人工智慧與量化計算
#資訊安全技術 #量化高頻交易 #人工智慧精準行銷
研究主題
人工智慧驅動客製化金融服務推薦
以強化學習對話式推薦改善金融商品精準行銷冷啟始問題
趨勢穩態高頻配對交易
臺灣證券及期貨市場價格穩定機制之探討
台灣純網銀的未來發展與資訊安全
企業違約預測與分析:非結構化資料之應用
本研究旨在抓取資本市場中具有相同市場風險的標的資產,以高頻交易為背景,弭平短期資訊落差造成的價格失衡。隨著近年運算速度提升,硬體設備的配合下,本研究可與券商報價系統串接,以達成即時產生交易訊號並完成下單。過往統計套利均希望透過資產價格建構穩態序列,透過價格偏離均值來產生交易訊號並在均值回復時獲利。趨勢穩態交易策略是一個先進的策略,不僅可以抓取均值回復的價差,亦可以隨著時間賺取投資組合的時間成長價值。在效率市場假說下,越不被廣泛應用的策略在實務上最有獲利的可能,因此趨勢穩態策略亦可以廣泛應用在現今市場上,如期貨與現貨價格、商品價格、虛擬貨幣市場等。以產業應用為例,若客戶有不同的風險偏好或需求,我們即可以透過策略回測績效提供符合其預期的報酬與風險指標。此策略特色為市場中立,亦即不再受到短期市場行情影響,不論多空都可以獲利。過往文獻亦顯示,在行情巨幅震盪(波動度上升)時,此策略可以有更好的獲利性。我們亦考慮不同的篩選投資組合的方法因此進一步提升投資組合的品質與策略表現(如平均獲利或是最大回撤等等)。
未來展望
AWS課程合作、資訊安全、量化高頻交易及平行算、量化交易策略。
對於人工智慧與量化計算之未來研究展望:人才培育方面,開辦金融科技程式菁英培訓線上課程、企業實務講座課程,培訓大學生、碩博士研究生、金融業及科技業高階經營管理人才,並提供研究生參與企業實習計畫的機會。
資訊安全技術未來發展分為兩方向,privacy preserving及federated learning,前者為開發隱私保護技術,確保資料在模型訓練時不會被洩漏,保障隱私安全,後者則為開發聯盟式學習架構,聯盟式學習的概念是資料不需要離開設備端,各自在自己的設備訓練模型,並且利用特定的加密機制在雲端上建立一個共有的模型,不僅保護隱私,還降低大量數據集中傳輸的成本。量化高頻交易未來研究分為兩方向,一為訓練更符合真實市場交易的強化學習agent,二則為改善強化學習訓練過程中的exploration及exploitation問題。人工智慧精準行銷未來研究可拓展至對話式推薦及跨領域推薦議題,前者為透過對話過程獲取使用者的即時資訊,後者則為納入使用者在其他領域的購買記錄,藉此增加使用者資訊,達到更客製化且精準的推薦結果。

