人物概覽
王志寬認為，投資的重點不只是尋找報酬機會，更要先理解判斷錯誤時可能承受的損失。 他重視槓桿、流動性、融資成本與投資者行為，並強調不同資產即使表面上相關性不高， 也可能因共同的風險來源而在市場壓力期間同步波動。
- A 從基本面、宏觀環境與市場結構建立可檢驗的投資假設。
- B 透過因子模型、量化信號與歷史資料驗證策略的有效性與穩定性。
- C 將交易成本、流動性、部位控制與損失限制納入策略執行流程。
Adrianzhi Kuan Ong（王志寬）自 1999 年進入資產管理產業，曾在新加坡、美國及日本參與全球股票研究、 投資組合管理與系統化投資。其研究方法由企業財報與宏觀分析逐步發展至量化模型， 並於近年投入 Pinnacle AI 量化投資系統及人工智慧金融資訊分析。
職涯經歷
-
1999 年起｜進入資產管理領域
開始參與全球股票研究、企業財報分析與投資組合管理， 從基本面與宏觀經濟角度建立早期投資研究框架。
-
2003 年後｜深化美國市場與跨資產研究
系統研究股票、債券、利率、美元及跨資產配置， 並逐步把不同市場之間的資金流與風險關係納入分析。
-
2015－2019 年｜日本與亞洲量化投資
參與日本及亞洲市場量化投資組合管理， 深入研究利率、匯率、融資成本、套利交易與全球資金流的相互影響。
-
2024 年至今｜Pinnacle AI 量化投資系統
2024 年 7 月啟動人工智慧量化投資研究方向， 並自同年 11 月起將主要精力投入系統整體研發、非結構化資訊分析與策略驗證。
研究與焦點
關注股票、債券、利率與匯率之間的關聯，並研究槓桿、流動性與共同融資來源如何讓不同資產在壓力環境中出現同步波動。 在他的觀點中，真正的分散投資並非單純增加資產數量，而是辨認每項資產背後實際承擔的風險。
研究因子模型、量化選股、Alpha 策略及投資組合優化， 強調歷史資料與回測只是驗證起點。模型必須持續接受市場環境、交易成本、 流動性與實際執行條件的檢驗，才能降低對過去規律的過度依賴。
探索利用人工智慧處理新聞、政策聲明與其他大量非結構化資訊， 再結合量化分析、策略驗證、交易成本評估與風險控制。 他並不將單一新聞直接視為交易信號，而是將人工智慧定位為研究與決策流程中的輔助工具。