Paper 105 ｜投資社團的群體智慧：混合 LSTM 預測與社群意見的投資組合選擇
閱讀 Information & Management 2024 論文 A collective portfolio selection approach for investment clubs。交大資管李永銘老師團隊如何將「群眾意見」與「AI 股價預測（LSTM）」結合，替投資社團打造集體投資組合。這篇研究的「混合智慧」架構，與多代理人（Multi-Agent）跨部門決策的實務應用有著極為巧妙的呼應。
WRITTEN BY
- Name
- Harry Chang
這篇論文來自交大資管所李永銘老師團隊，發表於 2024 年的頂級期刊 Information & Management（SSCI）。如果說前一篇（Paper 104）幫助我們劃定了 AI 自動化的邊界，這篇則為我們展示了**「如何把不同來源的智慧彙整成一個決策」**。
參考資料與研究團隊
- 論文名稱：A collective portfolio selection approach for investment clubs
- 出處：Information & Management, 61(2), 103909（2024, SSCI）
- 主要研究人員：Li, Lin & Hung (交大資管團隊)
一、研究核心：投資社團的混合智慧
投資社團（Investment Clubs）是一群人共同做出投資決策的群體。這篇研究旨在提出一套機制，幫助這類群體產出最佳的投資組合。
老師的方法非常具備啟發性：他們採用了**「混合智慧（Hybrid Intelligence）」**的概念。
- 萃取社群的集體智慧：利用 StockTwits 等社群平台，萃取大眾對於市場標的的看法。
- 結合 AI 預測模型：使用 LSTM（長短期記憶神經網路）來進行歷史股價的趨勢預測。
- 客製化整合：最後根據該投資社團整體的風險承受度與投資偏好，將上述兩者（群眾意見 ＋ 模型預測）進行最佳化，組出最終的投資組合。
實證結果顯示，這種混合機制的績效，擊敗了單純的市場指數與其他的基準決策方法。
二、對「企業多代理人（Multi-Agent）決策」的啟發
這篇論文雖然應用在投資領域，但它的底層邏輯——「群體決策 = 多方意見 + AI 預測 → 一個集體建議」，完美契合了我們在設計企業內部 LLM Agent 時的架構。
在企業實務中（如 D 公司），一個大型的簽核（例如報價、採購）往往需要跨部門協作。我們可以將老師的框架做以下轉換：
- 投資社團的社群意見 ➡️ 企業內部**各部門代理人（業務、生管、採購、財務）**依據各自領域的數據（如 ERP 庫存、財務報表）所表達的判讀意見。
- LSTM 模型預測 ➡️ 主控 Agent 或決策模型對歷史成功訂單的趨勢分析。
- 產出投資組合 ➡️ 多個 Agent 經過辯論與協商後，自動整合成一份簽呈或建議書，送交人類主管核准。
透過引用這篇文獻，我們可以強而有力地向口試委員或主管說明：「讓不同角色的 Agent 先各自判讀，再彙整成一份綜合建議，正是經典 MIS 機制設計在生成式 AI 時代的延伸應用。」
免責聲明： 本文為論文閱讀與技術研究筆記，針對核心概念與延伸應用進行整理。詳細的實證模型、資料收集與量化分析方法，請務必參閱論文原文。