推 huabandd : 演算法的內容還有很大的進步空間，以目前的各家AI 05/05 20:30
→ huabandd : 來說，問問題還是有機會得到錯誤回答，等到哪一天 05/05 20:30
→ huabandd : 能夠在搜尋資料時也能不同意見的資料納入並做修正 05/05 20:30
→ huabandd : 後回答才是AI比較成熟的一個表現，運用在股市的消 05/05 20:30
→ huabandd : 息面也是如此，當市場有人看多有人看空，可以分析 05/05 20:30
推 Kroner : 益生菌怎麼吃 05/05 20:30→ huabandd : 他們各自的理由並綜合判斷給出結論，就能帶來很大 05/05 20:30
→ huabandd : 的幫助 05/05 20:30
推 Gipmydanger : 看著吧，很快你就不這麼想了 05/05 20:33
推 PitzMan : 有沒有可能訓練AI程式操盤躺著賺? 05/05 20:34
推 Kroner : 益生菌品牌 05/05 20:34訓練AI程式做深度學習來執行進出場動作-->不難，
躺著賺-->比較難。
推 lifeowner : 一堆人連演算法和模型的差別都搞不清楚 也能吹半天 05/05 20:34
推 huabandd : 樓上你分享一下，讓一般人了解一下 05/05 20:37
所謂的模型論網路上找一下就有，
簡單說就像是做一台機器，給他同樣的input就會有一樣的output，
他不是字面上的意義，表現方式反而比較像是數學函數的運作方式(input/output)。
舉簡單例子，假設"K穿越日K之MA20(月線)就進場，反向穿越則出場"，
這就是個簡單的交易"模型"，能依盤勢做出有意義的反應。
而將該模型寫成電腦可執行的程式，就是演算法。
目前廣泛使用的影像辨識如車牌辨識，
則是以類神經網路的演算法，做大量的圖片學習後，
在符合誤差率的標準下，會產生一組特定的常數設定。
以tensor flow來說會產生一個打包好的檔案，該檔案就是可使用的模型。
該檔案的內容請想像成，
就是反覆調整 f(x)=aX^n +bX^(n-1)...+miu(白雜訊)中的常數a/b/...miu。
※ 編輯: magelinus (220.132.128.144 臺灣), 05/05/2024 20:42:04
※ 編輯: magelinus (220.132.128.144 臺灣), 05/05/2024 20:56:33
推 Lions2020 : 天哪你各位，可以說中文嗎？ 05/05 21:19
→ newwu : 其實就是有沒有用機器學習啦 05/05 21:29
推 Kroner : EPA 05/05 21:29→ ert0700 : 等到ai能用人類思考方式去解因式分解時再來考慮ai能 05/05 21:32
→ ert0700 : 不能思考跟創新也不遲 05/05 21:32
推 huabandd : 我是讓10樓解釋不是讓原po你解釋XD 05/05 21:40
推 herculus6502: 單純的均線策略，不是被巴死，就是(而且)虧在手續費 05/05 21:41
推 Kroner: 葉黃素品牌推薦 05/05 21:41推 huabandd : 原po你回覆的第二段最後的演算法跟AI的演算法是不 05/05 21:43
→ huabandd : 同的定義吧？那頂多只能稱為模型稱不上演算法吧？ 05/05 21:43
→ gameforyou : AI使用的策略模型就是所謂的技術分析，差別在於人 05/05 22:21
→ gameforyou : 人會經由主觀因素影響客觀，而AI只看客觀條件 05/05 22:23
推 Chricey : 瑪卡比較 05/05 22:23→ gameforyou : 而且模型的建立必然會因人而異，如chatgpt與gemini 05/05 22:28
→ gameforyou : 就會因條件而有所不同 05/05 22:28
→ gameforyou : 而且當所有的人都使用同樣的AI策略，誰會是贏家？ 05/05 22:30
推 huabandd : 樓上你說的應該是只有單純技術分析，如果要加入AI 05/05 22:30
推 Chricey : 魚油好處 05/05 22:30→ huabandd : 去做操作，應該要連技術分析之外的消息也加進去， 05/05 22:30
→ huabandd : 這才有用AI操作的意義不是嗎？ 05/05 22:30
→ gameforyou : 除非AI到了能自主思考階段，否則人的因素才是關鍵 05/05 22:33
推 ProTrader : 之前我就說過古早的技術分析就是非常原始的AI 05/05 23:55
→ ProTrader : 那些技術指標就像是現在AI在用的"特徵" 05/05 23:56
→ ProTrader : 以前對這些"特徵"根本也沒有運算直接看結果 05/05 23:57
→ ProTrader : 像上面說的均線交叉就只是快慢線相減值正負變化時 05/05 23:58
→ ProTrader : AI有3個重要的發展方向 資料 模型演算法 運算能力 05/05 23:59
→ ProTrader : 運算能力就是越來越厲害的AI晶片與記憶體 05/06 00:00
→ ProTrader : 資料 古早技術指標用的就只是K線價量 05/06 00:02
→ ProTrader : 價值投資用的財報 以外還有籌碼 新聞 網路推文... 05/06 00:03
→ ProTrader : 模型演算法就是"可賺錢的策略"是其中最重要的 05/06 00:04
→ ProTrader : 比如 判斷底部的方法 找飆股的方法... 05/06 00:05
→ ProTrader : 這時代AI的強項在於能處理多樣大量的資料 05/06 00:05
→ ProTrader : 而且可以自己找有用的特徵 不斷自我學習進步 05/06 00:06
→ ProTrader : 然而 實際上AI投資績效遠遜於圍棋AI的表現 05/06 00:07
→ ProTrader : 現在也已經有作者出書在教怎樣作投資AI 05/06 00:09
→ ProTrader : 可教AI的作問題跟那些教技術分析的作者一樣 05/06 00:09
→ ProTrader : 用技術分析或者現在用AI 那些作者自己真的有賺錢? 05/06 00:10
→ ProTrader : 實際上多半都是靠賣書開課賺錢 05/06 00:10
→ ProTrader : 以前在股市期貨說的程式交易 現在改成AI交易而已 05/06 00:12
→ ProTrader : 資料數量多元性以及模型演算法 這些年真的有進步 05/06 00:14
→ ProTrader : 台灣可看XQ討論區 國外有TradingView 05/06 00:14
→ ProTrader : 認真看的話是真的有些作者無私分享各種技術指標 05/06 00:15
→ ProTrader : 坦白說 台灣賣的書只能用來入門 後續內容要看討論區 05/06 00:16
推 lavign : GPT-4沒開源不能finetune不然它泛化能力最強 05/06 00:24
推 a77942002 : 運用程式交易通常想是固定標準邏輯常態運作 05/06 01:17
→ a77942002 : 現在追求的AI也就想要他像人一樣分析.. 05/06 01:17
→ a77942002 : 嗯....這樣不就只是創造出一個 AI折折而已~ 05/06 01:17
推 rmp4rmp4bear: 可以自動辨識市場特徵並自動撰寫演算法，然後測試 05/06 02:42
→ rmp4rmp4bear: 修正模型並獲利 05/06 02:42
→ rmp4rmp4bear: 我們可以用一句話就總結ai trading嗎啾咪 05/06 02:42
推 ProTrader : 適應：金融演化新思維 這本書的想法讓AI自己作 05/06 02:51
→ tctv2002 : 正確 真正的AI是能篩選並改正錯誤的答案 05/06 07:36
推 m180 : 真正的ai最後可能發現買進並且長期持有大盤etf才是 05/06 09:53
→ m180 : 最佳解 05/06 09:53
→ JaccWu : 怎麼可能 如果AI演算法都一樣強還是得捉對廝殺啊 05/06 10:03
→ JaccWu : 不然哪來超額報酬 05/06 10:04
→ JaccWu : 難道AI夠成熟的世界 所有AI會一起站在多空同側嗎？ 05/06 10:05
→ JaccWu : 那這樣哪來流動性 05/06 10:05
推 william85 : 推 05/06 10:16