香港城市大學（城大）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。這項名為「P-Trees」的模型透過簡化複雜的市場數據，協助投資者在更透明的基礎上，作出具數據支持的投資決策。

這項題為「在面板樹上擴展有效邊界」的研究成果，已發表於金融學界頂尖期刊《金融經濟學雜誌》。研究團隊由馮冠豪教授與何靖宇教授領導，利用人工智能（AI）技術，提升投資組合構建的預測精準度與可解釋性。

此項目由城大商學院多個單位協作完成，包括經濟及金融系、決策分析及營運學系，以及金融科技與商業分析研究中心。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的投資組合，幫助用戶在降低決策風險的同時，更準確地評估潛在回報。

近日獲選為亞洲金融經濟研究局（ABFER）研究員的馮教授表示：「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的視角。」

該模型的核心優勢之一在於其動態適應力。投資者可以根據經濟環境的變化實時調整策略，透過結構化的資產表現分析，在波動的市場中保持領先。

何教授指出，該模型的應用範圍廣泛，不僅能為專業機構提供深層次的策略洞察，也能協助一般投資者作出更具科學依據的決定。他表示：「我們相信 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。它是一項強大的工具，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。」

在 AI 與大數據重塑金融業的背景下，此研究為金融學子與從業者提供了重要啟示，印證未來的核心競爭力不僅在於掌握數據工具，更在於如何將深厚的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 模型不僅是實務上的利器，更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，從而在複雜多變的市場中實現更具策略性的投資管理。