前陣子研究了幾個python下的深度學習套件 跟大家分享一下心得
一方面讓大家不要自己嚇自己 人類還是有飯吃的
另一方面讓大家知道未來的對手有怎樣的能耐 所謂知己知彼
現在的AI到底可做到哪些事呢
過去的程式交易 或是可能很多人以為現在的AI交易
有很大一部分是用這樣的流程在進行的
人類先想了一套交易策略:看見ABC指標出現 就可以買進/賣出
->把這個交易策略寫成會完美遵守的程式
->程式根據未來市場中是否出現ABC指標 判斷是否進行交易
現在的AI交易的流程其實只剩這樣
人類把所有可能收集到 跟交易決策有關的資料餵給AI
->AI吃一吃之後吐出來決策 今天該買/該賣/該按兵不動
前面有人提到 AI其實是某種形式上的尋找最佳解 這件事情沒錯
不過 AI可以搜尋的最佳解範圍 遠比人類來的廣 這是AI的第一個優點
這也是ALPHAGO會被棋手說不按理出牌的原因
AI的第二個優點是 只要給的資料 與市場足夠相關
那的確有可能AI可以完全制霸市場 輕鬆當上抄底王 空軍總司令
不存在資料類型(EX 政治事件 突發事件 等等)的限制
只要這些資料有辦法轉成特徵碼 AI就可以做分析
AI第三個優點是 AI檢討自己的交易規則的速度非常快
人類可能要兩三個月才發現自己的交易規則在市場上漸漸無效了
用AI產生決策的話 AI可能一周內就可以發現 然後靠訓練改進
AI的第四個優點是 AI非常客觀 不存在人為判讀數據的誤差
當然 現在的AI也有缺點
第一個缺點是 AI吃進去的資料 還是人類給的
實際上 只要有人類參與的部分 就是AI的弱點
這些資料可能出現時間誤差 與市場相關度太低 造成訓練上的雜訊
降低訓練效率跟準度
(EX 把降雨機率也放進每日市況資料裡 給AI作分析)
(說不定有奇效....我晚點來試試看....)
第二個缺點是
訓練出來的AI到底會不會產生有效率的決策
是沒辦法單純的透過"YES"或"NO"做判斷
需要作一些訓練過程的數據分析
試想一下 若是今天有一台機器 每天會吐出來一張紙條
告訴你今天該用多少價位買進/賣出台積電
若是你真的要用這張紙條作交易 你會不會想要知道更多決策的依據
結果你一打開機器看 機器裡面的電路 可能比蜘蛛網還亂
你願意用多少資金跟著紙條作交易
實際上的狀況是 AI訓練過程產生的訓練資訊
需要一些數學知識作分析 而分析結果也只是告訴你
"這個AI可以充分利用數據做決策""這個AI無法充分利用數據做決策"
這種狀況下 有多少人有信心把錢給AI操盤呢 0.0
第三個缺點是
沒有人知道該多久讓AI接收新的資訊重新訓練
這件事情太常做 很浪費計算資源
(一個AI可能需要訓練長達一周才能上陣)
太少做 就可能會跟人類一樣 抱著古代的資訊 拿明朝的劍斬清朝的官
第四個缺點是
市場的資料量有限 所以AI永遠存在著
"可能過度貼合某個資料狀況"的風險
這件事無法避免 就跟人類一樣
我自己的想法是 人類的存在還是有必要的
只是人類的腳色可能會漸漸地變成資料分析的性質
投資決策會越來越與人類無關
所有人類可以收集到的資料 AI也可以收集到
AI觀察得出來的資料關聯 人類不見的看的出來
人類最大的功能會剩下"餵給AI有意義的資料"
還有 線性代數真的很重要 假如你還是大學生 麻煩好好學一學
統治AI需要靠線性代數 0.0