การวิเคราะห์กองทุนที่ขับเคลื่อนด้วยปัญญาประดิษฐ์หรือการเรียนรู้ด้วยเครื่องเปรียบเทียบกับกองทุนทั่วไป

การพัฒนาของเทคโนโลยีในปัจจุบันทำให้ปัญญาประดิษฐ์เข้ามามีบทบาทสำหรับการวิเคราะห์และตัดสินใจในการลงทุนมากขึ้น อีกทั้งยังช่วยลดอคติเชิงพฤติกรรม แต่จากการสำรวจพบว่ากองทุนที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ยังมีไม่มากและยังไม่เป็นที่นิยมมากนัก งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อที่จะวิเคราะห์ลักษณะ ผลการดำเนินงาน และพฤติกรรมความสามารถในการบริหารกองทุนรวมของกองทุนที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ เปรียบเทียบกับกองทุนเปรียบเทียบที่บริหารด้วยมนุษย์ โดยการศึกษาเชิงปริมาณในรูปแบบข้อมูลทุติยภูมิ จากการเก็บรวบรวมข้อมูลกองทุนรวมจากแหล่งข้อมูลที่เปิดเผย มีจำนวนกองทุนที่ศึกษาทั้งสิ้น 29 กองทุน โดยเก็บข้อมูลรายเดือนย้อนหลังเป็นระยะเวลา 120 เดือน ตั้งแต่วันที่ 1 มีนาคม 2555 ถึงวันที่ 1 กุมภาพันธ์ 2565 นำมาคำนวณผลการดำเนินงานด้วยมาตรวัดตามตัวแบบของ Sharpe และวิเคราะห์สมการถดถอยกำลังสองของ Treynor & Mazuy (1966) ผลการศึกษา ด้านประสิทธิภาพของกองทุนรวมด้วยมาตรวัดตามตัวแบบของ Sharpe พบว่า Sharpe Ratio เฉลี่ยของกองทุนที่ขับเคลื่อนด้วยปัญญาประดิษฐ์เท่ากับกองทุนเปรียบเทียบที่บริหารด้วยมนุษย์ ซึ่งขัดแย้งกับงานวิจัยที่ผ่านมา ส่วนด้านความสามารถในการเลือกสรรหลักทรัพย์ (Selectivity Ability) พบว่าค่าสัมประสิทธิ์ α เฉลี่ยของกองทุนที่ขับเคลื่อนด้วยปัญญาประดิษฐ์มากกว่ากองทุนเปรียบเทียบที่บริหารด้วยมนุษย์ ซึ่งสอดคล้องกับงานวิจัยที่ผ่านมา ในขณะที่ด้านความสามารถในการจับจังหวะการลงทุนตามสภาวะตลาดที่เหมาะสม (Market Timing Ability) พบว่า ค่าสัมประสิทธิ์ γ เฉลี่ยของกองทุนที่ขับเคลื่อนด้วยปัญญาประดิษฐ์น้อยกว่ากองทุนเปรียบเทียบที่บริหารด้วยมนุษย์ ซึ่งขัดแย้งกับงานวิจัยที่ผ่านมา สรุปโดยรวมแล้วประสิทธิภาพของกองทุนที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ในปัจจุบันน้อยกว่ากองทุนเปรียบเทียบที่บริหารด้วยมนุษย์ อย่างไรก็ตามยังมีข้อจำกัดในการศึกษาที่ส่งผลต่อความแม่นยำและความน่าเชื่อถือในผลการวิเคราะห์ข้อมูล ได้แก่ อายุเฉลี่ยของกองทุนที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ยังไม่เกิน 5 ปี และอาจไม่ครอบคลุมกองทุนที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ที่มีทั้งหมด สำหรับในงานวิจัยครั้งต่อไปสามารถกำหนดช่วงระยะเวลาที่ศึกษาเพิ่มเติม รวมไปถึงคำนึงถึงนโยบายการลงทุน ค่าธรรมเนียมกองทุนรวม และอัตราส่วนทางการเงิน เพื่อใช้เป็นข้อมูลประกอบการตัดสินใจและแนวทางเพิ่มเติมในการลงทุนให้เหมาะสมกับกลยุทธ์และวัตถุประสงค์การลงทุนของแต่ละบุคคล

當今科技飛速發展，使得人工智慧（Artificial Intelligence, AI）在投資分析與決策領域的應用日益廣泛，同時亦能有效降低投資決策中的行為偏誤。但調查顯示，當前人工智慧驅動型基金的數量仍舊稀少，市場接受度亦相對有限。鑒於此，本研究旨在分析人工智慧驅動型共同基金的運作特徵、業績表現，以及其基金管理能力的行為模式，並與傳統人為管理的對照基金進行比較。本研究採用定量研究方法，運用二手數據進行分析；數據來自公開開放的共同基金資訊來源，最終納入分析的樣本共計29檔基金，樣本區間為2012年3月1日至2022年2月1日，共計120個月度觀測值。本研究採用夏普比率（Sharpe Ratio）模型計算基金業績，並透過特雷納與馬祖伊（Treynor & Mazuy, 1966）的二次回歸模型分析基金管理能力。針對夏普比率模型衡量的共同基金業績表現分析結果顯示，人工智慧驅動型基金的平均夏普比率與傳統人為管理基金並無顯著差異，此結果與既往研究結論相悖。在資產選擇能力（Selectivity Ability）層面，本研究發現人工智慧驅動型基金的平均α係數顯著高於傳統人為管理基金，此結果符合既往研究結論。至於市場擇時能力（Market Timing Ability）層面，研究結果顯示人工智慧驅動型基金的平均γ係數顯著低於傳統人為管理基金，此結果與既往研究結論相悖。整體而言，當前人工智慧驅動型基金的業績表現仍遜於傳統人為管理基金。惟本研究仍存在若干侷限，影響分析結果的精準度與可信度：其一，人工智慧驅動型基金的平均成立年限尚未滿5年，樣本可能未能涵蓋所有此類型基金。未來研究可進一步擴大樣本區間，並納入投資政策、共同基金手續費率以及財務比率等變數，以提供更完善的決策參考依據，協助投資者根據自身投資目標與策略制訂合適的投資方案。