應用AI預測恒指恐續探底 2024年3月28日 呂梓毅
2024年3月28日
應用AI預測恒指恐續探底
自從2022年底ChatGTP面世後，一股人工智能（AI）熱潮席捲全球；在股票市場上，這股熱潮甚至演變成推動美股破頂的主要動力。始終，隨着運算能力大大提升，加上大型語言模型（LLMs）的出現，尤其Transformer架構（例如GPT）改變了自然語言（NLP）處理模式，使LLMs能夠更有效理解和生成文字（即生成AI基礎），令AI應用層面更為廣泛和全面，加快朝向通用人工智能（Artificial General Intelligence, AGI）發展。不少分析認為，AI已是一項革命性發展，將顛覆整個世界，令人類未來生活模式徹底改變。
至於AI應用在金融行業，尤其對資產價格走勢預測方面，成效又如何呢？若透過個別AI模型預測，對今年恒指走勢又有何「見解」呢？
AI在金融領域上，很早已有着不同程度的應用（隨着運算能力提升，近年的應用層面則更普及和廣泛），其中較常見或重要的應用層面包括：
（1）利用監督和無監督機器學習演算法（supervised and unsupervised machine learning algorithms）、集成演算法（ensemble algorithms），甚至深度學習（deep learning, DL）演算方法等模型，對資產價格或金融市場走勢作出預測；
（2）透過NLP演算法或字典法（Lexicon-Based Method）等模型，量度市場或投資者景氣（sentiment）變化，例如筆者於本欄曾透過新聞大數據，編製的「香港樓市景氣指數」，便是屬於類似的應用例子；
（3）從機器學習（machine learning, ML）等模型，解決分類（classification）問題。例如，貸款和信用卡申請審批等；
（4）透過使用AI技術，為投資者優化投資組合資產配置（portfolio optimization）；
（5）利用LLMs及生成AI等總結和分析企業財務報表等。
純粹概念的釐清，在進一步探討個別機器學習和深度學習模型對港股後市分析或預測之前，或者先就AI、ML、DL的定義和區別略加闡釋。
AI是一個更廣泛的概念，泛指使機器能模仿人類智能和行為的技術。至於ML，則是一種AI應用方法，它使用演算法分析數據、學習數據，並根據學到的知識做出選擇。而DL則是ML的分支，它使用多層神經網絡（neural networks）創建一個可學習和自行作出決定的模型。
換言之，所有的ML都是AI（或所有DL都是ML和AI）。而下文討論的便是使用不同演算方法，分析或學習不同數據（註：數據可以是自身股價或股價衍生的技術走勢指標，例如移動平均線，甚至其他另類非股價數據，如經濟指標等基本面數據），就走勢預測建立不同ML或DL模型的應用範例供參考。
透過人工智能預測股票價格或指數走勢，其實可有頗多不同的演算法和模型供選擇【圖1】（註：該流程圖來自一篇分析文章列出的部分演算法分類）。值得留意的是，部分演算法可能是大家「見慣見熟」的數學模型，如線性迴歸分析（Linear Regression）和ARIMA模型等，可見股市預測ML模型，某程度亦是數據或統計模型的延伸。
筆者就恒指由2018年1月29日33484點歷史高位至今走勢通過個別AI演算法，得出以下分析結果供參考。
一、XGBoost（eXtreme Gradient Boosting）模型
這是一種頗流行且亦有效的集成學習演算方法，往往可以達到甚高預測準確度。具體而言，XGBoost屬於梯級提升算法（gradient boosting algorithms）的一種，通過組合多個個體模型，尤其決策樹（Decision Tree），試圖糾正模型的錯誤，逐步優化最後模型的預測能力。由於其多功能性和高準確度，使其成為各種機器學習任務中的熱門選擇。
推測按月表現準確度高
測試方面，筆者把恒指由紀錄高位至今合共約1500個交易日數據，以80︰20界分，八成用作模型訓練，兩成作為模型預測的評核（與實質數據表現比較）。目標是要透過過去兩個交易日恒指的20個交易日變化（約1個月；下稱「按月表現」），預測恒指今天的按月表現。從XGBoost預測結果可見，跟實質恒指按月表現差距不大【圖2】。事實上，預測與實質數字同步率（Hit Ratio；即估中恒指按月表現升或跌），達86.9%；若然計算模型均方根誤差（RMSE）約為2.5，相當於R2約0.99極高水平，足見準繩度極高。
二、Linear Regression（線性迴歸）模型
相信讀者對線性迴歸不會太陌生（本欄間中亦有利用相關模型分析走勢），EJFQ系統內的TrendWatch通道，背後運算原理便是建基於迴歸分析工具。自2018年初至今，恒指大部分時間（95%以上）便沿着迴歸線加減兩個標準差對數通道內運行；縱使曾出現一些極端情況，例如2022年9月至10月期間，惟時間往往都不會太長。今年初恒指低見14794點，剛巧稍稍低於對數通道減兩個標準差底線位置亦很快找到支持，並出現一輪（超賣）反彈【圖3】。
無論如何，隨着對數通道逐步向下伸延發展，現時通道底線已回到14700點左右（今年第四季更將回到接近14000點），純粹從技術走勢角度看，恒指尚未擺脫這個通道範圍前，後市繼續反覆探底機會依然較高；今年再次回測早前兩隻熊腳位置（即14597點和14794點；屆時低位還在對數通道範圍內），機會亦不容抹殺。
三、FB-Prophet模型
筆者曾介紹如何透過這個AI模型，捕捉股市或個股周期特性（詳見2023年7月13日本欄）。FB-Prophet是一個由Facebook（現在已易名為Meta Platform Inc.）開發、用作預測時間序列數據的模型。簡言之，FB-Prophet是一個建基於加法模型（additive model），將時間序列拆解為趨勢、季節性和假期效應的組合，再通過最小化目標函數中的損失函數（loss function）來優化參數的機器學習模型（有興趣讀者可瀏覽https://facebook.github.io/prophet/docs/quick_start.html，了解有關模型的結構等詳情）。
隨時下試14000點
筆者把恒指由紀錄高位至今一段走勢放入該模型分析，推測恒指短期還有小幅度的上升空間【圖4】，但踏入下半年後，尤其周期表現明顯較弱的8月至10月期間將再度探底，並且跌穿今年1月22日低位14794點及2022年10月31日低位14597點，下試14000點水平。
總括而言，隨着晶片運算能力不斷上升，加上生成AI的出現，令AI使用變得愈來愈普及。其中不少研究精力放於金融資產價格走勢預測上，坊間亦開發了不同演算法模型預測走勢。透過XGBoost預測恒指按月變化成績十分突出，命中率高達八成六。此外，純粹藉線性迴歸和FB-Prophet模型剖析顯示，今年下半年恒指有繼續下探低位機會，甚至跌穿2022年底和今年初的兩個15000點以下的低位。
信報投資分析研究部
Comments
Post a Comment