李航教授在《統計機器學習》指出機器學習(它是人工智能裡的一個分支)主要是由模型、策略及算法三部分組成。「大數據」促使更有效地與人工智能演算法做結合,目前運用在金融期貨AI理財,已進展到人機結合(風控+AI)穩健績效優於量化交易的初步成果。【讀友提問】藝術家王迎春博士問:「常聽到金融期貨量化交易,它就是金融期貨人工智能(AI)交易嗎?」答:「金融期貨量化交易」其實是藉著資訊硬體成本的下降與網路大數據普及所生,量化交易已經從法人的專利,發展到現在只要利用自己的電腦透過自行研發的模型做出各種自動化買賣的作為。但大多數投資人受到算法及算力的制約,在運作「量化交易」時僅用回測、最佳化等等簡單流程來發展交易模型,它距離所謂的人工智能(AI)及(使用GPU)機器深度學習與演算法之「金融期貨AI交易」已存在着大幅落後差距。「金融期貨AI交易」優於「金融期貨量化交易」的簡要概述:從第一步驟首先數據採集、模型建立特徵工程、評價策略和優化算法。金融期貨的大數據越多越好,大數據規模決定了金融期貨交易的有效強度。其次是評價優劣:針對第一步驟已建立好的模型特徵工程進行「評價、評分、判斷優劣」,透過第二步驟為金融期貨大數據與模型建立可以互相比較或應用的交易標準。第三步驟是優化交易策略模型、AI演算法暨風控能力(它是金融期貨人工智能的核心):第一步驟與第二步驟所輸出的數據將會透過第三步驟來做處理與應用,透過優化各種交易策略模型設計、AI演算法暨風控來達到金融期貨交易績效目標(比如:穩健收益型者,年化報酬三○%以上,係呈四十五度的收益曲線)。