程式交易跟A.I人工智慧投資的差異 （下）｜專家論點【史塔克實驗室】
上一篇我們看到了如果單純去讓機器學習去預測價格時，會遇到那些問題，最後這一篇，我們會來跟大家聊聊，學界的人是怎麼看待這一塊的，他們運用了哪些策略讓機器學習融入金融交易這個領域。
在金融交易上，最重要的是策略！
在上一篇中，我們會讓機器傻傻的去「預測」股價，但有了股價，人類有可能還是不會去買賣股票，其實要讓機器來協助人類，無論何種領域，最重要的事情是「策略」，白話一點就是什麼時候要做哪些事情，要把大問題逐漸的拆解成小問題，然後透過機器來協助我們。
例如我們剛剛舉的例子，有了股價，但人類卻不知道什麼時候該買賣，那買入點跟賣出點可能就是一個需要解決的問題，用上面提到的拆解理念來分析的話，最大的問題是「從股票市場上賺錢」，往下專研的話就會有好幾條路，我們先簡化成一條簡單的策略路線：
「從股票市場上賺錢」–>「選定某個股」–> 「找到適當的時機」–>「買入」–> 「找到適當的時機」–>「賣出」。
好！我們看到了一個重點就是 「找到適當的時機」，我們就來參考 IEEE 的一篇論文 [1]，看看學界是怎麼來思考的。
這篇論文的策略，是希望機器學習模型可以找出股市的轉折點，然後來輔助交易。從下面的圖中，研究者先把歷史股價中，轉折的地方標注了起來，轉折的意思就是從「漲」變成「跌」的瞬間，或者是「跌」變成「漲」的瞬間。然後讓機器去學習這些資訊，來預測什麼時候是這個變化的瞬間，這樣聽起來，是不是比起直接預測股價好懂多了，也比較能拿來直接運用在交易市場。
像這種用機器學習模型找轉折點的技術在學界也有曾經流行一陣子，有相當多篇論文 [2] [3]。
另外一篇論文則是國內的論文 [4]，這篇論文提出來策略，則是解決上述「選定某個股」、「找到適當的時機」、「買入」、「賣出」。
因為台灣的一些規定，會請各上市公司在每個月10號之前給出財報跟各種資料，而這篇論文則是使用機器學習來分析財報基本面，還有每天的股價技術面資料，然後每個月10號會給出20個推薦的個股，以及在每個月10號賣出所有個股，每個月11號買入機器模型推薦的股票，策略如下圖。
從實驗中的數據中看到年化收益率達到56∼132%，夏普比率為0.98∼1.52。
在學界跟業界其實一定都會有團隊開始使用機器學習來輔助交易，但是筆者認為機器學習不適用於所有人跟機構，除了不可預測性太高，風險之外，人性是一大弱點，人類真的會無條件相信自己創造出來的模型嗎？ 有時候人類自己賠錢就算了，但把這些行為交給機器時又是另外一件事了。
而且以投資而言，簡單的策略也可以賺錢的，因此不一定要用機器學習，這種高門檻的技術來輔助投資。
程式交易和機器學習交易的差異
最後我們真的要來統整一下二者的差異了。
量化投資、程式交易： 其實這二個名稱要混合一起看會比較好，因為首先這項技術是以統計維基基礎，透過數據分析還有數學運算來得到最佳的買賣點，並且加入程式得到自動化、系統性的交易方式。
機器學習的輔助交易：機器學習的演算法，早期的技術都是使用類神經網路或簡單的回歸模型，這些技術都是從統計學衍伸而來，可以預測未來數據的技術。機器學習是統計模型的延伸，用來「預測」未來資料的落點，然後協助使用者判斷未來趨勢。
複習完了二者簡單的定義，那最顯著的差異是什麼呢？
最大的差異在「人類」的介入方式與程度
在程式交易裡面，人類需要先完成分析，並且自己在市場中找的一個規則，然後把這些規則用數學模型告訴電腦，電腦做的事情，只有造著人類說的話進行。
而機器學習，則是機器自己找到一個在金融市場上的規則，人類要負責的事情是蒐集數據，以及設計機器該運算出來的結果。使用機器學習技術之後，人類開始期待 AI 找到人類無法觀察到的規則。
未來金融交易市場 AI 對抗 AI 時代
講到這個主題，很常聽到人家問我，未來如果都是機器人會怎樣？ 其實使用科技來輔助投資，在投資圈這樣做的人、團體已經越來越多了，但終究還是會有個入門檻，像是我上面介紹的機器學習輔助投資一樣。
但這個趨勢真的是不可逆的，雖然現在機器學習技術依然有門檻在，並非一般民眾容易跨入的領域，但是許多概念與技術一樣冒出來，前幾年我還在說 AI 寫的文章邏輯前後不通順，但 ChatGPT 推出之後，可能再過幾年，就會有邏輯通順可以寫小說的機器了。
唯有徹底了解這些技術的本質，了解每一個 AI 工具的交易行為模式，才有機會在這市場上取得先機，畢竟我們這幾篇提到的技術，還是離不開「人類」，也許某一天 就會面臨到 AI 對抗 AI 的時代，但人性的特色跟弱點還是存在著，沒有一個百分之百贏錢的方式，如果有天你靠著這些技術，連續好幾次交易都賠了錢，你會選擇繼續使用科技交易，還是自己下海？
[1] Integrating a Piecewise Linear Representation Method and a Neural Network Model for Stock Trading Points Prediction
[2] A dynamic threshold decision system for stock trading signal detection
[3] Integrating piecewise linear representation and weighted support vector machine for stock trading signal prediction
[4] 基於綜合特徵選擇方法優化投資組合的月交易策略
謝謝大家看完這次的文章，如果大家喜歡我的內容，可以用一杯咖啡的金額贊助讓我更有動力創作。
? 斗內連結：http://bit.ly/3u71zAH
? 如果想看我更多東西，可以踏入傳送門進入我的領域: https://portaly.cc/starklab2020
裡面有我的podcast節目、程式線上課程、產業分析文章、程式實作分享文章! 歡迎來參觀
瀏覽 1,400 次
