MONO Investment股份有限公司(總公司:東京都品川區,代表董事:佐々木辰/中西諒,以下簡稱「本公司」)謹此宣布,由本公司技術顧問、大阪公立大學經營學研究科教授中川慧氏為主要作者的論文「Subspace regularized principal component analysis using prior exposure information」,已獲金融領域國際認可的審查期刊 Finance Research Letters 採用。 本研究針對資產管理與風險管理中常用的主成分分析(PCA)在持續運用時,因子順序與詮釋意義隨時間變化,導致分析結果解釋不穩定的問題,提出「子空間正則化主成分分析(SR-PCA)」。此方法利用具經濟意義的先驗曝險資訊,穩定因子空間(即主要風險方向),提升分析結果的可解釋性與穩定性。 本公司將逐步把此研究成果導入AI因子分析引擎「MONO FactorLens」,並透過面向理財顧問的CRM系統「WealthForce」以及面向金融機構的API提供服務。透過此技術,銀行、證券公司與獨立理財顧問(IFA)將能超越傳統資產類別配置的框架,從經濟成長、利率、通膨等宏觀因子對客戶投資組合的敏感度進行分析,更清晰地說明投資建議的依據與調整時機。 本公告重點 本公司技術顧問中川慧教授為主要作者的論文,獲金融領域國際認可審查期刊 Finance Research Letters 採用 針對PCA持續運用時因子順序與意義不穩定的問題,提出SR-PCA方法 研究成果將導入MONO FactorLens,並逐步實現在WealthForce及金融機構專用API中 可視化客戶投資組合的風險來源,以經濟成長、利率、通膨等宏觀因子呈現 協助銀行、證券公司提升建議品質的一致性、強化說明責任,並支持持續性的售後追蹤服務 背景:僅靠資產配置難以察覺的「風險本質」 在銀行與證券公司的資產管理建議中,除了可視化客戶的資產配置外,更需清楚說明「為何提出此建議」以及「應關注哪些市場環境」。然而,僅依資產類別比例,往往難以掌握投資組合實際暴露的風險來源。 MONO FactorLens正是為解決此問題而開發的分析引擎,可將隱藏的風險分解並可視化為經濟成長、利率、通膨等宏觀因子。導入WealthForce後,理財顧問將能從宏觀因子角度,向客戶說明其投資組合「易受哪些因素影響」以及「何時需要調整」。 研究成果:穩定因子空間,實現更易於詮釋的風險分析 主成分分析(PCA)廣泛用於從市場數據中提取主要風險因子。然而,在持續更新數據並重複執行PCA的過程中,因子的排序與經濟詮釋可能隨時間變動,不利於長期向客戶提供一致的分析解釋。 本次提出的SR-PCA方法,在保留從市場數據中靈活提取因子能力的同時,引入具經濟意義的先驗曝險資訊,使因子空間(即主要風險方向)保持穩定。研究透過多資產面板、Fama-French投資組合,以及最小變異投資組合建構等應用驗證,確認相較於傳統滾動式PCA,SR-PCA能有效降低中期因子空間的波動與因子組合的換手率,同時大致維持重構精度與作為風險模型的實用性。 本研究目的不在預測未來報酬,而在於更穩定且易於詮釋地分析投資組合的風險來源。 WealthForce的應用展望 透過將本研究成果導入MONO FactorLens,WealthForce將能實現以下分析與說明功能: 經濟成長因子:說明投資組合對景氣與企業獲利變動的敏感程度 利率因子:說明利率變動對債券、REIT等資產的影響 物價因子:說明對通膨、原物料價格、匯率變動等的敏感度 基於風險因子的分散化:檢視風險來源的集中度,而非僅看資產類別配置 調整建議:可視化調整是為了降低哪一類風險 金融機構將能說明,投資建議前後的投資組合,不僅在預期報酬與風險水準上的變化,更能具體說明在宏觀因子曝險上的改善。此外,亦可根據市場環境變化,掌握各客戶投資組合的風險敏感度,進而有效篩選需追蹤的客戶或提出調整建議。 未來發展 本公司將逐步在WealthForce中導入基於SR-PCA的宏觀因子分析功能,並持續發展客戶報告、AI分析評論、壓力情境分析,以及與蒙地卡羅模擬的整合應用。同時,也將提供面向銀行與證券公司的API,預期可與現有的CRM系統、建議書製作系統、客戶入口網站等平台整合。 專家評論 MONO Investment股份有限公司 技術顧問 中川慧(大阪公立大學經營學研究科教授) 在資產管理實務中,不僅需以數值呈現投資組合的風險,更需清楚說明風險源自哪些經濟因素。然而,要將因子分析持續應用於實務,模型輸出必須穩定且具備經濟上的可解釋性。期望本研究成果透過WealthForce,能在金融機構與理財顧問的現場發揮作用,協助提供客戶更清晰、更具說服力的資產管理建議。 MONO Inve