GPT 是一檔在全球股票市場中篩選投資機會的主動管理型商品。其流程為：人工智慧模型分析主要投資人的投資哲學與策略以找出候選標的，再經由人為覆核後納入投資組合。

本商品適合理解指數追蹤與人工智慧選股及主動管理方式之間差異，且能承受長期波動的投資人。

由 Intelligent Alpha 進行主動式（積極管理）操作的 ETF。

本商品並非機械式追蹤特定指數，而是由人工智慧模型分析投資哲學與市場數據後所建構的股票組合。真人分析師會覆核輸入資料與規則遵循情況，因此模型輸出與運作程序的結合將影響績效與風險。

• 運用投資哲學分析進行選股
• 對模型結果進行人工規則覆核
• 聚焦全球股票機會的主動管理

管理資產規模（AUM）為 $22.5M，總費用率（Expense Ratio）為每年 0.69%。

GPT ETF 與指數追蹤型商品不同，其納入判斷與周轉率在運作過程中可能有所變動。因此除了費用率外，買賣頻率、交易條件、模型的輸入資料與覆核程序對長期持有體驗的影響，也需一併檢視。

GPT ETF 的績效走勢會受全球股票市場環境及所選標的相對表現的影響。在主動管理架構下，即便處於市場上漲階段，仍可能因成份股與運作判斷而出現與指數不同的走勢；在下跌階段，選股結果的防禦能力也是驗證重點之一。

市場對人工智慧運用的關注，可能同步提高投資人的期待與檢驗要求。資金流向會隨全球股票風險偏好、對科技運用策略的評價，以及對配息政策與成本負擔的認知而變動，難以僅憑短期進出紀錄判斷策略有效性。

結合人工智慧與人工覆核的篩選流程是其差異化賣點，但對模型的依賴及較高的周轉率可能性，可能提高成本與績效的不確定性。

比較表中的 BDVL ETF 聚焦波動性管理的主動管理方式，與追求全球股票篩選的 GPT ETF 運作觀點不同。KNO ETF 性質上以知識驅動企業為篩選主軸，需確認其主題型曝險；而 FORH ETF 則是採用不同篩選標準的類似商品。三檔商品的管理費用與資產規模各異，與 GPT ETF 比較時，建議一併檢視策略一致性、周轉率與配息政策。

檢視 GPT ETF 時，不應僅憑「人工智慧」一詞便下判斷，而應深入了解實際運作架構與成本因素。需評估與指數追蹤商品不同的成份決策程序、每年配息一次的現金流是否合適，以及周轉率所衍生的交易成本，並與自身投資期間相互對照。

GPT ETF 的核心風險在於，人工智慧模型的輸入資料與運作方式未必能產生預期結果。主動管理過程中頻繁的調整，可能衍生交易成本與稅務相關負擔；全球股票市場波動與匯率變化亦會影響以韓圓計價的績效表現。

GPT ETF 是追求以人工智慧為基礎篩選全球股票策略的投資人可以檢視的主動管理商品。然而，因運作判斷的影響程度高於指數追蹤型商品，在理解每年配息一次的結構、成本、周轉率與模型風險後，於長期資產配置中決定配置比重，將是較為合適的做法。