Tokenizing real-world assets (RWA) is fintech’s new obsession. The pitch is seductive: take a stock, a building, a bond, a piece of art—turn it into a blockchain token—and suddenly it can be traded as easily… 

Web3現已成為科技界的熱門詞語。然而，當我們談及Web3，往往會感到迷茫。這個領域裏的術語層出不窮，從Bitcoin（比特幣）到Blockchain（區塊鏈），再到Cryptocurrency（加密貨幣）、Metaverse（元宇宙），以及如今逐漸興起的Web 3.0、Virtual Asset（虛擬資產）和Tokenized Asset Market（代幣化資產市場）。我們不禁會問：為什麼一個技術領域會有如此多的名字？本文並不試圖解釋哪一個詞語才是「正確」的，而是希望探索這些概念為何層出不窮，並揭示其背後的社會建構邏輯。 比特幣：新世界的雛形 2008年至2009年，比特幣作為一種互聯網原生貨幣誕生，為一系列未來技術革新奠定了基礎。在當時的語境中，比特幣是對傳統金融寡頭體系的反抗，試圖描繪一個人人平等的烏托邦社會。它所秉持的去中心化理念，深刻反映了密碼朋克（Cypherpunk）文化的核心精神，即通過加密技術保護個人隱私，並賦予個體經濟自主權。然而，最初這些理念主要在少數技術精英的小圈子裏傳播。 中本聰「退隱」變精神領袖 2011年，這個領域發生了標誌性事件──比特幣白皮書的作者中本聰從網絡上徹底消失。這位本就匿名的創始人因此被塑造成了一個神秘的英雄，成為超越具體個人的、自由與去中心化精神的象徵。中本聰的「隱退」不僅讓比特幣的理念顯得更加純粹，還使得他本人成為近乎宗教領袖般的存在。 加密貨幣：風口、泡沫與污名 自2010年比特幣價值逐漸被市場發現以來，一系列構建於相同技術框架上的其他加密貨幣相繼誕生，如2011年推出的萊特幣（Litecoin）。不過，加密貨幣早期應用場景頗為尷尬，它們常用於非法交易支付，例如在暗網市場中流通，似乎代表了一個「灰色地帶」。 名詞背後站着利益團體 隨着時間推移，加密貨幣與市場泡沫的聯繫愈加緊密。2015年，以太坊（Ethereum）系統上線，大大降低了創造加密貨幣的成本，同時也催生了一個充滿投機的泡沫市場。2018年，加密貨幣市場經歷了第一次大規模崩盤。2021年，去中心化金融（DeFi）和非同質化代幣（NFT）浪潮席捲市場，再次掀起了投資狂潮，卻在2022年又一次崩盤。隨着全球監管機構的關注與介入，加密貨幣面對日益嚴峻的合規壓力，進一步加劇了其市場污名化。 區塊鏈的誕生與意義的重構 許多人認為「區塊鏈」與比特幣幾乎同時出現，甚至更早，但事實並非如此。根據Google Trends數據，Blockchain這個詞直到2012年至2013年間才開始被用於描述比特幣背後的分布式系統技術【圖】。這一名詞後來在內地翻譯為「區塊鏈」。區塊鏈這個詞的出現作為一種符號建構策略，賦予了一個技術堆棧以新的象徵意義。從此，技術被從市場投機的標籤中剝離出來，塑造了一個中立性和普適性的形象：「信任機器」。技術公司們從而出師有名地在金融、供應鏈、醫療、政府數據管理等更廣泛的領域中推動市場。當然，市場是否真正採納了這一技術，並不在本文的討論範圍之內。 元宇宙與Web3：行業的自我救贖 加密貨幣行業對於自身的被污名化也並非不自知。行業早就開始嘗試用新的術語為自己重新尋找定位。兩個最有影響力的名詞：元宇宙和Web3，都是舊詞新用的代表。 元宇宙的概念來源於1992年的科幻小說《雪崩》，是指與現實世界平行、一個擁有娛樂和經濟體系的虛擬世界。加密貨幣行業借用這個概念表達在互聯網世界裏重造經濟系統的願景。好景不長，傳統科技行業也迅速發現了這個詞的魅力。當Facebook改名為Meta時，元宇宙的敍事被徹底改寫，變成了一個與VR、AR緊密相關的數字世界願景。這一過程展示了話語操控背後的角力：科技巨頭大敗新貴。 Web3則由Gavin Wood在2014年提出，用於表達由加密貨幣驅動的、有用戶主權的互聯網理想（也許你也聽說過著名的「read, write, own」）。然而，這個概念長期處於邊緣狀態，直到2021年才被重新發現，並一直沿用到今天。 在這兩個詞的身上我們需要看到：技術和行業的命名實際上是一個社會建構的過程。每個詞的背後都站立着一個利益群體，為了達到自身的目的，通過各種方式向社會施加影響。 本地市場：政策驅動的創新之路 如今，全世界由加密貨幣派生出來的名詞術語數不勝數，每個國家地區也都有自己更流行的用法。香港政府希望打造全球數字經濟的樞紐、通過具體的應用場景和監管框架打造穩定的市場，以維護國際金融中心的地位。目前，在香港使用最多的詞應屬Virtual Asset（虛擬資產）、Tokenized Asset（代幣化資產）、Real World Asset（真實世界資產）和Web 3.0。它們都有一個共性：試圖使用中性的詞彙與加密貨幣的投機、泡沫形象切割開來，希望藉此重塑市場的信任與敍事。 概念創新不一定是技術革新 我在這裏無意贅述每個名詞背後的微妙區別、利益群體，以及他們的陰謀陽謀。不過需要提醒的是：它們中的一些反映了加密貨幣行業對合法性的追求，一些表明了技術敍事在傳統金融行業中的接納，還有一些的動機並不完全明瞭。 結語：太陽底下沒有新鮮事 正如我們所見，從比特幣到區塊鏈，從加密貨幣到Web3和代幣化資產市場，每一個新概念的誕生背後都有其社會建構的邏輯。概念的創新並不一定是技術的革新，可能只是不同利益群體為了應對市場變化、吸引用戶和資本所進行的話語重塑。概念的更替也並非風險的消弭，它們在帶來新希望的同時，也將風險隱藏在新的迷宮裏。無論名詞如何變化，我們都要清楚地認識到人性不會變化。… 

強制公積金計劃（MPF）是香港一個強制性的退休儲蓄計劃，旨在幫助居民在退休後有足夠的經濟保障。自2000年推出以來，MPF已成為香港退休保障體系的重要組成部分。儘管MPF計劃在幫助居民累積退休儲蓄方面取得了一定成效，但也面臨一些挑戰。強積金計劃提供多種投資選擇，包括股票、債券和混合基金，並提供眾多地域投資選項，讓參與者可以根據自身風險承受能力進行選擇。但不同的強積金的投資回報承受的市場波動影響較大，究竟如何選擇適合自身的強積金？ 每隻強積金均提供了自身的風險指標，反映了基金表現的波動性。風險指標是基於過去3年的年化標準差計算，風險指標愈高，基金波動性愈大。但很少有人提醒投資者，常見標準差在衡量風險上也有一些劣勢。以下將透過一些虛擬的情景進行示範，說明風險指標本身的風險。 各情景模擬一年的實際投資情景，均在每月末投入100 元，其中第一筆投資在第一個月的月末投入，最後一筆在第12 個月末投入，共投入12筆，並在第13月末計算收益。 衡量調整風險後表現 常見標準差的其中一個劣勢是無法反映收益曲線的形狀。如情景2、3、4，在第13月底的單價一致，且標準差也基本一致，但收益曲線的形狀影響了最終收益【圖】。其中收益最高是情景3【表1】，原因是收益曲線先下跌再上漲，在下跌時能購入更多份額，使在後半段的上漲中獲利。 這個例子也啟發了在長期的投資過程中，短期下跌是有利的，對應於標準差（風險）的增加也是有利於整體回報。不應盲目追求風險指標較低的MPF基金。 常見標準差還有一個劣勢是無法區分方向，如情景5整體是上升趨勢，而情景6整體是下降趨勢，但其標準差基本一致。最終兩個情景的收益也有差異。因此，應綜合評估MPF基金的表現，可以嘗試使用夏普比率（Sharpe Ratio）進行量化分析。 夏普比率是由諾貝爾經濟學獎得主威廉夏普（William F. Sharpe）於1966 年提出的一種衡量投資績效的指標，用於評估投資組合在調整風險後的表現。夏普比率愈高，表示在承擔相同風險的情況下，投資組合獲得的超額報酬愈多。假設無風險利率為零，分別計算情景5 和情景6 的夏普比率，可以發現情景5 相比情景6 具有較高的夏普比率【表2】，即承擔相同風險的情況下有較高收益。 在MPF 投資中，隨着時間推移，後續投資的資金對整體持倉成本的影響愈來愈小，造成「鈍化」現象。此現象主要是由於早期投入的資金佔比逐漸增大，而後續每次投資的金額相對較小，導致攤薄成本的效果減弱。舉個例子，如果每月投資100 元，第一年後持有的基金金額為1200元，此時再投資100元，佔比為8.3%。到了第二年，持有金額達到2400元，再投資100元，佔比就只有4.2%了。由於鈍化現象的存在，獲取更高的長期收益相比風險指標更為重要，透過夏普比率可以平衡收益與風險，找到更合適的基金進行投資。 不應過度避開風險指標較高基金 綜上所述，在MPF投資過程中不應過度避開風險指標較高的基金，長期正收益基金若風險指標較高，反而可提供較高的整體收益。個人投資者應結合收益與風險進行全面判斷，選擇更適合自己的基金，而不是一味追求絕對無風險。 聲明：感謝InnoHK、香港特別行政區政府及人工智能金融科技實驗室對本文的支持。內容不代表他們的意見。 作者廖國林為人工智能金融科技實驗室數據科學家；張昕之為香港城市大學媒體與傳播系副教授；祝建華為香港城市大學媒體與傳播系及數據科學學院講座教授 信報財經新聞原文：強積金投資宜善用夏普比率 – 廖國林 張昕之 祝建華 – 數據見真章 – 信報網站 hkej.com

With the continuous advancement of computer technology and algorithms, the application of AI-generated content (AIGC) has gained widespread attention in recent years. For example, within just two months of its launch, ChatGPT reached 100 million… 

券商分析師需要在上市和基金公司之間平衡利益，因此，保持客觀、中立非常困難，導致投資評級報告存在一定誤差。分析師們往往「唱好不唱衰」，令股票目標價普遍被高估。本文分析了30家外資券商針對44隻港股在過去6年間（2019年至2024年）預測報告數據，從時間和行業兩個維度，探討其一年內的準確性，並通過目標價達成率（Target Price Reach Rate）和誤差率（Mean Absolute Percentage Error）兩個指標作評估。 根據參考【圖1】顯示6年來每一年目標價預測的誤差與達成率。從時間維度來看，研究報告目標價預測的準確性，明顯受新冠疫情影響。2019至2022年間，目標價誤差逐漸減少。2019年，由於港股市場波動劇烈，目標價誤差超出平均水平10個百分點。自2020年新冠疫情爆發以來，分析師預測變得更為保守，目標價達成率得以提升，達到70%。到了2021年，隨着新冠疫苗推廣接種和疫情穩定控制，預測趨於樂觀。 然而，當時港股處於熊市，市場反應不如預期，目標價達成率驟降至22%。到2022年，疫情逐步結束，目標價達成率回升至接近疫情前的水平，誤差近乎最低，但與股票波動風險相比，仍處於較高水平。 在最近一年多，疫情結束，經濟復甦未如預期強勁，圖中可見2023年和2024年，目標價達成率一直徘徊在20%左右。顯示目標價被高估，而誤差率也較2022年有所上升。 醫療保健業誤差最勁 從另一數據【圖2】可以看出，不同行業誤差和目標價達成率存在明顯差異。本文按誤差率排序發現，受疫情影響最嚴重的醫療保健產業誤差最大，且目標價達成率較低；代表該產業漲幅不如預期，是一個被高估的行業。 同樣被高估的還有保險業，目標價達成率僅為18%。誤差較小的產業如電訊服務和公用事業，在疫情期間表現出較高的預測準確性，這得益於行業本身的穩定性。然而，這兩個行業目標價達成率均較低，即市場表現接近預期，但依然有差距，這些行業同樣被高估。 謹慎參考多方訊息來源 相比之下，煤炭產業在近幾年表現較為穩定，目標價達成率為60%，誤差相對較小，突顯對該行業的預測較為準確。類似的，電器與消閒電子產品和家庭及個人護理用品兩個行業的預測準確率也很高。而資訊科技器材以及酒店、餐飲與休閒這兩個行業雖然擁有較高的達成率，但誤差也較大，顯示市場表現超出預期，屬於被低估行業。 同時，我們還發現，港資、中資和外資券商的預測誤差非常接近，但預測準確性不穩定，對時間變化極為敏感，而且不同行業之間存在差異。投資者應該參考多方訊息來源，不僅依賴券商的目標報價。在投資過程中，應注意分散投資，避免把所有資金集中在單一或少數幾隻股票上，同時應選擇波動較小、相對穩定的行業，以降低風險。 作者崔洋為人工智能金融科技實驗室數據分析專員；張昕之為香港城市大學媒體與傳播系副教授；祝建華為香港城市大學媒體與傳播系及數據科學學院講座教授 感謝InnoHK、香港特別行政區政府及人工智能金融科技實驗室對本文的支持。內容不代表他們的意見。