※ 引述《lovepork (我愛豬肉不愛牛肉)》之銘言：
: 我自己本身沒有做股票投資
: 但因為我研究方面會接觸許多機器學習的技術也常會看一些相關的文章
: 目前學術領域
: 使用類神經網路從data 去作參數擬合技術已經非常成熟了
: 如果能找到一個好的理論模型
: 要從巨量的歷史交易數據去擬合出參數 目前的技術應該不是困難的一件事
: 但這個模型的數學型式就非常關鍵了
: 一個好的或是不好的理論模型對於你的參數擬合結果 都會產生頗大的影響
: 想請問 目前金融市場和股市 是否是欠缺這樣一個普適性的理論模型?
: 而不是在於擬合參數的數值技巧上 (大數據 人工智慧等等)呢?
: 能不能討論一下?
人工智慧，目的就是要做到可以像人的思考一樣的模型
但現在個人散戶的操作勝率其實滿差的
以過去資料建立模型，會遇到幾個問題：
1. 股市主要變動因子是未來資料，如營收、消息等。
過去資料也有極多是當下受到消息面、基本面、籌碼面影響，
並非是一種有規則的 Pattern
2. 假設真的有存在這種模型，大多都是廢話，
例如：每月營收成長跟股價呈正比
3. 假設真的找出模型，也就是所謂的低風險高報酬
恭喜你。但記得不要流出，因為一流出這種模型就會短時間內失效了，這是人性