人工智慧AI以行銷目的為多

更新於 發佈於 閱讀時間約 5 分鐘

十幾年前還在上班累積操作資金的時候(沒辦法! 沒有富爸爸), 從事的是資料科學(data science)相關, 也是Oracle ERP的data architect, 並受過SAP Data Warehousing 模組的訓練

raw-image

也就是之前的工作經驗都是靠data吃飯(全職操作後更是努力地玩data, 近幾年趕流行也用過AI). 對於不懂大數據或區塊鏈的, 可以看我的科普文章

近幾年理財機器人或是人工智慧(AI), 因為AlphaGo戰勝棋王的宣傳變得很夯, 不少人以為面對類似的市場戰局(抉擇), 人工智慧必定很有發揮的空間; 現實卻殘忍地告訴您, AI團隊努力了幾年卻宣告失敗了, 改轉進醫療相關領域, 可參考連結報導 https://zhuanlan.zhihu.com/p/31913355 (也有人說是假新聞). 簡化地告訴您, 人工展現智慧前, 必須有一段機器學習的過程; 而這機器學習(ML)通常可以這樣定義:「透過從過往的資料和經驗中學習並找到其運行規則。」然而正是這 [資料] 和[經驗] 侷限了一切!

關於人工智慧, 您可以把機器想像成很小的小孩, 看您要怎樣教育他, 每個人教育小孩的方法都不同. 這就是我說準備訓練資料時的domain expert(例: 操作贏家)最重要, 不是只有我們這種data scientist是關鍵. 根據完全同樣一份市場的報價歷史資料, 您可以將訓練資料準備成好幾種, 一種是讓機器去學遇到哪幾種狀況同時存在時去做交易的; 另一種是讓機器去學後面的人心計算是怎麼運作, 然後據此再去交易的, 而其他種則看domain expert的創意. 像小孩學課程一樣, 教材不同, 學出來的孩子技能也都不同. 當然教材笨笨的, 學出來的小孩也是笨笨的, 教材裡面沒涵蓋的(ex: 黑天鵝), 被教育出來的小孩要知道也難. 所以才強調AI的重點不在後面的技術, 反在於訓練資料的準備

黑天鵝的由來大家都知道吧? 話說古時候北半球的人, 一輩子根本沒機會看過南半球的天鵝有些是黑色的, 因此他的 [資料] 和[經驗] 就侷限在天鵝只會有白色的, 所以我們拿來訓練機器的資料也只能會有白色的(沒發生過的資料, 人類也無能更不可能預見出來), 當這種訓練下來的人工智慧機器, 後來遇到它沒見過的狀況(黑天鵝)時, 您還會認為它會做出有智慧的反應嗎? 哪怕它學習時用的演算法是什麼manifold regularization或是TSVM都沒三小路用

市場因為參與者眾多, 組成分子又會汰舊換新(不管是被抬出場或真正死亡), 市場老師的行為是一直在改變的, 對人工智慧機器來說, 就是不斷地用新出的黑天鵝(它的學習資料庫不存在這些資料), 去挑戰它好不容易用演算法搞出來的規則, 這只會讓它不斷地傻眼而已. 圍棋變數多但仍是有限解(雖窮舉後的資料龐大), 人類可以用有限解的部分集合(ex: 棋譜資料)去訓練電腦, 讓它能在限定時間內算出最佳可行解; 但交易市場屬於無限解... 很難辦!

結論:

回到好的操作方法絕對不是單從市場實戰經驗導出來的, 也可以看做在歷史資料(實戰經驗)中找賺錢的行為或方法, 是有問題的. 繼續重申 --- 正確的作法應是先有理論或model, 理論的涵蓋度夠廣後(把看不見黑天鵝的機率降低), 再用歷史資料去印證理論(model)在已發生資料中的實務可行性僅此而已, 並且達到在 [不修正] 任何參數的前提下, 且在 [不同時間架構]中, 和 [不同商品] 間, 都有同樣水準以上的穿透性(以上 [三不] 最重要)

後記:
看到某位在聚財要開課的老師在他文章裡提到 --- 透過數據的分析及歷史資料的回測來持續改進程式與參數 --- 個人認為這種方式是很值得商榷而期期以為不可!!! 因為這種方式很容易發生資料擬合(data fitting)問題, 造成程式跑過去的歷史資料很漂亮, 但對未來會發生的資料有時很傻眼, 也會使測試報表裡的結果不太可信, 甚至還有人說MDD就是用來破的 哈; 其實, 好的程式是做成 adaptive, 程式裡面有邏輯去自動適應市場的改變, 不是用窮舉參數去做最佳化; 我大部分在跑的交易程式是沒有參數的, 也就無所謂參數最佳化的問題

留言
avatar-img
留言分享你的想法!
avatar-img
自營家的沙龍
21會員
23內容數
自營家的沙龍的其他內容
2021/12/11
做交易要能成功, 其實要懂的事情很有限, 都在執行力的貫徹而已! 我這 [眉眉角角] 的主題累積了不少沒用的東西, 然真正重要的在於觀念革命, 獨立思考而不要人云亦云, 尤其是那些用教課來賺錢的老師說法! 為什麼老師們最喜歡強調 [紀律] ? 因為當你虧損的時候, 可以簡簡單單地把責任推給你不夠有紀
Thumbnail
2021/12/11
做交易要能成功, 其實要懂的事情很有限, 都在執行力的貫徹而已! 我這 [眉眉角角] 的主題累積了不少沒用的東西, 然真正重要的在於觀念革命, 獨立思考而不要人云亦云, 尤其是那些用教課來賺錢的老師說法! 為什麼老師們最喜歡強調 [紀律] ? 因為當你虧損的時候, 可以簡簡單單地把責任推給你不夠有紀
Thumbnail
2021/11/30
自從FaceBook宣布改名後, 元宇宙題材很夯, 相關個股也飆漲了一波; 但你這輩子 [可能] 就已經是元宇宙了, 只是擬真到你不覺得是而已! 因為你不用戴上頭盔, 或是其他穿戴裝置, 生活的一切就像在夢境時一樣真實, 更有智慧話語說: 人生如夢! 我們現在待的世界, 很可能就只是個虛擬世界!!!
2021/11/30
自從FaceBook宣布改名後, 元宇宙題材很夯, 相關個股也飆漲了一波; 但你這輩子 [可能] 就已經是元宇宙了, 只是擬真到你不覺得是而已! 因為你不用戴上頭盔, 或是其他穿戴裝置, 生活的一切就像在夢境時一樣真實, 更有智慧話語說: 人生如夢! 我們現在待的世界, 很可能就只是個虛擬世界!!!
2021/09/30
開課或賣文老師受人質疑後, 總找一些似是而非的理由替自己合理化; 實在看不過去三觀被無故混淆, 即使最後仍是狗吠火車(沒能改變現狀什麼吧)? 想想還是該拿出道德勇氣來 [正衣冠], 我們該有孔子成《春秋》而亂臣賊子懼的氣概才是! 許多老師可能是為了招攬學生方便, 很會凸顯他的經驗老到(20年?),
2021/09/30
開課或賣文老師受人質疑後, 總找一些似是而非的理由替自己合理化; 實在看不過去三觀被無故混淆, 即使最後仍是狗吠火車(沒能改變現狀什麼吧)? 想想還是該拿出道德勇氣來 [正衣冠], 我們該有孔子成《春秋》而亂臣賊子懼的氣概才是! 許多老師可能是為了招攬學生方便, 很會凸顯他的經驗老到(20年?),
看更多
你可能也想看
Thumbnail
嗨!歡迎來到 vocus vocus 方格子是台灣最大的內容創作與知識變現平台,並且計畫持續拓展東南亞等等國際市場。我們致力於打造讓創作者能夠自由發表、累積影響力並獲得實質收益的創作生態圈!「創作至上」是我們的核心價值,我們致力於透過平台功能與服務,賦予創作者更多的可能。 vocus 平台匯聚了
Thumbnail
嗨!歡迎來到 vocus vocus 方格子是台灣最大的內容創作與知識變現平台,並且計畫持續拓展東南亞等等國際市場。我們致力於打造讓創作者能夠自由發表、累積影響力並獲得實質收益的創作生態圈!「創作至上」是我們的核心價值,我們致力於透過平台功能與服務,賦予創作者更多的可能。 vocus 平台匯聚了
Thumbnail
這是一本講述人工智慧的發展,以及企業在導入人工智慧會遇到的困境,和擁抱人工智慧所需要具備的條件,給身在台灣的各位一個思考的方向,是一本很值得一讀的書。
Thumbnail
這是一本講述人工智慧的發展,以及企業在導入人工智慧會遇到的困境,和擁抱人工智慧所需要具備的條件,給身在台灣的各位一個思考的方向,是一本很值得一讀的書。
Thumbnail
利用AI工具發想大綱、整理思緒、自動配圖、甚至產出投影片,一時之間ChatGPT、Tome、Copilot紛紛成為熱話,網上有大量如何施咒語自動預備簡報的教學……那麼,是否從此不再需要學簡報呢?下文一起來採討在自動化預備以後,三個值得你把省下來的時間投資的學習方向,還會預測一下設計市場的潛在變化。
Thumbnail
利用AI工具發想大綱、整理思緒、自動配圖、甚至產出投影片,一時之間ChatGPT、Tome、Copilot紛紛成為熱話,網上有大量如何施咒語自動預備簡報的教學……那麼,是否從此不再需要學簡報呢?下文一起來採討在自動化預備以後,三個值得你把省下來的時間投資的學習方向,還會預測一下設計市場的潛在變化。
Thumbnail
這本書於2016年9月發行,距今已經過了6.5年。夯到快不行的ChatGPT鋪天蓋地,像這樣的類神經網路會偷走我們的工作嗎 ?
Thumbnail
這本書於2016年9月發行,距今已經過了6.5年。夯到快不行的ChatGPT鋪天蓋地,像這樣的類神經網路會偷走我們的工作嗎 ?
Thumbnail
或說,把這本書取名為「猴子也能懂的人工智慧」也有過之而無不及。作者松尾豐教授長年深耕人工智慧的研究與開發,並且經歷AI發展史上的大起大落。之所以著作本書,與其說是推廣或科普人工智慧的知識,不如說是提供務實的資訊與評估,讓那些拿著大把鈔票的資本家們,不會抱有過高的期待,反而耽誤了人工智慧的發展...
Thumbnail
或說,把這本書取名為「猴子也能懂的人工智慧」也有過之而無不及。作者松尾豐教授長年深耕人工智慧的研究與開發,並且經歷AI發展史上的大起大落。之所以著作本書,與其說是推廣或科普人工智慧的知識,不如說是提供務實的資訊與評估,讓那些拿著大把鈔票的資本家們,不會抱有過高的期待,反而耽誤了人工智慧的發展...
Thumbnail
麻省理工學院史隆管理學院首席研究科學家,安德魯.麥克費在這篇2017年發表的文章中,說明了人工智慧對於組織與企業來說,能做到、不能做到什麼,以及帶來哪些新的風險與機會?
Thumbnail
麻省理工學院史隆管理學院首席研究科學家,安德魯.麥克費在這篇2017年發表的文章中,說明了人工智慧對於組織與企業來說,能做到、不能做到什麼,以及帶來哪些新的風險與機會?
Thumbnail
停止誤解這個世界 早期的資料分析,從蒐集數據、清洗數據、利用既有工具或寫程式進行分析,以及建立模型的過程,每一個過程都有其門檻。 現在大多數的資料也都逐漸公開化,分析工具、統計工具簡單化,讓大家愈來愈有機會透過數據的解析,了解過去誤解的這個世界。 譬如說我在講解數據分析時,通常會問第一個問題:醫療進
Thumbnail
停止誤解這個世界 早期的資料分析,從蒐集數據、清洗數據、利用既有工具或寫程式進行分析,以及建立模型的過程,每一個過程都有其門檻。 現在大多數的資料也都逐漸公開化,分析工具、統計工具簡單化,讓大家愈來愈有機會透過數據的解析,了解過去誤解的這個世界。 譬如說我在講解數據分析時,通常會問第一個問題:醫療進
Thumbnail
我很喜歡書中的一段話:「如果你選擇不做決定,你還是做了選擇」,這世界就是這麼奇妙,連你站著不動,事情還是不斷的在發生,AI固然可以幫助我們下決策,但是最後那個決定還是必須由人來下,因為只有人才會清楚明白什麼情況下做什麼決定才是可能的「最理想」,唯有人才能對自己定下的目標有充分的理解。所以結論是...
Thumbnail
我很喜歡書中的一段話:「如果你選擇不做決定,你還是做了選擇」,這世界就是這麼奇妙,連你站著不動,事情還是不斷的在發生,AI固然可以幫助我們下決策,但是最後那個決定還是必須由人來下,因為只有人才會清楚明白什麼情況下做什麼決定才是可能的「最理想」,唯有人才能對自己定下的目標有充分的理解。所以結論是...
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News