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。
