股市瞬息萬變，有時波動大如過山車，把握困難，去年至今，連方舟投資CEO“木頭姐”凱茜·伍德(Cathie Wood)這樣的知名投資人都遭受了巨大打擊。

于是，市場上出現了那么一小群投資人和公司。他們另辟蹊徑，將決策權完全交給人工智能(AI)——從選股到投資組合均由AI完成，外部人士的意見不會反映至投資過程中。

其中一家這樣的公司就是Qraft Technologies。它成立于2016年的，目前為亞洲的銀行和保險公司管理著17億美元(約110億元人民幣)的資產。2019年，Qraft在美國美國上市了一系列交易所交易基金(ETF)，并通過此建立了一個軟件平臺，利用該平臺挖掘市場數據，結合AI算法，選出最有可能跑贏大盤的股票并投資。

而這些ETF真的回報率可觀，最高的一只(QRFT)發行三年至今已獲得近80%的收益率。

亞洲投資巨頭軟銀集團顯然也看到了其中的價值。根據華爾街日報消息，軟銀將向Qraft Technologies投資1.46億美元(約9.5億元人民幣)，以獲得使用該公司AI工具的渠道。Qraft表示，公司計劃利用這筆投資進一步向美國和其他關鍵市場特別是中國擴張。

曾多次低買高賣特斯拉

人工智能ETF比巔峰時期“木頭姐”還準

根據Qraft官網顯示，目前該公司一共發行了四只主動管理型ETF，具體信息如下表所示：

(Qraft旗下四只ETF基本情況 收益率截止上一個交易日 來源：中國基金報記者根據Qraft和晨星數據整理)

AI算法選股真的靠譜嗎?來看看這只QRAFT AI-Enhanced U.S. Large Cap Momentum ETF (AMOM)的戰績吧。

根據巴倫周刊(Barron’s)報道，這只規模為2700萬美元的AI驅動ETF，通過市場數據和AI算法篩選出300只價格走勢最為強勁的美國大盤股，然后選出50只最有可能跑贏大盤的股票并投資。

這只ETF就押注了特斯拉。而特斯拉的股價近年來十分波動。

從2020年初到當年的8月底，特斯拉的股價飆升了近500%，此時AMOM的AI建議賣出所有特斯拉的股票，在這之后的兩個月里，特斯拉股價就下跌了22%。

到了2020年11月底，這只ETF的AI又建議重新買入特斯拉的股票，并分別在在2020年12月和2021年1月增加了持倉。在這幾個月里，特斯拉的股價猛漲了98%。直到2021年1月底，該ETF又根據AI的建議賣出了對特斯拉的所有持股。在那之后，特斯拉股價從歷史高點下跌了30%以上。

通過熟練把握特斯拉近期走勢等因素，幾波低買高賣之后，這只ETF在截至2021年中的過去12個月里創造了53%的回報率，高于標普500指數43%的同期回報率。

今年1月又增持特斯拉

并首次建倉英偉達

因為此前精準的低買高賣操作，AMOM這只ETF已經在信奉AI的投資人中小有名氣，而進入新的一年，它的持倉又有了新變化。

根據Investing數據顯示，這只ETF今年加倍買入了特斯拉，特斯拉在其資產中的持倉比重直接從去年12月的7.7%上升到如今的8.5%。而特斯拉也是AMOM的第一重倉股。

對此，QRAFT業務經理及亞太業務負責人吳起錫(Francis Geeseok Oh)表示，特斯拉第四季度的交付量在“芯片短缺的大環境下”十分“令人振奮”。

此外，值得注意的是，AMOM在今年至今還大手筆重倉了英偉達。去年12月，英偉達還未出現在AMOM的持倉名單中，而如今它直接成了第二重倉股，持倉比例達到8.1%，僅次于特斯拉。

對于重倉英偉達，吳起錫稱，“英偉達在高性能GPU領域的有著接近壟斷的地位，這能使其在(社會)向AR和元宇宙變遷中擁有話語權。”

(AMOM持倉 來源：investing)

另外，在特斯拉和英偉達之外，AMOM持倉第三至五位分別為：建材家居零售商Home Depot，占6.06%;跨國電商公司Shopify，占4.57%;以及軟件應用商Adobe，占4.05%。AMOM在一月也對這些公司進行了不同程度的增持。

截至上一交易日，AMOM收報32.73美元，跌0.02%，資產規模約3470萬美元。

人工智能是金融投資的未來?

其實運用人工智能到金融投資領域早已不是新鮮事了。

對于許多機構投資者和定量投資機構來說，AI已經以不同方式成為了一種有用的工具。計算機可以追蹤股市的價格趨勢、查閱上市公司發布的文件和財報、第一時間消化解讀經濟數據，甚至可以通過數百萬的社交媒體帖子來分析公眾情緒。

早在2017年10月，全球首支號稱使用人工智能選股，并使用機器學習進行投資的基金AI Powered Equity ETF(AIEQ.N)在紐交所上線。該基金由IBM基于人工智能平臺Watson打造的EquBot進行管理。

截至上個交易日，該ETF自發行以來的收益率為53.45%。

但盡管同為AI驅動型基金，Qraft的ETF在AI算法上與AIEQ具有本質性不同。

根據吳起錫接受《亞洲日報》采訪所稱，當前市場上基于人工智能的投資戰略、或ETF等商品，絕大部分并非使用公司自研技術，而是與IBM一樣使用Watson等具有普通適用性的AI模型，這類AI可適用于多種場景。具有廣泛適用性的AI學習的數據具備一定的規律和相似性，對AI來說較易習得。

但AI并非萬能的。

吳起錫表示，AI是通過深度學習過往數據，因此假如某一事件從未發生過，AI沒有歷史數據進行參考，可能就無法及時應對。突發事件發生時，AI的學習時間可能要花費兩到三個月，因此AI還是無法像人類一樣機敏。

另外，AI難以對5年、10年以后的行情乃至社會變化做出判斷，AI無法像人類那樣觀察社會趨勢或理解技術創新，因此不適合做長期押注。