單元 1 / 6 · 5 分鐘閱讀

AI 與演算法交易究竟是什麼意思

「AI 交易」是一個把三種截然不同的東西混為一談的行銷簡稱；學會分辨基於規則的機器人、真正的機器學習，以及 AI 輔助工具，大部分的炒作就會煙消雲散。

試試看 · 為 AI 宣稱分類

0/ 4

標榜為 AI · 產品 A宣稱 1 / 4

一個 AI 機器人在價格上下自動掛出買賣單，藉波動獲利。

這其實屬於哪一類？

選出這個工具實際所屬的類別，再核對你的答案。

在繼續讀下去之前，先試試上面的分類器：把每一則行銷說法歸入三個分類之一，看看那個標籤變得多麼經不起推敲。「AI 交易」是市場上最被過度吹捧的詞語之一。同樣這兩個字，被蓋在從一個遵循單一固定規則的簡單機器人，到一個只是轉賣別人買賣建議的訂閱服務等各種東西上。好消息是：在所有品牌包裝的背後，這些工具中的任何一個，其實都只能是三種東西之一。一旦你能說出眼前的是哪一種，大部分的炒作就會煙消雲散，而你會確切地知道下一步該問什麼。這個過濾器是整門課程中最有用的一項技能，所以我們從這裡開始。

真正重要的那個問題

直覺會讓人去問「這是自動化的嗎？」。那是個錯誤的第一個問題，因為自動化早已是常態。基於規則的程式運行著美國股票交易量的大部分，依常見估計約為 60% 到 75%。自動化並不新奇，它本身也並不陰險。

有用的問題不一樣：**這是哪一種自動化，而它真正在做多少決定？**一個遵循一條你讀得懂的規則的工具，和一個自行發明規則的模型，是天差地遠的；而這兩者又都不同於一個只是幫你做決定的工具。以下三個分類，由自主程度最低到最高排列。

基於規則（演算法）的交易

這是一個運行著人類事先寫好的固定「若—則」規則的程式。一條規則可能是這樣：「如果 50 日均線向上穿越 200 日均線，就買入；如果它向下穿回，就賣出。」程式會一絲不苟、不知疲倦、毫無情緒地照做。它從不發明新規則，也從不學習。

有兩個詞很能形容它：確定性與可稽核。給它相同的資料，它總是做出相同的事，而且你可以讀到產生任何一筆交易的那條確切規則。你作為散戶會遇到的大多數所謂機器人，都住在這裡，無論它的行銷頁面怎麼稱呼它。

機器學習交易

這一種在本質上就不同。模型不是遵循人類寫下的規則，而是研究歷史資料，摸索出自己的模式，並能隨著新資料的到來加以調整。沒有人把規則打進去；是模型自己找出來的。

這讓它確實更強大，也遠更脆弱。因為模型會去追逐任何契合它所看到資料的東西，它很容易學到不會重演的雜訊（這個陷阱叫做過度擬合，稍後有專屬的一個單元）。真正的機器學習交易很困難、極度渴求資料，而且大多是資金雄厚的量化公司的天下。真正在做這件事的消費性產品少之又少，無論它們怎麼宣稱。

AI 輔助交易

這裡由人類主導。工具是增強你的決策，而不是自行交易：它可能為你摘要新聞、標示一個圖表型態、建議一個倉位規模，或回答一個問題，但扣下扳機的仍然是你。

這是自主程度最低的一類，而對散戶來說，它在實務上往往最有用，正是因為在最關鍵的那些時刻，判斷權仍握在人的手上。「AI 輔助」與「全自動」位於控制光譜的兩個相反端點。把其中一個當成另一個，是一種經典的行銷手法。

大多數「AI 交易」產品的真實面目

重點來了。絕大多數以人工智慧為名銷售的散戶產品，其實是簡單的基於規則的機器人（一個網格，或一個均線交叉），或是轉賣別人買賣建議的訊號訂閱服務。「AI 驅動」、「神經」、「深度」、「自我學習」、「量子」這類詞語被挑選出來，是為了掩蓋一具平凡的引擎，並為一筆費用找理由。

所以在你評判任何工具之前，先強迫把它歸進一個分類。問：它是在運行固定規則、是真的在從資料中學習，還是只是在幫一個人做決定？你最後落在哪個分類，會告訴你接下來該問哪些問題，以及該把多少行銷說詞打折扣。

解碼三款「AI」產品

盒子上是同樣的兩個字，裡面卻是三種完全不同的東西。試著把每一個分類，並問出正確的追問。

產品 A：「AI 機器人在價格周圍智慧地擺放買賣單，從波動中獲利。」解碼：一個網格機器人，純粹基於規則的自動化。追問：當市場走出趨勢、突破網格時會發生什麼？
產品 B：「我們的深度學習模型以 92% 的準確率預測下一根 K 線。」解碼：一個機器學習的宣稱。追問：拿出樣本外的結果和成本給我看（下一個摺疊區會說明為什麼單看那個 92% 意義不大）。
產品 C：「AI 副駕標示型態並解釋風險；由你下單。」解碼：AI 輔助，由人主導。追問：它是否在不奪走我決定權的前提下，改善我的決策？

學會在幾秒內做出這個三方分類，就已經贏了大半。

為什麼 92% 的勝率仍然可能虧錢

高勝率聽起來所向披靡，但它對盈虧幅度或成本什麼也沒說。假設一個工具有 92% 的時間獲勝，但每一次贏只賺 1，每一次輸卻虧 15。

在 100 筆交易中：你贏 92 筆，賺得 92 x 1 = 92；你輸 8 筆，虧掉 8 x 15 = 120。淨結果：虧損 28，這還沒算上手續費和滑價讓它更慘。那個「92%」也幾乎總是以樣本內衡量的，意思是在模型被調校的同一批資料上，所以就連這個數字本身通常也是往好看說的。

教訓：勝率本身不是證據。永遠要問贏的幅度相對於輸的幅度有多大，以及成本有多少。

為什麼 AI 輔助可能是最安全的一類

自主程度最低的工具往往最安全，這感覺很反直覺，但背後有一個扎實的理由。固定規則和訓練好的模型，只認得它們被建立在其上的那些情境。當某種罕見、超出那份經驗的事情出現時（就是稍後黑天鵝單元所談的那種事件），人類能認出「這不正常」並介入，而自動化系統則會一如既往、信心十足地繼續執行。

讓一個人守在扳機上，並不代表這是個原始的工具。它是一道刻意設置的防護，恰恰守著那些會造成最大傷害的時刻。

快速知識測驗

用一句話分別說明，這三個分類有何不同？ 基於規則的交易運行的是人類寫好的固定「若—則」規則；機器學習交易從資料中摸索出自己的模式；AI 輔助交易則是幫助一個仍然做最終決定的人。

為什麼「這是自動化的嗎？」是個錯誤的第一個問題？ 因為自動化早已是主流（美國股票交易量大多是基於規則的），所以答案幾乎總是「是」，這什麼也沒告訴你。有用的問題是：它是哪一種自動化，以及它實際上做了多少決定。

一個工具宣傳 92% 的勝率。為什麼這不足以讓人信任它？ 勝率忽略了贏相對於輸的幅度以及成本，所以高勝率搭配失衡的盈虧，仍然可能虧錢，而且這個數字通常是以樣本內衡量、未經驗證的。

資料來源

SEC (Division of Trading and Markets), "Staff Report on Algorithmic Trading in U.S. Capital Markets"：基於規則、預先設定程式的訂單執行，幾乎或完全沒有人為介入。
arXiv (academic), citing Hendershott et al. (2011) and Brogaard et al. (2014)：美國股票交易量的大部分是演算法交易（常被引用約為 60 到 75%）。
ISO/IEC 22989, "Artificial intelligence — Concepts and terminology"：從資料中學習模式、而非遵循明確寫下規則的模型。
SEC and FINRA (Joint Investor Alert), "Automated Investment Tools"：一種被簡化為預設進出場規則的策略，仍然需要人為監督。