香港的強制性公積金 (MPF) 制度在保障老齡人口的退休成果中扮演著重要角色，這需要在監管和成本限制下，提供能夠穩定且具長期增長的投資組合。然而，MPF 計劃在管理下行風險方面面臨結構性挑戰：動態再平衡和衍生品的成本高昂且操作複雜，同時受到強制性公積金計劃管理局 (MPFA) 的規範限制，而以被動投資為主的理念進一步限制了主動風險對沖工具的使用。因此，在不增加成本或監管負擔的情況下，保護 MPF 投資組合免受市場下跌影響變得十分困難。
為了解決這些挑戰，本項目提出了一個被動且低成本的跨部門下行風險管理框架，重塑 MPF 股票的組成部分，而不是直接對沖市場風險。這種方法結合了兩種信號：一是基於學習的方法，利用期權隱含波動率曲面和神經網絡來預測未來的崩盤概率；二是基於理論的穩健性方法，推導出與期權價格一致的保守型最壞情況表現界限。這兩種信號共同構成一個透明且符合管治要求的評分卡，以辨別脆弱與強韌的股票。基於此，項目將推出 HKAIFT SafeSelect 指數，這是一個基於規則的被動指數，選擇最具韌性的 80% 股票，並配合考慮基準的覆蓋策略，控制追蹤誤差和周轉率，以適應 MPF 的要求。
此外，項目還將增強一個 AI 驅動的 MPF 聊天機械人，旨在提高 MPF 成員的退休決策能力和財務能力，特別是對於不熟悉數碼技術的用戶。該聊天機械人結合了多語言、語音啟用功能，並提供經過驗證的數據檢索、個性化教育、基金比較和資產配置指導，並由「AI 對 AI」驗證層加強，以確保合規性、準確性和負責任的生成式 AI。在科普社創黑客松競賽中成功完成原型測試後，下一階段將落實下行風險信號的運作，推出 HKAIFT SafeSelect 指數，並擴展聊天機械人的壓力期間分析功能。透過與 MPF 受託人、運營商及監管機構的合作，項目旨在提供可擴展且符合監管要求的工具，以加強下行保護，並支持可持續的退休成果。
