人工智慧(AI)已被證實能用於期貨(future)交易，效率優於只使用靜態資料的演算模型，無論新或舊的投資公司無不開始使用人工智慧幫廣大的客戶處理投資。投資公司使用電腦演算法處理交易已有數年，不過由於演算法受制於靜態資料，並不善於處理金融市場的動態性，有時得出的演算結果甚至比人類決策來得差。近年隨著深度學習(deep learning)與強化學習(reinforcement learning)科技的興起，已在電腦交易軟體上達成突破性的創新。
一個效能好的交易程式非常的貴，要訓練出一個好的機器人學習，訓練的時間也需要很長，資料數據量只會越來越多，人類會有一定的侷限在。AI交易演算法是人設計的，人設計的AI雖也會有侷限，傳統程式交易需要由人類來制定策略，當目標環境改變時，需要由人來調整及改變策略。現在許多深度學習與強化學習，機器透過非監督式無師自通的學習特色。
AI交易以監督式學習為起頭，透過資料特徵及特定標籤，讓機器根據給定的特徵去判斷應得的結果，在大數據時代，許多資料往往沒有這麼完整，無法將每筆資料整理成特定格式，故無法利用監督式學習相關的演算法進行各種情境預測分析，這就是為何AI交易必然是以非監督式學習的演算法為主軸，像是深度學習、強化學習演算法。
新型態非監督式競爭學習
許多人對於新型態的AI交易與傳統程式交易無法分辨得那麼清楚，類神經網路因電腦科學與AI演算法上的進步，突破了以往計算上的限制，從三層神經元，發展至今透過深度學習、強化學習等，計算到上百層模擬人腦高等類神經網路。AI進階模擬人類的大腦，加上創新AI演算法，比如人類視覺神經元件的CNN或是RNN，從模型的建構到巨量大數據分析預測，從過去AI做圖形分類辨識，到現在AI變成大盤指數線圖交易策略決策。
AI交易的不同地方在於：給AI一個目標環境(比如台指期指數)，由AI交易透過機器非監督式競爭學習，機器智慧判斷什麼時機策略下單或停利賣出。機器學習在AI交易上突破就是用新型態非監督式學習，透過數據辨識特徵制定策略(比如黃金交叉為偏多特徵)，讓AI透過二十年共四億多筆交易紀錄回測學習，AI機器人就能找出高獲利賺錢模式，透過高頻運算取得瞬間優勢。
策略無限使用GO和Python語言所開發AI交易完美的支援台指期當沖和波段，日盤以及夜盤。透過將近二百個不同策略組合，配合傳統技術指標、籌碼資料、市場資訊等等，訓練多個自我學習的AI Model以觀察各方面的金融市場趨勢，讓AI有效輔助交易策略的決策判斷，二○一九年初到九月已經累積五二％年均投資報酬率，九月份短短半個月更創下一七％的驚人獲利。
如今全球FinTech行業已然是諸多國家投資的下一波經濟驅動力，機器人理財(Robo-advisor)在先進歐美國家已經很普遍，我相信台灣人會慢慢接受，理財顧問不再只依賴特許服務高端有錢會員，而是普羅服務有理財需求的投資大眾。發展AI對AI交易將使台灣金融產業更具光明未來，在國際化AI交易產業升級過程，台灣金融產業將全面升級帶給用戶全新投資理財體驗，創造前所未有的綜效。