投資時，AI不如人類之處(AI and Investing)
(想瞭解如何以資產配置的方式，針對個人投資目標與風險忍受度，建構與執行資產累積階段的投資組合，長期參與市場。不僅可達成財務目標，也不會帶來自己所無法接受的短期嚴重下跌，歡迎參加”資產配置戰略總覽”)
(想對美國ETF有系統性的瞭解，瞭解其運作原理、投資策略，與挑選ETF時比較的重點，買賣應注意事項，學會自行查詢英文網站的重要相關資訊，歡迎參加ETF關鍵報告)
(想要瞭解退休階段如何以總報酬帶來退休所需的現金流。而且生活費可跟上通膨，維持生活水準。單靠配息來支應生活費會有怎樣的風險。同時瞭解遇到負面狀況要做出怎樣的調整。歡迎參加”從資產到現金流—退休資產管理”)
(本部落格文章，未經作者同意，禁止轉載)
Google 推出Gemini 3後，我也訂閱並使用。
譬如我輸入”What is the total return of S&P 500 from Jan 1 2015 to Dec 31 2024?”
會得到以下文字與表格:
The total return of the S&P 500 (with dividends reinvested) from January 1, 2015, to December 31, 2024, was approximately 242.6%.
This corresponds to an annualized return (CAGR) of roughly 13.1% over the 10-year period.
Annual Breakdown (2015–2024)
|
Year |
Total Return |
Growth of $10,000 |
|
2015 |
+1.38% |
$10,138 |
|
2016 |
+11.96% |
$11,351 |
|
2017 |
+21.83% |
$13,828 |
|
2018 |
-4.38% |
$13,222 |
|
2019 |
+31.49% |
$17,386 |
|
2020 |
+18.40% |
$20,585 |
|
2021 |
+28.71% |
$26,495 |
|
2022 |
-18.11% |
$21,697 |
|
2023 |
+26.29% |
$27,401 |
|
20241 |
+25.02%2 |
$34,2573 |
還可以看到其資訊來源:
看來真是可靠、詳實又切入要點，
但當我詢問其它問題時，人工智慧的表現就有一些可以改進的地方。
譬如我問”指數化投資:概念與實踐”，會得到如下圖的說明:
這是早期關於指數化投資的論點。最有名的代表性論述就是投資名著”漫步華爾街”(A Random Walk Down Wall Street)。
我一開始也以為這是指數化投資的根本。但以此為根基，關於市場到底有什麼程度的效率，反而成為是否該採用指數化投資的關鍵問題。
後來我看到柏格先生講 Cost Matters Hypothesis ，”成本很重要假說”。柏格先生還是刻意為了與效率市場假說(Efficient Market Hypothesis)並陳與對比，才用假說一詞。投資時，成本很重要，是真理，不是假說。
諾貝爾經濟學獎得主，William Sharpe更用簡單的加減法陳述這個道理。整體投資人拿到的就是該市場市值加權指數的報酬。扣除成本，就是實際入手的報酬。主動投資人整體成本高，指數化投資人整體成本較低。所以後者會拿到比較好的成果。
簡單，好懂。一個立足與基本加減法的原理。不會錯，也不會變。我發現這才真的是指數化投資的堅實基礎，而不是效率市場。
人工智慧畢竟是從各種內容訓練出來的，其答覆代表”市面上”，認為效率市場是指數化投資基礎的討論還是占多數。
還有，我問Gemini，台積電與0050的比較。
會出現下圖的說明。
接著談到兩者的連結，因為0050裡的最大持股就是台積電。
最後分析0050還是台積電那個比較好:
但明眼人知道，少了很重要的一個理由，就是指數化投資的核心機制。未來不論那家公司成為下一個台灣的主要股票，產業與經濟的領頭羊，0050都不會錯過。
投資0050不是只投入0050現在持有的股票而已，而是買進這個機制。未來誰最好，都不會錯過的機制。
從這些使用經驗來看，像Gemini這類人工智慧，對於硬性問題，譬如某個指數，某個市場，在特定期間有怎樣的成果，它可以提供很好的解答。
但對於軟性問題，譬如指數化投資的根本基礎，投資指數化投資工具與單買其中重要成份股的差別，人工智慧也有解答，但有明顯可以改進的地方。
也就是說，假如這些議題你自己已經看過很多相關資料、也想過很多，人工智慧的解答你恐怕不會滿意。
這是投資領域的觀察。相信其它領域也會有類似的狀況。
這有幾個意義。
首先，人工智慧的出現，不代表一個人可以馬上跨足成為其它領域的專家。
靠人工智慧在幾分鐘內帶來的解答，在品質與深度上，跟浸淫特定領域多年的人相比，會有不小的差距。
利用AI對特定主題做出文章或簡報，然後自己看了相當滿意，覺得討論很全面。這未必是AI很強的表現，有時候是這個人對該領域瞭解有限的症狀。
這也代表，一個投資人不能說手上有AI，就以為自己已經是全知了。很多紙本文件恐怕仍沒有納入AI的訓練材料。網路時代一個常見的謬思，就是以為所有值得參考的資料都已經在網路上了。AI的出現，會加強這種迷思。
AI可以幫忙做數字搜集，版面設計這些工作。但在內容方面，AI無法完全取代人類。人為的閱讀與思考，仍有其價值。
你想得到，但AI想不到的地方，就是價值所在。
回到首頁:請按這裡
初來乍到:請看”如何使用本部落格”
相關文章:
對於指數化投資的大量誤解---從安本標準投信執行長的文章談起(Why Active Investing is Losing its Edge)
最好與很好的抉擇
0 comments:
張貼留言