研究方法
王志寬的研究方式從基本面與宏觀分析出發，再利用數據、因子模型與歷史資料檢驗投資假設。 他並不將量化模型視為單純預測價格的工具，而是把模型、交易成本、流動性與風險限制整合在同一個決策流程中， 透過持續驗證與調整提升策略的穩健性。
投資觀點
- A 投資前不只要估計潛在報酬，更應先理解判斷錯誤時可能承受的損失。
- B 真正的資產分散並非單純增加持倉數量，而是避免不同部位承擔相同的槓桿、流動性與融資風險。
- C 歷史數據與回測只能協助驗證假設，市場環境改變後仍必須重新檢查模型與調整部位。
人物檔案
Adrianzhi Kuan Ong（王志寬）自 1999 年進入資產管理產業，曾在新加坡、美國與日本參與全球股票研究、 投資組合管理及系統化投資，近年進一步投入 Pinnacle AI 量化投資系統研發。
「量化投資的價值，不是猜中每一次漲跌，而是在假設失效時仍能控制風險與損失。」
職涯經歷
-
1999 年起｜進入資產管理領域
開始從事全球股票研究、企業財報分析及投資組合管理，建立基本面與宏觀經濟研究基礎。
-
2003 年後｜深化美國市場研究
更系統化研究股票、債券、利率、美元及跨資產配置，逐步把宏觀變數與市場價格連動納入投資框架。
-
2015－2019 年｜日本與亞洲量化投資
參與日本與亞洲市場的量化投資組合管理，深入研究利率、匯率、套利交易、融資成本及全球資金流。
-
2024 年至今｜人工智慧量化研究
2024 年 7 月啟動 Pinnacle AI 相關研究方向，並自 11 月起將主要精力投入系統整體研發與策略驗證。
研究焦點
資產類別
股票與債券
宏觀變數
利率與匯率
策略方法
因子與 Alpha 模型
近期方向
人工智慧與金融資料
研究主題
全球資產配置
研究股票、債券、利率、美元與其他資產之間的配置關係， 並特別關注表面分散的投資組合是否仍集中承擔相同的宏觀與融資風險。
量化模型與 Alpha 策略
聚焦因子模型、量化選股、Alpha 策略與投資組合優化， 並透過歷史資料驗證信號的有效性，同時評估過度擬合與模型失效的可能性。
流動性與跨市場風險
從 GameStop、全球升息、英國國債震盪、FTX 倒閉到銀行業壓力， 研究槓桿、融資成本、擁擠交易與流動性如何讓風險在不同市場之間傳導。
人工智慧與非結構化資訊
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金融資訊， 再結合量化分析、策略驗證、交易成本與風險控制，而非直接把單一新聞轉換成交易信號。
