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...