人工智能是研究使计算器来学习人类的推理、思考、规划…等的智能行为学科，它包括计算器实现智能的原理，涉及到计算器科学、心理学、哲学及语言学，其范围已是涵盖自然科学和社会科学。
人工智能的量化金融突破性发展，数学是基础学科，金融AI（Artificial Intelligence）交易必须借用数学工具，数学不仅在逻辑上发挥作用，数学进入金融AI交易，它们将互相促进金融投资理财行业更快地发展。
能够实现金融AI交易技术平台的是计算器，计算器编程语言和其他计算软件都因有了金融AI交易的进展而得以存在。金融AI交易的研究学科包括：自动推理和搜索方法、数据挖掘及机器学习和知识获取、自动程序设计、人工神经网络…等方面。
人工神经网络的智能系统开始时什么都不懂，如婴儿那样，但它能够学习，逐渐适应各种复杂的投资情况；该系统开始时亦会常犯错，但它能吸取教训，下次运行时可改正。金融AI交易属于自然科学和社会科学，再加上技术科学三向交叉的投资理财学科。
大数据以及各种数据挖掘方法的推陈出新，为金融AI搭建给了直接数据的桥梁，于是人工智能分支中的机器深度学习（Machine Deep Learning）可拿来应用到金融AI证券暨期货市场的交易策略里。
机器深度学习的数学基础是统计学、信息论和控制论以及金融工程学科。金融AI交易之机器学习对投资（机）经验的依赖性很强。
计算器需要不断从解决投资（机）问题的经验中获取知识，学习投资策略，在遇到类似的投资（机）问题时，运用经验知识解决问题并累积新的正确经验。人工智能不断演算深度学习超越人脑,因为人工智能有人类不可能掌握的能耐（深度学习能力）。
首先就机器深度学习提点，它不是一种算法，它的相关的框架体系有深度神经网络（DNN）、深度信念网络（DBN）、递归神经网络（RNN）和卷积神经网络（Convolutional Neural Network，CNN）。
其中的CNN常用在金融AI证券暨期货，对大规模图形图像处理效率高，是一种有监督学习的工具。针对金融证券暨期货交易策略，机器深度学习是让AI来学习交易决策与收益风险比之间的「规律」。
人工智能本质是对数据的学习、挖掘、训练和推理。机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统，这些研究目标相互影响相互促进。
机器学习是金融AI的核心，是使计算器具有智能的根本途径，其应用金融证券暨期货领域，它主要使用归纳、综合而不是演绎。
金融证券暨期货AI投资理财计算成本日益高涨，降本增效自然成为金融证券暨期货业的需求。
金融证券暨期货之人工智能是工具，在量化投资上，好的因子、特征和AI结合才能发挥最大的价值。金融证券暨期货稳健性交易的人工智能应用，是通过机器学习（Machine Learning）来实现。
机器学习利用神经网络或其他学习方法鉴别、分析、预测特征。手工交易者基于图表形态、技术指标的技术分析方法，就交易长期它并不是有效的投资获利方法。人工智能的风控人员将发现他们能保持竞争力，并很快将手工交易者击退。
以金融期货品种为例,AI交易策略构建在市场情绪因子数据库和具有逻辑支撑的经验规则数据库，每日收盘后进行有监督的深度学习过程，建立市场情绪因子和经验规则之间的相关连系。
构建五个市场情绪因子搭配规则，举例：多空持仓结构（A多或B空）和市场无序的噪音（< C）、价格波动率（>X%）、成交量指数（>Y）、市场行情走势效率（>Z）；后续透过AI深度学习提取特征;进而预测与相应的策略实盘操作。
根据风控的前提，配置N个有明显成交量的金融货期品种，仓位最高30%，最大回撤5%以内，夏普比例>2，胜率>51%，收益风险比达到9：1以上；金融AI期货交易策略创建的年化收益30%以上，45度角上升的年化收益曲线即属稳健。
【读友的题外问】世界金控金商部黄总问到：“就产业投行视角,中国人工智能行业应用层最为活跃的领域为何？”
答：2021年底在初级市场获投 AI 公司所处的子行业分布来看，排在前 10 名行业的分别为智能金融（575 家）、智能机器人（427 家）、智能交通（420 家）、计算机视觉与图像（414 家）、机器学习（401 家）、数据挖掘（264 家）、数据平台（259 家）、智能制造（253 家）、智能物流（251 家）。
可看出行业应用层是中国人工智能产业最为活跃的领域；不过基础层的存储、AI 芯片等领域发展,相对较为薄弱（市调数据源：IT桔子） 。
就产业投行视角，在初级市场里的的投资金额以智能制造、智能机器人、机器学习、智能交通、计算机视觉语图像领域、智能医疗、数据平台最为稳定。
风险提示：投资有风险，请落实风控；本文仅代表笔者观点，不作为金融投资的依据。
精明买家养成中心
全能顾问服务区
