補充一些東西
大家可能想像AI要做的決策要很複雜
然後命中率要很高 沒有9成也要有8成 才算對人類有威脅
或是要命中率很高才能賺錢
目前實作發展的比較成熟的深度學習AI模型
能夠產生離散型的決策
而產生連續型的決策的AI 實作的人不多
至少跟離散型的比 願意公開分享的不算多
甚麼是離散型決策 什麼是連續區間決策
把投資決策簡化成剩下有限個選項
例如說 AI每次的決策只要選擇下面四個選項之一:
市價買一張台積電
市價賣一張台積電
不交易
出清
決策只剩四個選項 這就是離散型的決策模型
或是分類問題 稱呼很多 不過概念上是如此
連續型的決策模型
就好比 每次AI產生的決策 要能夠指定價位 指定張數
理論上 價位跟張數的可能值有無限個
(當然實務上不可能 能下的價位就是那幾個 張數也是
不過有限個選項->分類問題
我的腦筋不夠好 不知道怎麼把N個指定價位問題 換成分類上的敘述 0.0
連續型決策解決這個問題會比較直觀)
或是自動駕駛中的油門跟方向盤 也是典型的連續型決策模型
直觀上 連續型的模型比較能解決複雜問題
(好比自動駕駛)
但是實際上 若是只要在股票市場求勝 離散型的模型可能就已經跟神一樣
之前試作的一個AI 模型面對的問題是
給AI一個時間區間的資料 要AI判斷未來5/10天內
加權指數累計的漲/跌幅是不是會超過200點
AI只要給出三個答案
累計漲幅會漲200點
累計跌幅會跌200點
以上皆非
要做的分類越單純 選項越明確 資料越多
訓練的結果自然準確度也會越高
實際上 這種問題就不需要準確度太高 AI就可以上陣了
大概6-7成準確率的狀況下 大家可以自己想像一下這種AI能夠怎麼賺錢
不過現在的技術跟個人所學
自己跟AI的單玩玩就算了
拿來商用 那心臟真的要很大....
※ 引述《kuarcis ()》之銘言：