香港城市大學商學院研究團隊研發一項數據驅動的機器學習模型，旨在提升金融資產定價的準確度與效率。這名為「P-Trees」的模型透過簡化複雜市場數據，協助投資者在更透明基礎上，作出具數據支持的投資決策。

研究團隊與國際學者合作設計 P-Trees 模型，以分析個別資產回報。模型通過推廣「高維度數據排序」方法，提供強大的經濟邏輯引導，避免傳統機器學習常見的「黑箱」運作問題。

在經典的「均值—方差有效邊界」框架下，P-Trees 模型構建的測試資產表現顯著優於傳統基準。傳統模型往往難以全面捕捉影響市場表現的多重複雜因素，導致投資者難以識別最佳機會。P-Trees 則能高效處理海量數據並構建更有效投資組合，幫助用戶在降低決策風險同時，更準確地評估潛在回報。

研究團隊由馮冠豪與何靖宇領導。前者稱，研究顯示，投資者應透過跨資產類別與行業的多元化配置來有效管理風險。P-Trees 模型能快速分析多種因素，為風險與報酬的權衡提供清晰視角。

何靖宇指，相信P-Trees 能改變投資組合管理的方式，令金融專家與大眾投資者皆能從中獲益。它是一項強大工具，能幫助一般大眾在構建投資組合時，作出更明智、更有據可依的決策。

研究團隊認為，在AI 與大數據重塑金融業的背景下，這研究為金融學子與從業者提供重要啟示，印證未來的核心競爭力更在於如何將深厚經濟理論與先進的機器學習演算法深度融合。研究團隊相信，P-Trees 模型還可引導學生在自動化決策時代，堅持「可解釋性」與「經濟邏輯」的核心價值，從而在複雜多變市場中實現更具策略性的投資管理。

頂圖說明：圖為城大商學院教授馮冠豪（左）及何靖宇（右）。