补充一些东西
大家可能想像AI要做的决策要很复杂
然后命中率要很高 没有9成也要有8成 才算对人类有威胁
或是要命中率很高才能赚钱
目前实作发展的比较成熟的深度学习AI模型
能够产生离散型的决策
而产生连续型的决策的AI 实作的人不多
至少跟离散型的比 愿意公开分享的不算多
什么是离散型决策 什么是连续区间决策
把投资决策简化成剩下有限个选项
例如说 AI每次的决策只要选择下面四个选项之一:
市价买一张台积电
市价卖一张台积电
不交易
出清
决策只剩四个选项 这就是离散型的决策模型
或是分类问题 称呼很多 不过概念上是如此
连续型的决策模型
就好比 每次AI产生的决策 要能够指定价位 指定张数
理论上 价位跟张数的可能值有无限个
(当然实务上不可能 能下的价位就是那几个 张数也是
不过有限个选项->分类问题
我的脑筋不够好 不知道怎么把N个指定价位问题 换成分类上的叙述 0.0
连续型决策解决这个问题会比较直观)
或是自动驾驶中的油门跟方向盘 也是典型的连续型决策模型
直观上 连续型的模型比较能解决复杂问题
(好比自动驾驶)
但是实际上 若是只要在股票市场求胜 离散型的模型可能就已经跟神一样
之前试作的一个AI 模型面对的问题是
给AI一个时间区间的资料 要AI判断未来5/10天内
加权指数累计的涨/跌幅是不是会超过200点
AI只要给出三个答案
累计涨幅会涨200点
累计跌幅会跌200点
以上皆非
要做的分类越单纯 选项越明确 资料越多
训练的结果自然准确度也会越高
实际上 这种问题就不需要准确度太高 AI就可以上阵了
大概6-7成准确率的状况下 大家可以自己想像一下这种AI能够怎么赚钱
不过现在的技术跟个人所学
自己跟AI的单玩玩就算了
拿来商用 那心脏真的要很大....
※ 引述《kuarcis ()》之铭言：