AI 人工智慧在交易上的可行與不可行

閱讀時間約 2 分鐘
根據姜林教授 在 程式交易的新境界 文章裡, 對交易策略的開發有以下分類 ---
1. 模式導向(model driven): 有明確邏輯, 可以量化、程式化、經科學驗證的模型,不管邏輯源自於技術、基本、籌碼或總經分析, 而以此產生的量化策略稱之; 主要是市場邏輯的演繹
2. 資料導向(data driven): 來自於對市場數據的歸納分析, 不同於第一種模式導向有演繹的邏輯, 很多時候連策略開發者, 自己也不知其交易規則是什麼
3. 演化導向(evolution driven): 透過電腦環境的市場複製與投資人行為模擬,找出市場在參與者共同互動、演化、學習後的可能發展,此種基於市場競局本質,從市場演化軌跡模擬建構的策略稱之
在交易上應用AI人工智慧技術, 無疑是屬於第二種資料導向的, 主要概念是利用演算法試圖找資料裡面的pattern, 最後根據pattern來做交易決策. 演算法有多種手段(ex: 分群, 多維度... etc.)去檢視資料後得到的結論, 常常是人類所不能理解或很無厘頭的(你有能力理解一份資料用3維度來解釋就算很厲害了, 5維度? 10維度呢?), 也像文藝復興科技公司說的有些買賣決策根據是沒來由的(但資料分析上就是很準), 對於AI交易方面我曾經為文寫過 現階段AI或理財機器人以行銷為多, 文章的重點是AI夠不夠能力應付交易世界, 完全取決於訓練資料的準備, 很仰賴找到夠格的domain expert而致使資料品質風險太大, 再加上它以資料導出規則, 沒發生過的事件便沒資料去訓練AI, 會使得未來無經驗的事件發生時, AI可能會不知所措, 或者本就是無厘頭的決策會讓人類傻眼, 更不知黑天鵝發生時可不可以信賴
Van K. Tharp說過: 交易是在交易你的信念! 我信念上還是認為交易的執行者是人類, 有合理邏輯演繹與推導的第一類模式導向(model driven)策略開發法, 在緊張時刻較能讓人類去信賴而願意遵循地去執行; AI近幾年因為人云亦云地很夯, 或許能在99%的時間裡讓你游刃有餘, 但在關鍵時刻的無能, 在真金白銀的世界裡我真的會怕, 怕無厘頭的決策出現致命的缺陷而破產; 至於第三種演化導向, 明顯可知人類賽局有完全理解? 人類行為多變致使模擬的完整性? 市場環境真的能複製和演化推導? 變數實在太多, 而且都在萌芽階段...
    20會員
    23內容數
    留言0
    查看全部
    發表第一個留言支持創作者!
    自營家的沙龍 的其他內容
    除非您天生有盤感, 像我這種沒天分的, 期權商品的短線操作, 不免要藉用一些技術分析指標, 來相對客觀地告訴我當下該怎麼做; 由於已經規則化的關係, 甚至也可以做成全自動化下單交易. 但期商看盤系統附贈的指標多達百種, 到底哪一種比較好? 不知各位有無看過電視上的波浪大師, 知道他是怎麼做分析的嗎?
    量化交易協會理事長 吳牧恩博士提到重點 --- 交易是 [週期] 的問題 看到很多程式交易愛好者陷入參數最佳化的泥沼與陷阱, 主因是他們都沒先去解決上述的週期問題所致, 試想若週期不是個問題了, 是否參數還需要存在?
    *** 這篇自認道盡秘密最多, 但算是選擇權操作的進階, 沒有基礎的人士可以考慮跳過
    不廢話! 直接先看我的新交易程式分別在不同3個商品上的表現: 台股加權指數 交易程式在台股加權指數上的回測報告 台積電日線圖 交易程式在台積電上的回測報告 黃金期貨日線圖 交易程式在黃金期貨上的回測報告 沒有錯! 不要懷疑您的眼睛!我沒有P圖, 沒必要造神, 更從來沒有任何營利意圖. 這個
    操作選擇權Options開宗明義第一要務 --- 做選擇權要先看VIX, 指數或價格都沒有它來得重要吧. 0206事件後曾經說過: 最好把買賣選擇權只看成是做多或做空波動率, 如此可以跳脫以方向性來論斷OP價格是否合理的糾結
    上一篇的重點在 --- 問題1有關於邏輯與思考, 而問題2則是有關於報酬和風險, 我相信有這兩項利器在市場上便很容易討生活; 現在把參考答案獨立在這邊:
    除非您天生有盤感, 像我這種沒天分的, 期權商品的短線操作, 不免要藉用一些技術分析指標, 來相對客觀地告訴我當下該怎麼做; 由於已經規則化的關係, 甚至也可以做成全自動化下單交易. 但期商看盤系統附贈的指標多達百種, 到底哪一種比較好? 不知各位有無看過電視上的波浪大師, 知道他是怎麼做分析的嗎?
    量化交易協會理事長 吳牧恩博士提到重點 --- 交易是 [週期] 的問題 看到很多程式交易愛好者陷入參數最佳化的泥沼與陷阱, 主因是他們都沒先去解決上述的週期問題所致, 試想若週期不是個問題了, 是否參數還需要存在?
    *** 這篇自認道盡秘密最多, 但算是選擇權操作的進階, 沒有基礎的人士可以考慮跳過
    不廢話! 直接先看我的新交易程式分別在不同3個商品上的表現: 台股加權指數 交易程式在台股加權指數上的回測報告 台積電日線圖 交易程式在台積電上的回測報告 黃金期貨日線圖 交易程式在黃金期貨上的回測報告 沒有錯! 不要懷疑您的眼睛!我沒有P圖, 沒必要造神, 更從來沒有任何營利意圖. 這個
    操作選擇權Options開宗明義第一要務 --- 做選擇權要先看VIX, 指數或價格都沒有它來得重要吧. 0206事件後曾經說過: 最好把買賣選擇權只看成是做多或做空波動率, 如此可以跳脫以方向性來論斷OP價格是否合理的糾結
    上一篇的重點在 --- 問題1有關於邏輯與思考, 而問題2則是有關於報酬和風險, 我相信有這兩項利器在市場上便很容易討生活; 現在把參考答案獨立在這邊:
    你可能也想看
    Google News 追蹤
    Thumbnail
    接下來第二部分我們持續討論美國總統大選如何佈局, 以及選前一週到年底的操作策略建議 分析兩位候選人政策利多/ 利空的板塊和股票
    Thumbnail
    🤔為什麼團長的能力是死亡筆記本? 🤔為什麼像是死亡筆記本呢? 🤨作者巧思-讓妮翁死亡合理的幾個伏筆
    Thumbnail
    人工智慧智慧的運作有賴於資料的搜集,而藉由資料庫的建立後,依其人工所編寫的演算法或規則,自行學習、運用,已達到節省人工有效率的目的。但,若是被濫用,後果不堪設想!
    Thumbnail
    前幾年看『華爾街日報』報導一件事,全球大數據資料的擴增跟應用正急速擴張當中,因為中國大陸的崛起還有人數的因素,以亞洲地區大數據相關產業最具獲利潛力。 從今之後,用大數據來獲取投資,是越來越常見到的事,高盛集團在2015年對新加坡大數據公司進行高達5,600萬美元的投資案,企圖從社群媒體、通訊APP得
    Thumbnail
    AI人工智慧的興起,就好比當年網路爆紅,是一種全面性的突破,不管是哪類型的產業,只要是有辦法將資料數位化,都很有可能與它搭上關係!這就是為什麼許多的企業甚至國家不惜砸下重本也想要投資搶進的一塊領域,而娛樂產業近來與ai也有眾多的結合,讓我們來看看吧~
    Thumbnail
    人工智慧始終還是「人工」,機器需要透過人類的訓練,像人類一樣經過學習才能夠進行反饋。但它與人不同的地方則是不會疲憊、可以不斷的進行學習,這也進而加快了應用的時間。而牽涉到聯想及整合的時候,它依舊無法取代人類;人類在聽音樂時產生的觀點,也是人工智慧無法想到的。
    Thumbnail
    接下來第二部分我們持續討論美國總統大選如何佈局, 以及選前一週到年底的操作策略建議 分析兩位候選人政策利多/ 利空的板塊和股票
    Thumbnail
    🤔為什麼團長的能力是死亡筆記本? 🤔為什麼像是死亡筆記本呢? 🤨作者巧思-讓妮翁死亡合理的幾個伏筆
    Thumbnail
    人工智慧智慧的運作有賴於資料的搜集,而藉由資料庫的建立後,依其人工所編寫的演算法或規則,自行學習、運用,已達到節省人工有效率的目的。但,若是被濫用,後果不堪設想!
    Thumbnail
    前幾年看『華爾街日報』報導一件事,全球大數據資料的擴增跟應用正急速擴張當中,因為中國大陸的崛起還有人數的因素,以亞洲地區大數據相關產業最具獲利潛力。 從今之後,用大數據來獲取投資,是越來越常見到的事,高盛集團在2015年對新加坡大數據公司進行高達5,600萬美元的投資案,企圖從社群媒體、通訊APP得
    Thumbnail
    AI人工智慧的興起,就好比當年網路爆紅,是一種全面性的突破,不管是哪類型的產業,只要是有辦法將資料數位化,都很有可能與它搭上關係!這就是為什麼許多的企業甚至國家不惜砸下重本也想要投資搶進的一塊領域,而娛樂產業近來與ai也有眾多的結合,讓我們來看看吧~
    Thumbnail
    人工智慧始終還是「人工」,機器需要透過人類的訓練,像人類一樣經過學習才能夠進行反饋。但它與人不同的地方則是不會疲憊、可以不斷的進行學習,這也進而加快了應用的時間。而牽涉到聯想及整合的時候,它依舊無法取代人類;人類在聽音樂時產生的觀點,也是人工智慧無法想到的。