Re: [心得] AI時代來臨，技術分析真的已經沒用了

※ 引述《nicefl2001 (@keissendo)》之銘言：
: ※ 引述《nicefl2001 (@keissendo)》之銘言：
: : 透過 AI的深度與機器學習能力，
: : 使其能夠自動適應市場條件，不斷更新、優化交易策略、進行再平衡。
: : AI在投資組合管理方面也展現出卓越的能力，
: : 通過精准地管理和適當地調整投資組合，實現最佳的多元化和風險控制。
: : 目前華爾街許多大型投資機構、對沖基金、法人投行都已經全面導入AI Fintech
: : 演算法程式交易

當年NASA首次登陸月球，所使用的電腦相較現在的手機根本像玩具，
也就是說我們帶手機穿越到當年，等於是帶一台超級電腦，
但這時代的手機應該比較像是掌上型遊戲機的樣子。

無意冒犯，但您真的理解通篇堆砌的那些詞藻，其真正的意義?

: 這邊提到的AI演算法量化交易，
: 和大家過去所認知的 "自動化程式交易" 是不一樣的概念
: AI演算法量化交易 (Quantitative and Algorithmic Trading，簡稱 QAT)
: 主要是華爾街如美林、高盛、大小摩等那幫大型機構投行
: 以及中大型像黑石、橋水、文藝復興等對沖基金所使用
: AI QAT演算法量化交易，依賴於複雜的數學或統計學模型，
: 結合類似 Bloomberg Terminal 的雲端大數據來進行大資料分析。

Quantitative也就是金融量化分析，
本身是基於統計學的結果來分析投資標的，
得力於如今電腦硬體效能飛速進展，
一般人也能在一般的PC/NB上做相關分析。
有興趣的請去圖書館找以python/R 實作的書來了解。

至於Algorithmic Trading也就是演算法交易，
顧名思義就是以程式交易來實作交易的動作，
而為了分析實時交易的大量tick，
已設計好的程式來做出實時的推理/分析等等，
這類程式內容就是演算法，這跟有無AI無關，
反倒是和硬體飛速發展和強力軟體的取得越來越容易(特別是Unix這類的自由軟體)，
任何人只要有心都能下載python/R來做上述的QAT分析。

再次強調，這是得力於硬體效能快速發展和強力軟體容易取得，
因此幾乎人人都有機會學習QAT。

: 其核心在於通過模型去挖掘歷史資料中的規律，並基於這些規律做出投資決策。
: 透過Machine/Deep Learning使得QAT具有更強的資料處理能力和策略優化空間。

這東西在python和R上面目前有名的如tenser flow，
已經很容易取得了，而所謂的深度學習其基本程式理論，
依樣能在圖書館找到，去看一下該基礎理論程式碼如現今流行的類神經網路，
比較能真的了解機器學習的優缺點在哪裡，不會有AI恐慌，
至少在投資的領域，這是個變數很大很大的專門領域。

而當前的AI只能算是弱人工智能，也就是無法泛用不像人腦。
以建築為例，AI可以輕易地做出很漂亮的建築物外觀設計，
但AI目前無法做的是符合法規的精準設計。
至於目前我們所知的所謂華爾街大公司的AI優化策略之類的，
可以想像他能針對盤中的海量資訊，以既定的演算法做出快速的量化分析，
但不表示AI就很強，如同NASA當年首登月球的電腦以現今標準來看很弱，
但卻做到了這時代登陸月球的其他國家如中國/印度得用超級電腦才能做的事情。

: 能隨市場變化進行投資組合調整與再平衡
: 另一種一般人以為的"AI"則是傳統的自動化程式交易
: 使用類似 Multichart/TradeStation/MT5這類下單交易軟體
: 來按照使用者寫好的策略進行自動下單交易
: 不同於 AI QAT 能夠通過機器學習等技術自我優化策略，
: 可以不斷地從歷史資料中學習並調整策略，
: 以提高交易的盈利性和風險控制能力。
: 而傳統程式交易的策略優化與調整
: 則需要使用者手動進行，
: 軟體本身不具備自我學習和調整的能力。

軟體的能力取決於設計者，如先前一再強調的NASA首登月球，
有些交易平台使用類似Eazy Language 的交易script語法，
的確無法寫機器學習的演算法，
但針對實時大量數據做量化分析的演算法已經夠了。

至於以下的這些本來就是程式交易的強項，
在ChatGPT出現前就存在很久了，
有興趣的請找"快閃交易"一書。

: 近年來，AI QAT在華爾街已經被大量用來取代傳統交易員的許多問題，
: 並最大限度地減少人類情緒干擾。
: 1. 你會害怕追高被套牢，或者在面對股票下跌時感到焦慮，
: 你會因為這些情緒而猶豫不決，不知道何時進場或退場。
: 但AI不會
: 2. 當持股開始下跌時，你可能會感到緊張和焦慮，不知道該繼續等解套，
: 還是該果斷止損。但AI不會
: 3. 當你因為缺乏耐心而太早賣出股票，之後看著股價漲上去卻不敢追，
: 或是因為太貪心而錯過了出場時間，最後抱上抱下，
: 紙上富貴一場，甚至從賺錢抱到變賠錢，但AI不會
: 4. 面對海量的新聞、經濟數據和消息，你可能會感到迷茫和不知所措，
: 不知道這些資訊是真是假，但AI能透過語言模型、大數據和演算法分析
: 利用這些短線消息和市場情緒，來收割那些炒短線的散戶籌碼
: 5. 過去能賺錢的策略，並不代表在未來也能持續穩定獲利，
: 你的策略需要自己手動調整，但AI (QAT) 會自動進行最佳化
: 剩下的體力、精神狀態、資控風控、紀律、耐心、策略執行力
: 交易成本、交易速度等等的就更別說了....

像第五點完全和AI無關，因為所謂的AI也是一種演算法。

: 軟體程式交易和AI演算法量化交易，真的是不同等級的東西
: 不要拿來相提並論

或者說取決於演算法的內容。

--
Kent記得曾經請求師父教他密法，師父雖然答應，但是師父要求他在日常生活上要先作到心性和行為合一，師父說當一個人內在心性和外在行為合一時，修行才能入門，否則心、行各自為政，一個人就成了雙頭馬車，最後一定分裂，修行自然不成，最終落入魔道。
心中的秘密使得Kent成了雙頭馬車，他記得師父很慎重的比著那個曼達囉，若有所指的告訴他說：「有朝一日，你能在方圓之中取得圓融的話，修行對你才有意義。」
https://i.imgur.com/fqrVMBD.jpg

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。

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。