繼AlphaGo在2017年擊敗世界棋王柯潔後，機器人又展現出驚人的選股能力，在過去半年間，無懼美中貿易戰、COVID-19（武漢肺炎）利空罩頂，在大中華股市基金類組中，以36.83%的報酬率技壓其它89位經理人，拿下第一名的成績。這是否宣示機器人選股真比經理人選股精準？
根據SITCA台大教授的基金績效版本，目前台灣第一檔打著「機器人選股」大旗的德信TAROBO機器人量化中國基金，在2019年7月16日至2020年1月31日的統計區間拿下36.83%的報酬率，不僅績效優於同類型基金平均20.27%報酬率的表現，更把指標—滬深300指數僅0.96%的微幅漲幅遠遠拋在腦後。
無獨有偶，根據一份由印第安納大學（University of Indiana）做出的研究也顯示，長線上來看，機器人挑選的股票比分析師挑的股票更會漲。
這份研究檢視了7萬6568份由7家機器人選股公司在2003年到2018年間發布的研究報告，以及市場上由分析師出具的個股報告，結果發現根據機器人建議的投資組合去投資，表現優於分析師推薦的組合。這7家機器人選股公司包括New Constructs、Minkabu、Rapid Ratings，以及TheStreet.com。
機器人選股到底厲害在哪裡？
首先，我們先從德信TAROBO機器人量化中國基金來說，這檔基金運用AI分析全球超過150家知名投資機構，上億筆預測與實際的數據，先找出預估準確的投行，然後再運用這些投行的預測數據，找出有潛力上漲的個股，接著再透過財報、籌碼、指數成份、出口貿易、外資卡位、價量和風險等7個面向中超過50個不同的因子，從A股3700檔個股中挑出20檔投資標的。
此外，大拇哥投顧表示，他們還會24小時不間斷地反覆測試、驗證，做可靠度分析，再透過機器學習提高選股勝率，補強傳統人為選股可能的偏誤。以該基金從去年7月成立到目前的績效來看，這套模式的確吃得開。
至於印第安納大學的研究則發現，機器人因為能更聚焦在數據上且能在短時間內消化大量資料，可以發現很多被人類忽略的數據重點。舉例來說，一家公司的年報少則數百頁、多則上千頁，人類為了投資要把多家公司的歷年年報讀完並且找出亮點根本不可能，但機器透過深度學習，卻可以在極短的時間將這些資訊消化完畢。
更重要的是，機器人因為沒有行為偏誤與利益衝突，能給出更忠實的股票評等。什麼叫更忠實的評等呢？該研究發現，在同一統計區間，機器人給出的「買進」、「持有」、「賣出」評等數量較平均，且機器人給個股「賣出」評等的數量是分析師給出數量的4倍。
針對這樣的數據差距，一位不願具名的前外資分析師指出：「因為分析師也要跟公司搏感情啊。」原來，在極度講求資訊公平揭露的時代，分析師為了想要取得比別人多一點或快一點的資訊，必須與公司維持良好的關係，「分析師也怕得罪了公司會被封鎖，尤其是有些公司特別強勢，如果你給他們『賣出』的評等，可能就再也約不到他們了。」
該名前外資分析師同時認為，這份研究僅以「股票評等」來斷定機器人與分析師選股的績效，作法不夠嚴謹，他解釋：「有時候在一篇個股報告中，最重要的不是評等，而是分析師在字裡行間透露出的訊息，以及試著要跟投資人溝通的內容。」
綜合上面兩個例子來看，機器人的強項在於快速消化資料及找出人類可能忽略的重要關鍵，但目前似乎還是相當仰賴人提供的訊息。以德信TAROBO機器人量化中國基金來說，他們在選股的第一關還是要倚靠投行分析師的智慧。
我們也不能忘了，投資市場充斥滿滿的人、影響因素複雜，把所有東西量化有時候也等於把事情太過簡化。期盼投資人皆理性、情報即時公開且取得無需負擔額外資訊成本、沒有任何投資人足以單獨影響股價變動，也就是所謂的效率市場理論（Efficient Market theory）在真實市場中實踐可能太過天真。
也因此，儘管機器人選股表現亮眼，華爾街還沒有機器人取代經理人的趨勢，但不可諱言的是，機器人加入市場後，如何靠「人機合作」取得更高的報酬是未來投資人必須研究的課題。
