香港的强制性公积金 (MPF) 制度在保障老龄人口的退休成果中扮演着重要角色，这需要在监管和成本限制下，提供能够稳定且具长期增长的投资组合。然而，MPF 计划在管理下行风险方面面临结构性挑战：动态再平衡和衍生品的成本高昂且操作复杂，同时受到强制性公积金计划管理局 (MPFA) 的规范限制，而以被动投资为主的理念进一步限制了主动风险对冲工具的使用。因此，在不增加成本或监管负担的情况下，保护 MPF 投资组合免受市场下跌影响变得十分困难。
为了解决这些挑战，本项目提出了一个被动且低成本的跨部门下行风险管理框架，重塑 MPF 股票的组成部分，而不是直接对冲市场风险。这种方法结合了两种信号：一是基于学习的方法，利用期权隐含波动率曲面和神经网络来预测未来的崩盘概率；二是基于理论的稳健性方法，推导出与期权价格一致的保守型最坏情况表现界限。这两种信号共同构成一个透明且符合管治要求的评分卡，以辨别脆弱与强韧的股票。基于此，项目将推出 HKAIFT SafeSelect 指数，这是一个基于规则的被动指数，选择最具韧性的 80% 股票，并配合考虑基准的覆盖策略，控制追踪误差和周转率，以适应 MPF 的要求。
此外，项目还将增强一个 AI 驱动的 MPF 聊天机器人，旨在提高 MPF 成员的退休决策能力和财务能力，特别是对于不熟悉数码技术的用户。该聊天机械人结合了多语言、语音启用功能，并提供经过验证的数据检索、个性化教育、基金比较和资产配置指导，并由「AI 对 AI」验证层加强，以确保合规性、准确性和负责任的生成式 AI。在科普社创黑客松竞赛中成功完成原型测试后，下一阶段将落实下行风险信号的运作，推出 HKAIFT SafeSelect 指数，并扩展聊天机械人的压力期间分析功能。透过与 MPF 受托人、运营商及监管机构的合作，项目旨在提供可扩展且符合监管要求的工具，以加强下行保护，并支持可持续的退休成果。
