基於概率論、統計學等學科發展起來的機器學習(machine learning)體現了其在數據分析上的有效性,讓電腦系統具有人的學習能力以便實現人工智能,進而將機器學習應用在金融期貨技術分析領域,實現AI演算法交易及準確性。【讀友提問】台商華圓公司張董問:「金融AI研發,會有獨占市場贏者全拿的企業嗎?」答:股指期貨特定期間歷史數據會比股票市場單一個股的數據來的完整。股指期貨,AI可以用歷史數據來研發。但把它放在現實的股票市場,還是會遇到諸多的變數,目前我司在大陸股市金融AI研發四年仍需採人機结結合的模式增長績效,簡言之,金融AI研發不易獨占市場贏者全拿的企業。深度學習應用在金融期貨投機交易上,可把最近二十年股指期貨的歷史數據,並讓機器可以去做多或放空。當隔了一段時間之後,產生的正負報酬都紀錄起來。AI精益求精之處,不是單看回撤率,還要將過往的數據分為用來訓練與驗證的兩組,訓練出來的交易策略要再到驗證區,它在驗證區也必須要達到一定的績效標準。金融AI不會制定策略方向,而是要給AI一個金融期貨環境及目標,讓AI在環境中去學到交易策略,驗證交易策略,然後在金融期貨市場使用交易策略。換言之,金融AI透過深度學習,放入金融期貨新的數據後,它要可以從新的數據中自動找到可行有效的交易策略。比如,股指AI神經網路交易是給AI一個目標環境(金融期貨市場),由AI透過深度學習找到可行有效的交易策略及交易決策。其突破點是透過數據辨識特徵(比如:MA6MA12黃金交叉點做多)制定交易策略,讓金融AI自主推倒與深度學習、從數據中找出達到績效目標的演算法及準確率。