國立中山大學 財務管理學系

申請人

蕭珮婕

講者

姓名/

職稱

匡顯吉/國立彰化師範大學 財務金融技術學系 助理教授

演講

日期/

時間/

地點

113 年 11 月 1 5 日 14:10~17:00 管 CM1 025

演講

題目

財務機器學習淺談

參加

人數

24

演講

紀錄

簡述

一

、 活動過程 與成果

演講內容主要與

機器學習相關 讓 學生 了解 到 機器學習在 財務

上 的應用 以及如何使用 機器學習的 方法 並 針對 同學 的提問 進一步

說明 。

二、

內容 說明

1. 舉例 財務 領域 中 的 研究 問題 可以 透過 機器學習的方法來解決

(1) 投資人如何預測公司未來現金流以評價股票

(2) 投資人尋找更好的投資策略

(3) 銀行預測信用風險 的 違約 機率

(4) 避險基金經理人需要更好 地 預測 資產報酬 率

若

這些存在 高 維度 問題 解釋變數數量 大於或是接近於 觀察值

數量 的資料 可以透過機器學習的方法來處理 並 找出 較為 精準的

資訊 使得 機器學習 在財務上的應用 更為重要 。

2. 機器學習 的 基本概念： 讓機器通過大量 的 資料 來 學習 該資料的

特徵 並進行預測。 其中 以圖片 辨識 為例 主要先 將圖片 切割

成小 片段 也就是 各種小 特徵 ))，讓 機器 學習 每個片段的特徵

進而判斷新圖片是否符合這些特徵 。

機器學習

主要分為 監督式、 半監督式和非監督式 學習

(1) 監督式 學習 利用 標註 的資料 讓 機器根據標準答案進行學

習並調整模型 。

(2) 非監督 式 學習 利用 未 標註的 資料 資料 沒有「正確答案」

或標準結果 讓 機器 自己從資料中發現潛在的結構或規

律，並進行分析和學習 。

(3) 半監督式學習 介於監督式學習和非監督式學習之間的機器

學習方法。 利用未標註 的 資料 特徵，結合少量標註的資料特徵來改善學習效果，從而達到更好的預測準確度。

活動

照片