類不要愚蠢到跟機器比力氣、跑得快、計算得更快更準確,這些都沒機會得勝,機器永遠記得比你牢,永遠比你算得快,永遠不會生氣。

如果因為輸了圍棋就恐慌,那麼筆者可以用另外一個比喻,就是200多年前汽車面世,正式宣布機械跑得快過生物,當時就應當害怕,現在我們不會因為跑得慢過汽車而傷心,為何要對比輸圍棋傷心?

我們要開始預備,愈來愈多的事情是機械會做得比人好,而當中總有niche market是機械(暫時)難以步入,這個市場凹位就是生存空間。套用在投資市場,做deal就是機械比較難以進入的領域,一些特定、只此一家的產品,就算人工智能算得再盡,就是買不到,所以IPO、私募基金,對於AI的防衞性都較強。

增加長線投資也會是一個方法,交易次數愈多, 被人工智能抽水的機會愈大。根據長線觀點,如看好一個公司,買入後不動,其實可以任由AI炒來炒去,因為反正不是看幾個百分點,而是睇幾十個百分點,這個觀點不會因為AI的介入而產生改變,除非AI勁到連公司基本因素都扭轉,那就真的無話可說。

增加長線投資抗AI
為了研究人工智能,看了幾本科幻小說,經典之作當數I, Robot,其中一章被改編成電影《智能叛變》,講述AI已經可以高度發達,而人類用機械人三定律約束,包括(1)機械人不得傷害人類,或者不得置人類於危難中;(2)機械人必須服從人類的命令,除非與第一定律衝突;(3)機械人可以在不與第一、第二定律衝突情況下維護自身存在。

有用手機、電腦的朋友應當知道,無論設計多麼完善,千萬次實戰中總有bug(程式錯誤)的可能性,假如有一天,AI認為人類是愚蠢的存在,過度繁殖、消耗資源本身在慢性自殺,然後得出限制人類數目,或是把生存定義為《廿二世紀殺人網絡》般,把人養在培養糟中吊命,才是令人類族群得以延續的最有利選擇,相信它們會毫不猶豫執行這類「保護人類計劃」。

信報

再談人工智能和基金管理

【達人專欄】林天程

上週才說Elon Musk 認為人腦將比不上人工智能,創立了Neuralink 研究如何「人機合一」,提升人腦的效能。近日就看到不少關於人工智能取代人力的新聞。羅兵咸發表的研究報告,估計2030年美國有38%的工作,因為全自動化而面臨被消失的風險。黑石更宣佈將裁減超過40個主動型基金管理職位,並以人工智能程式取代。

程式交易這範疇向來非常神秘,現在連大眾媒體也報道甚至接觸得到,說明基金管理人工智能化何止已成趨勢,甚至已開始普及化!筆者認為這是大新聞,象徵進入新時代。友人具有超過12年量化交易經驗,卻指這並非新事物。

根據彭博報道,美國著名對沖基金經理Paul Tudor Jones (福布斯估計其財富超過470億美元) ,去年中裁減一成半員工,並開始以程式交易工具模擬公司最佳基金經理的管理。另一傳奇基金經理Steven Cohen,則嘗試用程式找出自己過往利潤最大的交易套路,希望電腦能複製策略。而全球規模最大的對沖基金Bridgewater 的創辦人Ray Dalio 則早已投資人工智能交易的技術,並且嘗試將自身的基金管理程序自動化。

科技對未來的影響既廣且深,投資人既然是「買將來」,不論有否相關背景,都需要了解最新技術的應用和發展。早前和《全民大數據》的車品覺兄聊及以色列之旅,他特別欣賞當地人了解自身優勢 - 軍事科技民用化,而且創新方向專注又獨特,幾大題目包括精準農業、安全領域和科技醫療(主打的兩大方向是遠程醫療和復康治療)。這些領域面對的都是全球市場。

過往以色列的科創企業主要招來美國投資者,壯大後在美國上市或被科網巨企收購。品覺兄此次到訪特拉維夫,卻發現當地的科創公司和政府推廣部門都著力引入中國和印度的風投基金。他認為單看這個轉變(由過往主力吸引美國風投,至現在招攬中國和印度風投),就已展示了以色列創業家的眼界,和對國際趨勢的認知。畢竟西方國家大多已發展成熟,未來具高增長潛力的市場是中國和印度,而引入兩國投資人將有利科創企業更早更快進入兩地市場。

以色列科創人懂得結合自身優勢和市場需求,兼且掌握國際趨勢脈搏,品覺兄認為這些都是香港科創界需要向他們學習的。

此文同見於《信報》的《價值投資》專欄
Facebook 專頁:www.facebook.com/trendalysis
個人博客:http://trendalysis.blogspot.hk/?view=classic

人機合一Neuralink

【達人專欄】林天程

前日面書被洗版的Breaking news,是Elon Musk 創立新公司 Neuralink,研發如何「結合」人腦和電腦,即植入晶片連結腦袋,提升人腦效能。這是大新聞,因為早就有「人工智能將勝過人腦,甚至倒過來統治人類」 的討論。Mark Zuckerberg, Bill Gates 和Obama 都曾推介全球暢銷書《人類大歷史》,作者 Yuval Noah Harari 在最新著作《人類大命運》中,大膽詳盡地分析未來:過去困擾人類的三大命題:饑荒、疫症、戰爭,不再是自然災害,而是人類手握能力技術可以解決的問題,那未來最關注是甚麼命題?隨著科技進步,人類不單追求長壽,甚至是長生不死,但只有手握財富和權力的人,會優先獲得該等技術研發的成果。現代人工智能的發展,是繼農業革命、工業革命、和互聯網革命後的第四次革命,要是錯過了這班列車,也許永遠都追趕不了。

人工智能除了可以24小時不眠不休地運作,更有指數式成長的自動學習功能。雖然人類的結構和學習能力,整體而言勝過電腦,幼小如嬰孩也可同時透過視覺、聽覺、觸覺等感官學習各式各樣的事物,但現代將每個工序越分越精細,各行各業講求專業化,電腦只需要在某個小範疇勝過人類就行了。例如藥劑師,美國有統計指人手配藥的出錯率很低,但機械人配藥的出錯率是零!由此路進,未來很多工種都會被智能機械人取代,大部份人會失業(正確點說是無工可做)。當大部份人無法與時代並進,未能貢獻社會,握有權力和財富的精英階層會如何對待他們呢?Harari 說透過觀察人類如何對待高等生物(其它動物),或可猜想一二。

Elon Musk 顯然了解人腦不能(數據)記憶量和運算速度,未來將追趕不上人工智能程式。他的構想是透過植入晶片,提升人腦的能力,以致不落後電腦。報道指Neuralink 還在非常早期的研發階段。過往的科幻故事,也許快將成為現實 - Harari 也在書中提到人類會創造新物種 - 結合機械和生命的新生命體(除了將晶片植入人體,也可以植入動物身體,甚至是實驗室培植的細胞。)

這似是天方夜譚?以Elon Musk 的往績看 - 由Paypal 到Tesla 電動車,甚至民用火箭Space X,他突破技術限制的能力毋庸置疑。Tesla 解決了電池壽命的問題,兼且內置無人駕駛程式,快過Google 和Uber 在真正公路推出應用。火箭技術向來是國家級的軍用技術,他用有限資金成功研發Space X 民用火箭並升空。這次Neuralink 即使是未成形最早期的研究,筆者相信Elon Musk 的團隊有辦法解決技術問題,距離成果日並不遙遠,應該是我們這一代能看到的事。

這和投資有何相關?當股神畢菲特都讚AirBnB,誠哥的Horizon Venture 也投資人工智能技術,長遠投資的眼光應該投放科技股,而不是銀行股地產股。香港上市的科技股數目有限,若真心放眼未來便嘗試在美國市場尋寶吧。近日看美國科網巨企的業績和價值,幾間巨頭公司如Facebook,Google,Amazon 等,最便宜的是Google。現時價格合理,似乎是不會買貴的選擇。

此文同見於《信報》的《價值投資》專欄
Facebook 專頁:www.facebook.com/trendalysis
個人博客:http://trendalysis.blogspot.hk

看Twitter 預測股市上落?

【達人專欄】林天程

美股日日創新高,看著道瓊斯指數,超越恆指似乎真的指日可待。本港股市升勢不及美股,但樓價節節上升,中原CCL 指數續創新高,估計不再是M 型而是真突破… 每天關於經濟股市樓價的資訊何其多,到底該如何過濾和分析資訊?木宰羊。湊熱鬧加把口,很多人告誡要提防美股超買兼泡沫,特朗普演說後或出現拋售,公眾不必盲目跟風。當市場仍有這類言論,代表大眾未瘋狂。

至於本地樓市,似乎有「不敗之身」,無人看跌兼且趕入場,就真的要小心。筆者並非看淡樓市,在低利率時代,買樓自住或投資收租,真的較租樓或手持現金保值划算。除了加入搶高價格的戰團,可嘗試細心物色市場上的筍盤,即位置佳(有未來配套發展計劃) 但交投未必活躍 (價格上落相對慢兼波動較細) ,呎價相比市價有折讓的樓盤。

近日《慧眼先機》專欄嘗試以數據分析特首選戰,當中包括計算特首參選人於選戰相關報道的人氣等。其實,大量採集媒體資訊,並加以分析的做法,早已應用在投資圈,外國有專門分析社交平台的金融訊息,再發掘投資機會或估算股價升跌的公司,學術圈亦有專門研究。

理工大學的陳振沖教授於3月中的人工智能和深度學習研討會,會分享如何分析Twitter 內容並預測股價上落。翻看議程,同場還有來自意大利、荷蘭和美國的學者,專注其它社交平台、新聞公告和文字分析,再對金融市場作預測。互聯網令收集市場資訊變得簡單快捷,似乎只要數據夠多,就能了解市場反應和去向。筆者不知道實質操作和應用的成功率,但程式交易之外,在大數據時代確實值得了解相關做法。因為只要有人根據這類分析作出交易,就代表市場走勢多少會受大數據分析的影響。另外,研討會還邀請了美國聯儲局高級經濟師 Nitish Sinha,講述透過宏觀經濟數據為藍籌股估值。美股越升越有,宏觀經濟指標真的可以說明現況? (讀者如對研討會有興趣,可參閱本欄Facebook 專頁。)

兩星期前本欄分析過發盈喜的珩灣科技(1523.HK),截至週一收市升幅超過一成。有讀者問及目標價,其實股價細,容易炒起和炒落,波動幅度會較大,不容易說出一個目標價。雖然選擇財務狀況較穩健的細價股,是不想鼓勵短炒,
但細價股有其週期性和特性。現時走勢看來平穩,未來的離場準則可考慮使用trailing stop。

此文同見於《信報》的《價值投資》專欄
Facebook 專頁:www.facebook.com/trendalysis
個人博客:http://trendalysis.blogspot.hk

人工智能殺到 科技股跑出

【達人專欄】盧志威

某國因為成功生產原子筆鋼頭,舉國歡騰;某國人工智能敗盡圍棋高手,低調處理,連記者會也不開,誰在做實業?

人工智能殺到 科技股跑出
2017有一個好開始,中美股市出閘跑出,其中又以科技股為最,在祖國為一年內成功生產原子筆鋼珠,舉國人民奔走相告,中國人終於可以不用入口日本和瑞士鋼材之時,同樣亦是只用一年時間AlphaGo 的進化版,Master在圍棋界取得60連勝後,並不是說原子筆跟圍棋有不同,但似乎投資者對於人工智能更加看好,所以大型科技股在低位持續回升。

人工智能的下一步,肯定是入侵生活的各個範疇,以往圍棋有所謂的大局觀,通過找出棋盤上的重點,來決定走棋的戰略,現時幾可肯定,人工智能的策略在決定「輕、重、緩、急」四方面比人類優秀,暫時仍然未知道Master的運算原理,不過相信圍棋以外的應用方式,很快會被發掘出來。

入侵生活各範疇
相信下一步最容易被入侵的領域,將是規則相對固定,現時尚需要大局觀的領域,例如會計師,如果發展到電腦掃描單據後,可以自動做好賬目、報稅,工作肯定會大幅減少;生物掃描如果變得更精準,可以快速斷症,看醫生可以不用排隊(當然打工仔射波、攞病假的難度會提升);今天的人工智能已懂得閱讀,經過人類調校後,可能會懂得看文件,到時候可化身智能法律顧問,種種現象,都在挑戰筆者小時候的價值觀「香港發三師」,說不定20年後,學習這些專業會很易失業。

至於投資界,下一個堡壘會是得州撲克,現時程式「仙王座」(Cephus)可以在「二人對決的有限注得州撲克比賽」中無敵,即是只能每次增加一個單位注碼,不能「晒冷」再加瑞士銀行本票,令嚇唬戰術失靈,所以在固定規則下,人工智能才可在得州撲克中穩性。

在現實世界裏,卻是另一個故事,得州撲克牌最引人入勝之處,是在於有時候需講大話,有時候卻又要說真話,除非人工智能可以做到完全生物掃描,否則在不能測謊的設定下,筆者認為單靠算牌,不能做到擊敗人類。

至於投資界,單純從歷史數據找機會的交易系統,20年前已經有對沖基金使用,大家至今仍然搵到食,證明金錢遊戲不是單靠「看倒後鏡開車」,就可以破解,原因是市場在變,如果找不出趨勢,多齊全的歷史數據也是無用。

反而社交媒體對我們的主宰更強,Facebook已經基本控制我們的newsfeed,有做創投的朋友指內地的股票報價、討論網會紀錄用戶瀏覽數據,然後推送新聞、交易建議,似乎想引誘用戶炒某類股,如果一時不察,可能買了莊家股而不自知,讀者們要多加小心。

筆者的防範方法,是交易用一部智能手機,看新聞則用另一部,重要的事情不要用通訊軟件談,自己做好風險管理,避免資料外洩,由於上網討論實在太不安全,難怪暗網(Deep Web)、比特幣等匿名互聯網應用方式會大行其道,實在是為勢所迫,不得不學。

本人客戶持有Facebook

親睹Machine Learning 辨別靚仔靚女

【達人專欄】林天程

過去兩星期,恆指每天都錄得升幅(除了上週三),成交額大概500多至600多億元。而本欄曾提及過的價值投資型股票中,最奪目算是大昌集團(0088.HK)。股價除了創1年新高,更創了3年新高。大昌集團是本地的小型地產商,亦有投資美國的地產業務。以往分析該股,優點包括資產價值大折讓、債務很低、現金流充裕、預期收入不俗,而且股息穩健。缺點是股價波動小兼且交投不活躍,但過去幾天價量齊升,值得投資者注意。詳細分析以及公司估值,可參考舊文,在此不贅,免得被指呃字數。

昨日車品覺兄在《全民大數據》專欄,展望今年的科技發展趨勢時提到:「人工智能與大數據的巨輪將繼續全速前進」。而上星期其中一宗大新聞,是贏遍國際棋手的Master 自揭身份為AlphaGo 升級版。Master 的圍棋對奕結果除令人驚嘆,亦再次掀起廣泛的人工智能技術討論。

其實坊間對「人工智能」至今未有一致的定義,若硬要區分則可嘗試用四個層次觀之。第一級是加裝了控制程式的家電用品,所謂的「內置人工智能」等字眼只是gimmick,實則是系統工學。第二級是典型的人工智能,程式系統的行動模式變化多端。這級別的人工智能可以理解input 和 output 的關係並產生大量組合,實際應用包括醫學診斷。第三級的人工智能,則包含了機器學習程式,系統會根據大數據找出input 和output 的關連,就如模式辨認(pattern recognition),然後自行作出判斷。而近來媒體經常提及人工智能,多數屬於這級別。第四級的人工智能則是加入深度學習,即整個過程中有很多的變數和組合。

人工智能(artificial intelligent)、機器學習(machine learning)和深度學習(deep mind) 都是近來的熱爆詞彙,看到就覺得複雜和技術含量極高。上週筆者參與一個程式員聚會,其中一位講者Andy 即席演示如何使用神經網絡(neural network) 鑑別相中人是男或女。他說坊間有多種相關的開源軟件,讓程式員直接使用,包括Google 的Tensorflow。又笑指深度學習只是多加幾層(layer),增加變數,然後隨即在螢幕上將 code 連貼幾次,令系統更"deep"。然後將預先準備好的1300+ 人類大頭照片輸入,再執行開源碼,系統即多次嘗試分析。一般而言,幾次之後會找到更佳的組合,提升辨認男女的機率。數分鐘就運行完畢,Andy 再輸入10多張照片讓系統辨認,程式根據剛才的學習結果分析,並估算相中人是女性和男性的機率。當晚系統表現不俗,能正確辨認大部分相中男女的性別。這次的即席示範,讓筆者感到機器學習和深度學習技術,並非那麼高深莫測(至少當日的codes 都大致看得懂)。雖然開源碼背後的理論和技術極高階,但就如使用智能電話或搭飛機未必會理解其運作原理,普羅大眾應用AI 和機器學習軟件時,也不需要完全理解背後邏輯。現在是大數據時代,而大數據和人工智能相輔相承。只要數據量夠大,系統記憶體夠多,而且運算速度快,就可應用人工智能技術。

筆者要真正了解人工智能,顯然有極大段距離。套用不同程式員的簡潔解畫,這是本體論(ontology)-將不同數據(包括文字和句子)切割,並以數字表達。而各種數據間的關係,則以數學的多度空間顯示,然後形成龐大的神經網絡…

寫了咁多,整篇文就似「不懂扮懂」的介紹文,兼且和投資扯不上關係。其實,筆者想說明並非只有大公司或研究所,才會探討和開發人工智能和機器學習。既然有開源軟件,任何人只要懂得寫程式,就可以輸入數據測試效果。而當晚有程式員提到股票分析是機器學習的熱門課題。以前市場由人類行為組成,現時已加添了很多程式活動,而未來只會越來越多機器行為,並且以指數式增長。未來的金融市場,不論趨勢策略或經濟循環,都不能和過往相提並論。

此文同見於《信報》的《價值投資》專欄
Facebook 專頁:www.facebook.com/trendalysis
個人博客:http://trendalysis.blogspot.hk