
SCBMLT กองทุนยุคใหม่ใช้ AI บริหาร ปิด IPO ทะลุพันล.
นักลงทุนประเดิมของใหม่ "กองทุนไทยพาณิชย์ Machine Learning Thai Equity" ใช้ปัญญาประดิษฐ์ หรือ AI วิเคราะห์หุ้นลงทุน ปิดขายครั้งแรกยอดกว่า 1.15 พันล้านบาท
บริษัทหลักทรัพย์จัดการกองทุน ไทยพาณิชย์ จำกัด ปิดการเสนอขายครั้งแรกของกองทุนเปิดไทยพาณิชย์ Machine Learning Thai Equity (SCB Machine Learning Thai Equity Fund) : SCBMLT ที่เปิดเสนอขายระหว่างวันที่ 28 พ.ย. – 4 ธ.ค.2560 มียอดเงินเข้าลงทุนจำนวน 1,157 ล้านบาท ซึ่งถือเป็นบลจ.แรกในไทยที่นำเสนอกองทุนรวมให้่นักลงทุนได้เป็นทางเลือกลงทุน
กองทุน SCBMLT จะลงทุนในหุ้นประมาณ 40-60 ตัว ในตลาดหลักทรัพย์แห่งประเทศไทย และ/หรือตลาดหลักทรัพย์ MAI เฉลี่ยไม่ต่ำกว่าร้อยละ 80 ของมูลค่าทรัพย์สินของกองทุนรวม มีเป้าหมายในการลงทุนให้ผลประกอบการสูงกว่าดัชนีชี้วัด (Active Management) โดยใช้การวิเคราะห์เชิงปริมาณ (Quantitative Analysis) ซึ่งมีการใช้เทคนิคทาง Machine Learning ที่นำนวัตกรรมปัญญาประดิษฐ์ (Artificial Intelligence) หรือ AI เข้ามาใช้ในกระบวนการการตัดสินใจลงทุน
มาประกอบการคัดเลือกหลักทรัพย์ในการลงทุนผ่านระบบที่พัฒนาขึ้นโดยบริษัทจัดการ ได้แก่ 1.วิเคราะห์หุ้นโดยพิจารณาจาก Factor ที่คาดว่ามีผลต่อราคาหุ้น เช่น Valuation, Growth, Quality, Sentiment, Momentum, Risk เป็นต้น
2.ให้น้ำหนักแต่ละ Factor โดยพิจารณาจากผลการดำเนินงานย้อนหลังของ Factor ต่าง ๆ ประกอบกับปัจจัยอื่น เช่น สภาวะตลาด ความผันผวน ตัวเลขชี้วัดทางเศรษฐกิจ เป็นต้น และ 3.จาก Factor ดังกล่าว ประกอบกับน้ำหนักของแต่ละ Factor นำมาคำนวณคะแนนของหุ้นแต่ละตัว แล้วจึงจัดสรรน้ำหนักการลงทุนผ่านกระบวนการ Optimization เพื่อให้ได้พอร์ตการลงทุนที่มีความสมดุลระหว่างผลตอบแทน ความเสี่ยง รวมถึงข้อจำกัดในการลงทุน
บริษัทหลักทรัพย์จัดการกองทุน ไทยพาณิชย์ จำกัด ปิดการเสนอขายครั้งแรกของกองทุนเปิดไทยพาณิชย์ Machine Learning Thai Equity (SCB Machine Learning Thai Equity Fund) : SCBMLT ที่เปิดเสนอขายระหว่างวันที่ 28 พ.ย. – 4 ธ.ค.2560 มียอดเงินเข้าลงทุนจำนวน 1,157 ล้านบาท ซึ่งถือเป็นบลจ.แรกในไทยที่นำเสนอกองทุนรวมให้่นักลงทุนได้เป็นทางเลือกลงทุน
มาประกอบการคัดเลือกหลักทรัพย์ในการลงทุนผ่านระบบที่พัฒนาขึ้นโดยบริษัทจัดการ ได้แก่ 1.วิเคราะห์หุ้นโดยพิจารณาจาก Factor ที่คาดว่ามีผลต่อราคาหุ้น เช่น Valuation, Growth, Quality, Sentiment, Momentum, Risk เป็นต้น
2.ให้น้ำหนักแต่ละ Factor โดยพิจารณาจากผลการดำเนินงานย้อนหลังของ Factor ต่าง ๆ ประกอบกับปัจจัยอื่น เช่น สภาวะตลาด ความผันผวน ตัวเลขชี้วัดทางเศรษฐกิจ เป็นต้น และ 3.จาก Factor ดังกล่าว ประกอบกับน้ำหนักของแต่ละ Factor นำมาคำนวณคะแนนของหุ้นแต่ละตัว แล้วจึงจัดสรรน้ำหนักการลงทุนผ่านกระบวนการ Optimization เพื่อให้ได้พอร์ตการลงทุนที่มีความสมดุลระหว่างผลตอบแทน ความเสี่ยง รวมถึงข้อจำกัดในการลงทุน






