根據資料顯示，在市場持續多頭下，台灣人投資基金金額也持續攀升，境外基金國人投資金額已逼近2015年3月高點3.36兆，境內基金規模也逼近2.2兆，只是兩者今年以來淨流入規模相差三倍之多，台灣人偏好境外基金。
另外按國內投信投顧公會的資料，過去5年除了「跨國股票指數型基金」的規模大幅增加1500多億元外，「高收益債」及「跨國股票」型基金也各有800多億元的成長，且明顯集中在某幾檔基金之上。
之前筆者曾私下了解原因後發現，此一現象（過度集中投資少數幾檔基金）恐怕也與「投資訊息不夠專業深入及多元」有關。簡單來說，就是當某檔基金銷售成績不錯（越多人申購）之下，銀行理專在推薦時，也不容易被投資人「打槍（認為理專推薦錯誤）」。而投資人也會自然而然地，產生「既然很多人投資，也代表該檔基金表現不錯」的認知。當然，筆者並不排除「金融機構會為了佣金高低，而特別集中推薦某檔基金」的原因。
但從以上的理由，或許也可以彰顯出「投資人在選擇標的」上的困難。因為以現有的基金篩選或評比平台為例，普遍顯示的都是「過去的績效表現資料」。但是，每位基金投資人也都了解「基金過去績校不代表未來」。
對於廣大投資人來說，最關注的並不是某檔基金「過去表現是否優異」，而是「未來是否能持續表現最佳」。過去，雖有所謂「質化」的評比，但據了解，也只不過是透過與基金機構或經理人的「對談」，來了解基金在挑選標的上的專業度。
假設投資人要能精準預測某檔基金，未來表現是否能夠超前及表現卓越，恐怕需要更深入了解該基金的每一檔投資標的未來表現。如此一來，勢將面臨一場「在海量資料中逐一檢視」的硬戰要打。
不過，最近筆者參加了一場大拇哥投顧「TAROBO理財機器人」上線的記者會，覺得投資人如果能夠藉由大數據的輔助，也許在挑選投資標的（例如基金）上頭，可以更加便利及有效率。
看到這裡，或許讀者會發問：大數據運作之所以成功的重點關鍵，最主要就是運算及資料的正確性。簡單來說，如果使用錯誤資料，再加上運算邏輯錯誤，那就只會出現「garbage in, garbage out」的結果。那麼，這家號稱建置國內第一個理財機器人的大拇哥投顧，又如何能做到呢？
根據TAROBO大拇哥證券投資顧問公司的說法，該理財機器人收集了目前全球公開銷售的各類型共同基金（不含ETF），以及該基金在半年報或年報中，所有持有標的（股票或債券）的歷年財報資料等（目前系統依分析項目的不同，最早只有各基金2000年以後的資料）。
以股票型基金為例，所調查的範圍是從基金持股的基本面因素分析，例如預估未來每股盈餘成長率（EPS Growth Forecast）、預估未來本益比（PE Forecast）、市值營收比（總市值/營收）…等，多達50項以上基本指標，加上基金整體持股的產業集中度、流動性等關鍵風險指標，以及第三方評鑑機構的評等，來評估每一檔股票基金的「未來」潛力。
儘管讀者會說：這些資料不也是「過去式」？話是沒錯，但透過大數據海量資料的演算及比對，也就比較能從眾多毫無頭緒中，抓出能夠「對未來預測有幫助」的方向指引。
就像該公司行銷企劃—王克瑞在記者會上的解說：儘管公司本身及研究單位對企業未來的EPS預估，也都是依照過去的經驗法則進行預測。但是，當時間拉長、資料量提高，它就能抓出一個頗具參考價值的預測方向。
再以以債券型基金為例，TAROBO精算債券的到期收益率（Yield To Maturity）、存續期間（Duration）等重點指標，藉以評估基金手中持債的「真『未來』價值」，與應對市場利率變化的能力，並建立獨特的公司信用評等（Credit Rating）系統，來掌握持債背後公司的風險程度。
這樣繁雜的歷史資料比對及演算工作，對電腦來說絕對是「小事一樁」。但如果要透過人工來進行篩選，可能需要非常多人曠日廢時的進行比對；以上工作對專業投資人來說，就已非常困難，更何況是平日工作忙碌的投資散戶。
當然，這套系統仍然可能存在一些問題。例如首先，儘管TAROBO表示會不斷在「以過去預估未來」與「以現在預估未來」的資料中，反覆測試（Back Testing）並輔以科學統計的方式，來驗證並找出影響債、股價格最有效的因子，讓「有未來性的大數據」成為投資人有效的決策工具。
但這份具有「評估未來獲利及成長性」的資料，是否對基金投資人有著極大的參考性，將有待時間的證實，特別是要經過幾次市場大起大落之後的洗禮，才能更進一步地得到確認。
其次，由於這套系統裡的基金持有標的資料，基金公司提供給基金研究（如理柏）單位的投資組合資料—季報為主，但近年來市場變動快速，基金公司是否靈活彈性調整季報，與實際投資組合間的差異，會不會造成該系統的預測，無法及時反應投資市場現況，仍有待進一步考驗。
再者，目前TAROBO網站提供三種建構投資組合的功能和回溯測試，投資人可以依照個人喜好，自行選擇「達人自選（自行設定股債比重產生專屬投資組合）」、「智能挑選（依風險偏好進行投資比例設定，再由機器人自動產生投資組合）」，或「直選基金（不管任何股債比重，直接挑選基金）」，再透過回溯測試的方式，模擬過去一段時間投資組合的報酬率、波動率及夏普值，進一步挑選適合自己風險屬性的投資組合。
但由於大數據只能夠「顯示結果」，卻不能「解釋原因」。所以，當網站上有越多的人，依賴大數據產出的結果（例如「智能選股」功能的使用）而「做出決策」時，將會吸引更多投資人「做出同樣，但不見得真正適用於每一位個人的選擇」。
第四，目前該系統有關於「高收債」的分類，可能與一般投資人所熟知的方式不相符。以「富蘭克林坦伯頓全球投資系列-全球債券總報酬基金—美元A（Mdis）股」為例，雖然它主要是以投資等級債券為主，但是該系統是以金管會的說明（附註）為基礎，在「每半年」審視「投資組合有30%以上，投資於高收益債券的基金」（每年6月底及12月底審視一次，新興市場債券基金除外）標準下，將這檔基金列為「高收益債券」，而非「投資等級債券」型基金之中，是與目前投資人的認知稍有不同。
最後，由於該理財機既人受到主管機關的「關切」，這套系統目前無法讓一般投資人「免費使用」，必須透過與此簽約的往來銀行、投信、投顧或壽險公司，才能免費使用這套理財機器人系統。
也就是說：假設投資人所往來的銀行等金融機構，因為業務或手續費、佣金…等考量，進行基金上架的篩選，投資人可能就看不到所有基金，而只有合作金融機構所銷售的標的。
總之，目前筆者看到的資料，也多半是自2000年（或之後）才開始，有些比較圖表的起始年份，也並不夠久遠。但筆者認為，假設未來這樣利用大數據分析的公司越來越多、收集資料量越大，並且經過更長時間的反覆測試，也許有一天，想要選擇主動式基金的投資人在挑選基金組合上，就更可以快速、便利許多。筆者認為屆時，才能真正算是「散戶投資人之福」吧～
而如果讀者要問「如何使用此系統」的看法，筆者的看法還是：這套系統應該是協助投資人進行長期投資，而不是短線交易的工具，並建議以資產配置，也就是設立核心（長期投資）與衛星（中、短期投資）持有標的的方式進行，且對於沒有太多時間，時時關注基金走勢的投資人，最好用較長的時間範圍來篩選標的，同時，標的也儘量避免單一產業或國家才是！
《附註》金管會證券期貨局於102年11月21日所公告之「投資人投資高收益債券基金及新興市場債券基金應注意事項問答集」之說明如下：
境外基金，國外主管機關多未針對得否投資高收益債券予以限制，或是強制明文定義高收益債券基金。惟本會考量境內外基金之衡平性因素，針對在國內募集及銷售之境外高收益債券基金之認定，係採實質認定方式，即不論基金名稱是否有「高收益」，只要以高收益債券為名或投資策略係以投資高收益債券為主，或過去1年每月底投資組合平均 60％以上投資於高收益債券之境外基金均屬之。另就境外基金投資策略有相當比重投資於高收益債券或過去 1 年每月底投資組合平均 30％以上投資於高收益債券之境外基金，亦認定屬於以高收益債券為訴求之境外基金。因上開基金可以投資於高收益債券這種違約風險相對較高的標的，本會為提醒投資人注意，已要求投信公司以及境外基金總代理人應於基金名稱後方加註「本基金主要係投資於非投資等級之高風險債券」或「本基金有相當比重投資於非投資等級之高風險債券」等類似警語。
《免責聲明》本專欄所提供之資訊，均由作者自行蒐集並撰寫完成，所有觀點僅為個人對市場的看法，並非任何投資勸誘或建議。若有引用數字及相關計算，均已力求精確，惟不保證其正確性，也不作為任何投保或購買的建議，對此不負任何法律上的責任。另外，本專欄版權所有，轉載請註明出處。
