香港城市大学（城大）商学院研究团队研发一项数据驱动的机器学习模型，旨在提升金融资产定价的准确度与效率。这项名为“P-Trees”的模型透过简化复杂的市场数据，协助投资者在更透明的基础上，作出具数据支持的投资决策。

这项题为“在面板树上扩展有效边界”的研究成果，已发表于金融学界顶尖期刊《金融经济学杂志》。研究团队由冯冠豪教授与何靖宇教授领导，利用人工智能（AI）技术，提升投资组合构建的预测精准度与可解释性。

此项目由城大商学院多个单位协作完成，包括经济及金融系、决策分析及营运学系，以及金融科技与商业分析研究中心。研究团队与国际学者合作设计 P-Trees 模型，以分析个别资产回报。模型通过推广“高维度数据排序”方法，提供强大的经济逻辑引导，避免传统机器学习常见的“黑箱”运作问题。

在经典的“均值-方差有效边界”框架下，P-Trees 模型构建的测试资产表现显著优于传统基准。传统模型往往难以全面捕捉影响市场表现的多重复杂因素，导致投资者难以识别最佳机会。P-Trees 则能高效处理海量数据并构建更有效的投资组合，帮助用户在降低决策风险的同时，更准确地评估潜在回报。

近日获选为亚洲金融经济研究局（ABFER）研究员的冯教授表示：“研究显示，投资者应透过跨资产类别与行业的多元化配置来有效管理风险。P-Trees 模型能快速分析多种因素，为风险与报酬的权衡提供清晰的视角。”

该模型的核心优势之一在于其动态适应力。投资者可以根据经济环境的变化实时调整策略，透过结构化的资产表现分析，在波动的市场中保持领先。

何教授指出，该模型的应用范围广泛，不仅能为专业机构提供深层次的策略洞察，也能协助一般投资者作出更具科学依据的决定。他表示：“我们相信 P-Trees 能改变投资组合管理的方式，令金融专家与大众投资者皆能从中获益。它是一项强大的工具，能帮助一般大众在构建投资组合时，作出更明智、更有据可依的决策。”

在 AI 与大数据重塑金融业的背景下，此研究为金融学子与从业者提供了重要启示，印证未来的核心竞争力不仅在于掌握数据工具，更在于如何将深厚的经济理论与先进的机器学习演算法深度融合。 研究团队相信，P-Trees 模型不仅是实务上的利器，更可引导学生在自动化决策时代，坚持“可解释性”与“经济逻辑”的核心价值，从而在复杂多变的市场中实现更具策略性的投资管理。