
HBR Staff / AndreyKrav / Getty Images
隨著演算法變得愈來愈聰明,華爾街誰會是贏家,誰又會是輸家?機器學習讓強大的演算法能夠分析大型資料集,以便針對所界定的目標來做預測。這些演算法能透過試誤而自行調整,隨著取得更多資料,使預測愈趨準確。然而,機器學習雖然能大幅強化投資決策,但本身仍有重大限制,嚴重削弱表面上可望達到的成效。
(不符合) 小於6段 & 小於700字 (段落: 1/ 字數: 561)
某些產業專家認為,機器學習將逆轉目前逐漸走向消極型(passive)投資基金的趨勢(編按:消極型投資指長期持股,不求短期獲利)。然而,機器學習雖然提供一些新工具,有助於積極型投資人的績效超越大盤,但目前仍不清楚,未來機器學習能否為積極型資產管理者提供可永續的商業模式。
讓我們先談正面的影響。
機器學習是人工智慧的一種形式,讓強大的演算法能夠分析大型資料集,以便針對所界定的目標來做預測。這些演算法並非確切地遵循人類用程式碼撰寫的指示,而是能夠透過嘗試錯誤的過程而自行調整,得以隨著取得更多資料,而產生愈來愈準確的規範式建議(prescription)。
機器學習特別適用於證券投資,因為它產生的見解能夠迅速且有效率地成為行動依據。相較之下,如果是在其他產業透過機器學習而得到新見解,公司必須先克服重大限制,才能讓見解化為行動。舉例來說,Google若是開發出一款以機器學習來推動的自動駕駛汽車,必須先得到一連串利害關係人的許可,才能讓這輛車正式上路。這些利害關係人包括聯邦政府法規監管機構、汽車保險業者,以及業者希望自駕車獲准上路...
已經是會員?立即登入
閱讀完本模組的文章/個案後
我們建議您思考下列問題
Q.
什麼是數位轉型的真實意義?
Q.
你是否已盤點組織數字化、數位化與數位轉型的目標與能耐。
Q.
如何運用企業智慧決策分析學找出組織明確的發展盲點與機會點?
Q.
如何培養組織與時俱進的頂尖員工?
Q.
如何擬定組織的數位轉型策略?
Q.
如何讓組織數位轉型策略落地?
Q.
如何制定推動「分析成性,公私兩利」組織文化的戰術?
Q.
什麼是「轉識成智」?如何協助組織轉識成智進而推動智慧決策?




