股票小鎮分析師:AI在金融世界的應用(三)

今期英文術語較多,有嚇怕你嗎?
分享

作者:股票小鎮分析師,擅長大數據技術,整合網站、股價及年報資訊,制定可行的買賣策略。

AI在金融世界的應用(三)

傳統演算交易(algo)是rule based去做,但也有人嘗試將歷史數據的back-test,改為forward-test的AI。由於machine learning(ML)沒有model的,只有strength between variables,不同的variables可以層層相關,matrix會很大,做出來難以解釋,所以ML只能視作預測,不能作評估報告。

傳統modeling越少independent variables越好,因為怕減低預測能力。但ML剛好相反,因為它可以找到variables之間的correlation。電腦可以篩選出沒有意義的東西,加強有用的元素。另外數據質量也很重要,以往統計差異最多只可接受一成以下。精確度太低,整個model就沒用了。但ML有2萬條紀錄,起初精確度可能只有七成,但當數據訓練慢慢加至幾十萬,精確度就可以提升到九成。至於ML會否過度優化(curve fitting)?對於一般散戶而言,經常抱怨某策略過去幾年表現超卓,但當自己放手一搏,就風光不再。原因是其交易概念本身就是不可行,全靠過度優化才做出似是而非的好景象。其實我們可以設定ML的hyper-parameters讓電腦只分4個segment,透過optimal search,不斷嘗試直至新的組別(group)的邊際利潤不多便會停下來。

分享