行業分析迎來AI時代亞馬遜是零售、科技還是媒體公司？

丹尼爾·科斯特（Danielle Kost）

越來越多的公司正在以新的方式將看似不相關的業務整合在一起，挑戰傳統的股票分類。如何運用AI來獲取新的投資機會

傳統的投資分類中，沃爾瑪是一家日常消費品零售商，但該公司在全球擁有6000多家零售和分銷物業，其在地產方面的投資組合，讓許多專業的商業房地產公司都相形見絀。

哈佛大學的研究小組表示：“在過去20年里，由于數字技術驅動的商業模式，企業的邊界變得更加模糊。沃爾瑪也是一家房地產公司，它們有很多大樓。”事實上，對尋求優質資產的投資者來說，這種投資分類的區別至關重要。

快速的技術變革已經模糊了行業界限。人們開始利用AI來發現和揭示公司行業屬性的悄然變化和細微差別。

自1999年以來，美國的投資組合經理和分析師一直在使用全球行業分類標準（GICS）來比較股票，該標準由11個大行業、25個行業組和其他子集組成。維護該系統的標準普爾和摩根士丹利資本國際定期審查這些分類，并對上市公司進行分類。

相比之下，哈佛大學的研究小組使用機器學習、動態分析公司描述，重新對公司進行分類，在醫療保健、公用事業、能源、房地產和科技領域開展股票投資，獲取了比用傳統全球行業分類標準（GICS）分類更高的收益率。這一定程度上，也顯示出企業分類的復雜的新情況。

該考慮對公司重新分類了

三四十年前，世界是大企業集團的世界，而隨著時間的推移，這些都發生了變化，開始有更多純粹的公司。因此，在一段時間內，行業分類是有意義的。雖然分類并不完美，但也別無選擇。

過去20年里，由于數字技術驅動的商業模式，企業的邊界變得更加模糊。

想想沃爾瑪和亞馬遜，它們的商業模式都隨著時間的推移發生了變化。許多公司正在成為科技公司。當考慮到Apple?Pay時，蘋果和Visa之間的區別正在迅速消失；而亞馬遜現在正在與制藥企業競爭。

那么如何定義公司所在的行業呢？一個行業從哪里開始，又從哪里結束？

這個時候不妨想想，其實在技術驅動下，人們理解和使用數據技術來理解和評估業務的能力也日新月異。

AI在投資中的價值正在釋放

AI在公司的新的行業分類中扮演著重要的角色。機構投資者（對沖基金等）一直在使用機器學習方面走在最前沿。因為想賺錢，所以如果AI可以帶來盈利，提高風險管理和交易效率，機構投資者們樂見其成。目前，機器學習是最新的量化技術，它也延伸到了投資世界的許多其他領域。

“人加機器”的理念正在對人們的做事方式產生重大影響。有些事情機器可以做，而人類不必做。當然，在一天交易結束的時候，在許多情況下，可能仍然要依靠人工。

一名量化交易員需要不斷改進模型，并以這種方式推動交易策略更加有效，而AI是目前最好的解決方法。而在投資決策的其他地方，可能更多的還是基于人的決策，目前來看，量化交易是基于“人加機器”的決策。

股票投資脫離全球分類標準？

過去很多年，人們制定了股票分析的一套標準，為人們做同一件事提供了理解和交流的方式，是一套每個人都可以使用的通用方式。因此，除非有很好的替代方案，否則很難放棄過去的這些方式，它們已經嵌入到了模型中，嵌入到了合同中。

例如績效考核衡量系統，基金經理根據回報率超過GICS投資組合回報率的多少來獲得報酬，這是既定的，意味著基金經理根據比GICS投資組合做得更好的程度來獲得報酬。如此，就不得不使用GICS框架。如果讓人們不能再使用GICS，就必須告訴大家還有什么可以作為基準。

事實上，如果基準不斷變化，會使一些事情復雜化。因此使用標準框架有著顯而易見的好處。

不過，在現實投資分析中已經不得不去考慮公司的新的行業分類。以亞馬遜為例，疫情期間它的股價一路飆升，而沃爾瑪卻在下跌。如果你正在觀察零售業，會感到困惑，為什么亞馬遜表現得很好，而沃爾瑪表現得很差？亞馬遜飛速發展，因為它在很多方面都是一家技術公司，而且是信息技術公司，它可不僅僅是在網上零售。

因此，許多投資機構中的基金經理開始發現，本應屬于GICS同一行業的股票卻表現不一致，進而導致他們的賬面上出現巨大損失。這可以歸因于這些公司實際業務和行業屬性的不同導致風險分布不一致。如何對沖風險？就管理風險而言，行業分類變得至關重要。

金融業可能重新思考股市基準

標準普爾500指數真的能代表市場嗎？為什么是500只股票？為什么人們不能擁有真正能識別一個行業的股票組合呢？未來，標準普爾500指數可能會面臨挑戰。

看看歐洲，代表市場的股票或指數是歐洲股票50。問題不在于有多少只股票，而在于它們有多少的代表性。

所以，標準普爾500指數需要更加能代表市場，畢竟標準普爾基金中有數萬億美元的養老資產。

來源：哈佛商學院；編譯：王夢菲