財務機器學習淺談

國立中山大學財務管理學系 - 演講活動成果

演講紀錄簡述

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。

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

講者：匡顯吉助理教授進行「財務機器學習淺談」專題演講 演講結束後致贈感謝狀與講者合影 演講過程與現場學生互動