主题投资：超越短期视角的策略
股票投资者面临的一个持续批评是他们的短期视角。他们通常根据季度收益报告来买入或卖出股票。相比之下，主题投资为以收益为导向的股票选择提供了一种反例。
主题投资——一种旨在利用广泛经济或社会变化的策略——近年来使用频率越来越高。2016 年，新推出的 ETF 中有 30% 属于主题基金，涵盖的主题包括肥胖症、千禧一代消费习惯以及健康与健身。
从趋势识别到投资转化的挑战
然而，询问任何长期问题往往复杂且常常模糊不清。可能重塑经济的趋势和主题本身可能易于识别，但将它们转化为优质的投资工具则是另一回事。使用清洁能源、颠覆性技术、人口老龄化或新兴市场等主题来构建投资组合会带来其独特的挑战：从昙花一现的潮流中成功筛选出真正的长期趋势——并且关键在于尽早做到这一点——并非易事。良好的分析需要大量多样化的数据，这些数据一旦以某种方式结构化，将有助于主题分析。
知识图谱：数据与分析的革命性框架
基于知识图谱的框架独特地提供了数据和分析框架，具备必要的推理能力，从而能够对大型数据集提供可操作的见解。
一个构建良好的知识图谱通过多学科、多维度的关联结构，描述现实世界实体之间的相互关系，并在嵌入知识图谱的多年关联数据中，对数亿数据资产中的共同主题和概念进行比较。
这样的框架可以自动计算投资者能想到的任何可投资概念的数千种策略——从清洁能源等可持续性主题到 5G 或云计算等颠覆性技术。
功能性的知识图谱可以快速为数千个概念构建新的灵活策略，从数百万个组合来源中提取见解，这是典型分析师方法无法比拟的。数据集可以具有全球覆盖范围——策略针对多个地区和国家量身定制并适用——同时保持高度专业化。它们同样能够接收结构化和非结构化数据集；从新闻报道、美国证券交易委员会（SEC）备案文件、金融或宏观经济报告到法院判决、临床试验数据或专利。这种多维度方法驱动动态时间点知识图谱框架，以精确度生成暴露指数。
定量与定性的深度融合
知识图谱还可以通过其看待概念的方式，在构建主题投资投资组合时提供特殊见解，既包括定量方面（例如 AAPL 股价或其基本面指标），也包括定性方面。这不仅提供了明智投资背后的数字，还提供了这些数字背后的背景信息，这在跟踪主题时尤其关键。
进一步利用这一能力，它还可以根据数据点与给定数据集的相关性强度来加权数据点，或筛选出看似符合主题但实际上存在不良暴露的情况。这种评分可以在实体级别进行，提供过程中使用的每个数据点的来源数据。当过程完成后，生成的最终指数经过多层加权，考虑了每家公司的市值和流动性等变量，以及聚合的暴露情况。
集中度优势与前瞻性布局
这种分析说明了主题投资的关键优势之一：集中度。主题投资通常集中在较少数量的股票上，但知识图谱框架提供了基于更大成分股篮子构建主题策略的机会。这使得市场分析不再仅仅是被动反应；通过识别世界中预期的变化，投资者可以采取前瞻性的方法来抓住正在形成的机会，从而带来潜在的更大长期增长机会。
与之形成对比的是共同基金，其投资组合通常集中在 40-80 只股票上。重点通常在于分散化，这有助于管理风险，但不一定是实现增长的最佳方式。
AI 驱动的未来：自动化与效率
一些基金已经开始转向技术来完成这项关键的分析工作。由人工智能驱动的国际化股票主动型基金（NYSEArca: AIIQ）自 2018 年以来一直在这样做。该基金运行于 Equbot 模型之上，这是一个专有算法，每天比较和分析数据点和国际公司，以发现和优化投资组合暴露。
通过适当设计的框架，知识图谱的基于 AI 的暴露引擎可以进行推理，以理解不断推动回报的动态市场趋势，同时推广投资者强烈认同的概念。正确部署后，基于 AI 的主题投资策略可以即时创建新策略或增强现有策略——而且所需的时间和成本仅为传统分析的极小部分。
_________________________________________________________