立場新聞 Stand News

人工智能程式交易

2019/8/2 — 18:55

資料圖片,來源:Lorenzo @Pexels

資料圖片,來源:Lorenzo @Pexels

金融科技(FinTech)近年非常流行,有不少科技公司相繼開發與金融理財有關的科技產品,當中有不少產品為使用者提供買賣基金股票之建議。可是,較早前有一則新聞,「AI 程式買美股,一日輸 1.6 億」,究竟人工智能應用在金融科技方面可以扮演一個什麼角色?

程式交易(Algo Trading)在美國其實已經十分流行,近年人工智能熱潮來襲,大眾對程式交易的認知度亦慢慢提升。有很多投資者都知道,其實最大的敵人是自己。雖然口裏說着要謹慎而行,按照自己早前所設定的止賺止蝕價格進行買賣,最後結果往往跟原定劇本相違背。原因很簡單,因為很多投資者在操作的時候都不能完全把自己的感情放在一旁。這時,程式交易便能發揮作用。

簡單來說,程式交易是透過操作員於電腦程式中設定一系列規則,當規則條件達成後,系統便會按相關指示進行操作。例如,如果匯豐控股升至 $65,便把所有股票出售;如果跌至 $60,同樣地把所有股票出售。在電腦世界中,沒有感情,只有指令及規則。所以系統會按所輸入的規則行事,這樣便可以避免操作時受到情緒影響。

廣告

以上操作都是人手設定的,對吧?其實可以加入人工智能之元素!

先利用最基本的方法入手。我們可以設定一系列的利好或利淡的規則,例如當十天移動平均線升穿二十天移動平均線時,這是一個利好訊號;或者當 RSI 日線升至 70 以上,這是一個超買或利淡訊號等等。並不是越多規則越好,但是規則數量不能太少,否則系統不能學到當中的知識。

廣告

當設定好一系列規則後,我們需要考慮用什麼演算法進行計算。現時其中一個最流行的演算法為深度學習演算法(Deep Learning Algorithm),這是一個多層的人工神經網絡(Artificial Neural Network)。關於這個技術,將來再與各位分享更多。

這時讓我們先整理一下。假設我們已經預先獲得一段時間的股票買賣數據,而且一系列規則已被設定好,演算法方面亦已經選好了,最後我們便需要一個預期結果。在這個例子,預期結果可以是這三個選擇的其中一個,包括買入、賣出及沒有指示(意思是不需要進行任何操作)。這樣,每天把新的數據輸入到系統之中,讓系統每天學習一次,並透過新的數據表現進行預測,這樣便省卻了不少人手工作。

其實,我們還可以進一步提升系統預測的準確度。有不少人工智能演算法支持反饋機制,我們可以把系統預測之結果反饋到人工智能系統,讓系統知道自己所作出的決定是對還是錯,這樣便能讓系統在將來作出更準確的判斷。

提提大家,人工智能並不是萬能的。投資世界千變萬化,當中有不少情況涉及人為因素,坊間有團隊或公司透過分析財經新聞進行股價表現預測,亦有些單位一直研究網上討論區的內容跟股價表現之關係。可想而知,我們並不應該單單透過人工智能系統分析而作決定,反而應該好好想想如何透過人工智能的優勢而協助我們做出最正確的選擇。

 

如果希望獲得更多人工智能或編程教育相關資訊,請關注作者之 Facebook 專頁

發表意見