2022/11 ChatGPT 3.5 正式對外發表，全球掀起了一陣AI風潮，各國也持續投入AI的軍備競賽，平常不會接觸AI的人，也開始學著如何跟ChatGPT溝通，有人用GPT來提升工作效率，但也有人是想看GPT的笑話，一直想辦法讓他回得出錯誤答案，一試出錯誤答案，就急著分享給朋友說GPT還不實用，卻不知在自己看笑話的當下，有一群人正在想辦法利用GPT來做許多事。
GPT在交易的領域也有著許多的應用，日後再專文討論，今天先討論若已有開發好的AI模型，可以產生交易訊號時，如何利用MC來進行回測，MC的強處就是在於程式容易上手並且可快速檢視所有的交易點位，進行邏輯驗證後，產生詳細的績效報表。如果這些功能均要自行開發，則需要考量許多因素，開發出平台後，還得花費許多時間進行程式的測試及驗證，既然已使用MC當成回測平台，那我們就將他用到最極致，只要能應用的情境，就盡量使用MC。
當你已建立好AI模型，則可以將歷史資料先餵進這個AI模型，讓模型產生對未來行情的判斷後，產生多空訊號並將訊號輸出成文字檔，在此利用一個小技巧，將訊號的時間序列當成一個商品，商品的價格不能為負，在2020年4月20日前這是理所當然，但當負油價出現後，價格不能為負已非鐵則了，但在MC的商品中，仍不能接受負價格，因此在匯入訊號時，就不能用1代表多、0代表盤整、-1代表空，需要將訊號進行位移，3代表多、2代表盤整、1代表空，再將此內容輸出成文字檔並在MC中建立一個自訂商品後，將這個文字檔當成歷史行情匯入。利用這個方式，就可以參考交易千萬別見樹不見林 文章中的多週期商品類似的方式，將此商品當成Data2，讓訊號的程式碼可以讀取到這個訊號，依訊號的內容（即此商品的收盤價）進行多空進場的依據，而停損及停利倒不必在AI模型中就建立，可自行在訊號中撰寫，然後針對停損停利的方法，進行最佳化，以得到較佳的績效。
今天介紹的作法只是其中的一種應用，讓使用AI建模的投資人可以快速驗證自己的模型效度，產生精細的績效報表，進行各個角度的檢視策略特性，除了AI建模外，也可以將MC報價源未提供的資訊，也利用此方式進行匯入，讓策略的發展可以更具全面性，而不單單只有成交資訊，包含財報、籌碼⋯⋯額外的資訊也可匯入，若匯入的資料也需要在盤中更新，則可利用DDE的方式，讓MC可以讀取到盤中的即時更新。讀者讀完本文後，也可以開始建立自己獨有的行情資料庫，讓自己的策略可以別樹一格。
