---
tags: 人工智慧概論
---
人工智慧概論 第十一週 AI在金融的應用
===
### 受訪人：財務管理學系 王昭文教授
### 組別：第10組
### 訪問組員：
B062030019 陳禹樵
B063021038 陳傳安
B065020012 黃柏維
B074020056 廖仕雅

---

## 與老師的合照



<br>

## 老師的求學過程
>[color=#97CBFF] 1. 老師從什麼時候開始發現自己的未來的方向呢？

大約是40歲當教授以後，發現這是一條可以發展的路。早期都是做比較規則化的交易投資，簡要的交易策略，後來慢慢發展成AI的觀念，像是deep learning可以把不同的特徵做不同的group，結合起來後做出預測，CNN(卷積神經網路)可以將財務數據圖像化後做分析。我覺得統計跟機器學習是一家親，商學院都會學統計，自然就應該要學machine learning，其實就只是線性跟非線性的差異而已。

<br>

>[color=#97CBFF] 2. 在做AI相關研究時，有遇到哪些困難是令老師印象比較深刻的呢？

任何領域剛進入都是比較難的，像是machine learning的領域，我全部都是自學，學生們應該也要有這樣的觀念跟認知。其實現在任何東西都要當作念博士一樣，我在念博士時讀的是財工，之後又自己唸保險、精算，一直到現在在做machine learning的研究。這些都是不同領域的知識，等同是在念一個專業的學程，途中一定會碰到許多困難，需要很多時間的磨練。而現在的網路資源和以前的年代差很多，現在在網路上都有辦法自學，獲得資訊的方式相較以前多了不少，但我覺得，有沒有老師教還是差很多的，有時候就差老師的指點，去點通一些觀念。

<br>

## 老師與中山、學生
>[color=#97CBFF] 1. 請問老師是因為怎樣的際遇來到中山呢？

這方面我覺得比較玄學一點(笑)，我覺得其實有時候人的際遇嘛，也因為是教授的身分進來，基本上也是難一點。所以我覺得，還是先多做善事吧！

<br>

>[color=#97CBFF] 2. 那老師怎麼會選擇到中山來呢？

這麼好的地方，我怎麼會不來呢？南部最好的學校就是這邊了！我現在也想繼續留在這邊，北部有北部的好，但南部孩子比較可愛。我也是南部的小孩，所以比較喜歡留在南部，算是個人喜好。雖然北部金融機構比較大，幾乎整個金融都在那裡，但也不要小看高雄，這裡其實有許多中小企業，所以發展的模式比較不同，較常以公司的財務觀點出發。總而言之，如果是要去跟企業合作的話，在北部合作的對象可能都金融公司、金融機構，在南部則是一般公司。其實換個想法，在南部，我們中山因為名聲的關係，一般公司會很願意和你合作，也可以擁有不少交流的機會；若到台北的話，相對來說會遇到較多的人才，你不見得會被看到，所以在我看來，對學生來說，留在南部的話也是一種不錯選擇。

<br>

>[color=#97CBFF] 3. 老師在中山有什麼印象深刻的地方嗎，或者有什麼喜歡的地方？

我其實從碩士班就很喜歡了，我碩士班念這邊，我那時考的所有的學校最喜歡的就這邊了！

>[color=#97CBFF]
>> 延伸：老師有被中山特產攻擊過嗎？

哦...有！被他搶過！其實以前沒有現在這麼嚴重的，是因為後來保育了。我們那時當學生85到87年時也還好，現在又不是保育了啦，但一樣是過多了，你也不能攻擊他。那個還好啦，其實也是人類慣壞他們，如果沒餵食牠們也不會變成這樣，讓他們覺得食物太容易得到了。所以這是有人說的「因果循環」。

<br>

>[color=#97CBFF] 4. 在老師眼中，中山財管與其他學校的財務相關科系有什麼主要的區別呢？

中山財管是少數會強調AI應用的科系，現在開了許多課程都不是純財務管理的課程，例如金融投資與程式交易、巨量資料分析，或者偏machine learning的課程。另外，系上也有針對R、Python、SAS、Excel VBA，都有相關的老師、課程在做教學，所以我認為蠻難得可以有這樣的定位。

<br>

>[color=#97CBFF] 5. 老師對於中山的學生有什麼樣的期待呢？

沒有，我覺得學生應該才要對自己的未來有所期待，我不會要求學生一定要去做什麼事。我的觀念是－－我提供一個我認為應該有的環境，然後讓學生自由發揮才對，而不是我們期待什麼，因為這樣會讓學生變得不是為自己而活。我們創造出所謂的機器學習環境，或是程式的環境，但我不強迫每個人來學，你自己才是選擇你未來的路的主人。我倒覺得重點是，學生要能知道自己未來的道路是什麼。

<br>

>[color=#97CBFF] 6. 若想在AI金融方面發展，需要具備哪些能力及人格特質？

我覺得應該是比較偏向喜歡做研究的人才有辦法用AI做研究，因為目前這方面比較偏研究導向不是業務導向，但是必須有個認知就是終究金融還是服務業，所以最終還是要接觸。

<br>

>[color=#97CBFF] 7. 對於AI的崛起，老師對於非資訊本科系的同學有什麼樣的建議呢？

有這樣的想法很好，我覺得先好好的把自己的專業能力學好，然後再學習一些程式能力，這樣其實上就很容易實現一些作品。我認為應該要有「學程式的目的不是為了好玩，而是要把它實現出來」這樣的觀念，把自己的想法做出來，即便是prototype(雛形)也好，只要有辦法把想法做出來的話，別人就很容易看到。因為現在人比較偏視覺化，所以必須思考的是，如何透過程式而自己的想法視覺化，以及如何產出－－這就是人機協作的目的－－把過去人類必須花費長時間作processing的，像是RPA(流程自動化)做出來，而且還有一些AI能力的存在當輔助，可以取代很多勞力，但卻不能取代人力。

<br>

## 關於老師的專業
>[color=#97CBFF] 1. 老師為什麼想將機器學習應用到財管方面呢？在這方面，其最主要的運用為何？

因為machine learning在圖片、語言方面應用，準確度會比較高，可是如果用到人文社會上，因為有外在衝擊，所以其準確度會相對下降。財務對我來說是迷人的，所以想要去預測他，藉由machine learning能達到目的。最主要的預測像是股價上漲、下跌的機率；上漲、下跌的百分比，以及行銷數據，銀行有許多結構化的資料，若想分析這些資料是否有幫助，就會需要machine learning和data science的應用。

<br>

>[color=#97CBFF] 2. 台灣目前有哪些企業在金融產業方面，開發或運用AI的技術呢？最主要應用(趨勢)為何？

像是投信就有在做人機協作，其實就是質化跟量化的結合，比如我們對總體有些看法，但無法很具體地說出來，是在看到許多經濟數據後得到的想法，應用machine learning可以得到一個答案，可以作為參考後給出建議。
而AI目前在這方面的應用主要有兩個，投資方面以及交易策略上，例如期貨策略、證交策略，等等，其實都是把各種產業領域的知識與財務結合，而就根本來說，data是最重要的，可以在不同方面去運用，沒有data就什麼都不是了，然而這又牽扯到一個問題：現在的資料數據都過於龐大，人難以處理，因此便需要巨量資料的分析，目前業界都有在做這方面的應用，投資、金融行銷都會使用到。

<br>

>[color=#97CBFF] 3. 老師在目前研究領域中所用到的程式語言有哪些？

我現在全部都用Ｒ。以前是用Matlab，後來轉到R，但python學得不是很好，所以還是學R。

>[color=#97CBFF]
>>延伸：所以會鼓勵財管系的學生學R比較好嗎？

其實現在Python外面用得比較多，所以我覺得兩個都可以學，這也是為什麼我們還是會找Python的老師過來。任何難題的存在一定都有它的價值，Python之所以厲害，是因為他是黏著程式，所以寫R再黏到Python也不會有什麼問題－－如果你不是要做即時交易的話。但其實，做即時交易的話Python也不夠，因為它的速度不夠快，所以這方面真正要學的是C、C++，而不是學這個；且如果是真的要跟別人玩即時交易，也不是單純C的能力就足夠了。因此，這就牽涉到另一個問題：你要多專精？如果你要很專精的話，你要會的東西就不只是這樣；如果只是為了要跟學科結合，這便不是問題，因為工程師都看得懂你寫的程式，他們能夠幫你改成他擅長的語言，但他沒辦法從頭寫到尾的把程式寫出來，因為他不懂這些背景，所以這也是我們的優勢之一。

<br>

>[color=#97CBFF] 4. 老師目前所研究的主要領域，是因為個人興趣還是趨勢使然？

現在不管是machine learning或是AI，每個人都想人手一天，但是要如何運用到學術上，然後讓其它人覺得很convincing，是大家努力的方向。另外，因為這是一個非線性的模型，所以背後很多邏輯是無法解釋的，然而學科對於無法解釋的東西往往是無法接受的，尤其在財務、社會領域裡面，但目前的問題是，machine learning是具不可解釋性的，他重在強調prediction，而不是explanation。
像回歸就是最簡單的一個machine learning，其亦可以稱為statistical learning，主要因為他是從統計學去發展的。而統計之所以在財務上常被用到，就是他是線性的(或是對數的)，並且可以解釋－－他的係數本身就帶有解釋性，亦可以驗證顯著與否。然而在machine learning並沒有這回事，因此現在也有人試著在machine learning這部分做解釋。

<br>

>[color=#97CBFF] 5. 未來AI是否會取代財經相關的工作?

我是覺得assistant的工作都有可能被取代。因為人機協作的目的是在取代人類的左腦的工作，也就是記憶的工作，人類永遠不可能比電腦會記。然而，電腦是很笨的，電腦是一個記憶力超級強大但智商不高的小孩，所以需要人去引導他，就像機器學習一樣，圖像辨識現在這麼厲害，是因為圖像是高度重複性，因此，只要是記憶相關的能力都贏不了它。就如我們現在的記憶力肯定贏不了那種4、5歲或10幾歲的同學的記憶力，所以比記憶力我們永遠都不會比國中生強，可是比才能就不是這樣。人跟電腦的議題重點在於，你用什麼角度切入來看他價值的問題。

<br>

>[color=#97CBFF] 6. 老師覺得AI在金融方面的應用有什麼潛在的危險性嗎？

這方面可能不是我能做的(笑)，這個或許要到機器人去模擬人類，那個可能是資工的老師才能回答的問題。我相信一定有危險性，因為能力很強的人一定有辦法去創造所謂的reinforcement learning(增強式學習)，只要環境弄得好，程式的能力又高，又有超高速的電腦，例如IBM，我覺得已經有這項能力了。就醫生來說，某種程度上算是重複性高的工作，當然還是有它的難處，但是AI已經可以學習針對某些病症開藥，偏異也並不會太大，所以我覺得，他們已經可以慢慢取代一些專業人士的工作了。

<br>

>[color=#97CBFF] 7. 有沒有推薦的AI理財系統或工具是任何人都好上手也可以學習的？

如果是AI套件的話，它一旦啟動，便沒辦法看到背後的東西，所以若只是要使用的話，有很多號稱理財機器人的工具是可以使用的，但也要看它背後是否是玩真的數據。其實AI與量化投資很容易被混淆－－量化投資是規則化的；而AI則是要自己有學習能力的。就目前來說，還沒辦法推薦系統或工具，因為大部分都還處於開發階段，但其實我覺得應該還是有，只是可以賺錢的東西一般大家都不會說出來。