A.i人工智慧真的能預測股市嗎 ? 我們不免俗再提到機器學習,前幾年機器學習,人工智慧這些名詞非常的夯,引領風潮,全世界都在瘋狂,因為AlphaGo 打敗了無數個圍棋高手,開始炒熱機器學習。有人也許好奇,AlphaGo的技術不就是人工神經網路嗎,他的概念由來已久,至少不是現在才橫空出世的新技術,那麼為何深度學習為何遲至今日還未發光發熱呢?我們在之前EP1 還有EP4 都講個類似的問題了。不知道的人可以去轉Podcast來聽聽。也可以翻翻我們前面的文章看看。
原因很簡單,數據資料收集的普及化(大數據)以及硬體的成長(GPU的開發)。要做好深度學習,就得訓練網路、調整網路,以影像辨識為例,過程中便可能需要輸入成千上萬,甚至數以百萬、千萬或上傳張圖像,不斷優化調整神經元的輸入權重,提高辨析圖像的精準度。但那怕是最簡單基本的神經網路,亦需採用大量運算資源,過往如果以CPU加上顯卡來推動此事,顯然力有未逮,當然顯現不出好成果,直至近年來GPU平行運算技術益發成熟精進,才使這項技術有爆發性的成長。[1]
其實人類想用數學,統計的概念來預測股市的運作早就不是新聞。我們在網站上也有放最基礎的統計模型,就是用單純的回歸來湊回歸曲線(淺談用線性迴歸預測股票價格),
簡單來說呢,回歸是一種統計學上分析數據的方法,其目的在於找出一個最能夠代表觀測資料關係的函數,它所得出的結論是連續的。我們先不要拿股市資訊來舉例子,假如我們想找出年齡對應薪資的關係, 在只有兩個變數的平面上,也就是二維空間,一個方向是年齡,另一邊是薪資。那資料取出來就會在這個二維空間上呈現許多點出來,那使用上述之統計方法就可以找出一條能夠代表資料的線,我們稱之為簡單線性回歸(Simple Linear Regression)。 因為這個例子我們可能會直覺性認為年齡越大,薪資越多的機率很高,因此是正相關,斜率為正數的直線。如果今天的例子是股市預測那就不會是『線性』回歸,而是非線性回歸了,有興趣的朋友可以去翻翻書。
那關於機器學習可以用在預測股市上嗎?
國內外也挺多研究人員擁有此疑問[2],滿多學者用工程還有投資角度來回答這個問題。從工程師的角度,太多工程師不瞭解市場真實狀況,這將大大降低模型的真實性。從投資面的角度,因為不可預期的事件太多,這些事件都將增加模型預測不準確的風險。
就算如此,機器學習在金融股市預測的論文也絡繹不決,其中滿多篇論文提到[3][4],機器學習中使用的指標(準確率),其實並不足以直接拿來應用,就算工程師給你一個準確率自稱高達八成的模型,在股市這種高度變化的環境下,雖然可以給投資者一個判斷的參考,但終究並不是直接幫我們做決定的工具。
雖然這種技術在應用上風險很多,但我在找資料的時候也發現國內外越來越多公司,團體在使用這種技術創業。
Sigmoidal是英屬印度洋領土的一家機器學習的公司發表了一些經驗分享[5],文章中裡面在分享機器學習的預測結果時,通常使用投資回報率,而不是預測的正確率,印證了我們上述在判斷機器學習模型時,不可以使用工程界的標準依據,應該要來看投資標準,像是投資報酬率,最大跌幅,夏普比率等等指標..
台科大教授徐演政在演講時發表其觀點[6]。融合多方面角度分析,這套系統是從資訊系統角度來分析股票市場,有別於傳統經濟角度的分析方式,以資金面、技術面、籌碼面、基本面等4大面為基本架構,利用AI技術來分析與挖掘(Data Mining)股票市場的內涵。
台灣倚天也有類似應用的產品[7],其分析美股的資料,轉而給予投資者策略建議,從文章中發現他們會分析多因素風險模型(MFR),推測此公司、app也是會使用多種特徵進去,分析以及推薦其投資策略。
美商(i know first)的模型,放了15年的資料,進而得到一些signal,進而分析股市資訊。他們認為如何應用資訊不對等,就是精神所在,稍微懂一點點股市的人們會多看金融新聞或者看股市線圖,轉成機器學習之後,想當然爾就是把這些資訊丟進模型中學習,但是這麼簡單的話,大家都年賺千萬了,預測正確性常常令人認為不法使用,因此有些派系認為股市是隨機市場,無法預測,但是有另一派認為,股市是Chaos混亂市場,影響的因子極多,多到讓人以為是隨機[8]。
到這邊可以先得到二個論點
1. 想要正確預測股市,需要龐大的資料量,不太可能只單靠某些單純的資訊就準確預測,需要的指標範疇相當廣泛,思考的越多,教給機器越多,越有機會成功。
2. 模型判斷指標,不能看傳統的工程指標(準確率),要去投資指標。
3. 以目前已知的知識及技術,金融科技終究只是輔助,風險還是存在,跑出來的數據還是只能參考,最後還需由人類判斷其結果。
Reference:
- Machine Learning For Stock Price Prediction Using Regression
(https://www.quantinsti.com/blog/machine-learning-trading-predict-stock-prices-regression/)
- Can Machine Learning Techniques Be Used To Predict Stock Prices?
(https://www.researchgate.net/post/Can_Machine_Learning_Techniques_Be_Used_To_Predict_Stock_Prices)
- 2017's Deep Learning Papers on Investing
https://itnext.io/2017s-deep-learning-papers-on-investing-7489e8f59487
- Deep Learning for Event-Driven Stock Prediction
https://www.ijcai.org/Proceedings/15/Papers/329.pdf
- Machine Learning for Trading – Topic Overview
https://sigmoidal.io/machine-learning-for-trading/
- 台科大教授徐演政的股票預測系統今年期貨大賺1600點
https://www.ithome.com.tw/node/13851
- 股市中的AlphaGo!國內推出第一款美股AI智慧分析師APP
https://www.ettoday.net/news/20171102/1044271.htm
- Machine Learning Trading, Stock Market, and Chaos
https://iknowfirst.com/rsar-machine-learning-trading-stock-market-and-chaos