专家传真－由通膨、升息、美股下跌 看人工智慧预测的能耐

图／摘自Pixabay

近月以来，美国通膨严重，联准会不得不启动升息的脚步。过程中，大家讨论到底会升1码，升2码还是3码，造成市场浮动，股票因而上冲下洗。不同的机构会有不同的预测，于是大家就先看多数人的想法如何。当多数人预期不好时，就会造成一些恐慌。

因此还没开始升息，股票就开始下跌。之后又反转上涨，好像就此风平浪静了，但没多久又再次暴跌。于是有人就形容，股价好像树上的松鼠一样到处乱窜，没有人搞得清楚其中的逻辑。财经节目的主持人只好到处访问业界人士，希望从中得到一些对现状和未来趋势的看法。最重要的大概还是想抓来问，现在到底该买还是该卖。

这几天美国公布当月通膨数字，比预期的还高一点，股价立刻暴跌，让美股正式进入熊市。现实市场全凭群众心理操控，很多时候的下跌或上涨并不是因为这个讯息的好坏，而是这些讯息跟预期间的差距。比预期好就上涨。比预期差就下跌。所以才有利空出尽或利多出尽的说法，而不是看讯息本身是利空还是利多。

因为很难掌握，所以每当事情发生的时候，大家往往就会去翻过去的历史，看看过去相同状况发生的时候，它的结果是怎么样。此外，很多人也希望让人工智慧来预测未来的走势，以便告诉投资人，现在是要买还是要卖。

要用人工智慧预测未来股价的走势，首先需要拿历史资料来训练模型。训练久了，它就能记住过去各种情况，并告诉你未来的结果。问题就是影响价格的因素很多，如果单从价格本身来训练，往往不能够反映现在所处的状况。所以只有加入不同的特征值，如利率、汇率、油价、通膨、就业等资料一起训练，才能真正确实掌握现况。

近年来人工智慧，大多用模拟大脑结构的类神经网路ANN来处理各种事情。只要先把模型建好，资料准备好，经过训练之后，类神经网路就可以做数值回归，分类和分群的工作。资料先要把正确的答案标示好，经过长时间的重复训练，类神经网路就能预测出如标示的结果。除做影像辨识与物件侦测的CNN外，同时有另一类的类神经网路RNN，可用来训练语言模型。它能将人类各种语言模式，抽取并记录下来。

同属RNN的长短期记忆模型LSTM，这几年大家常常用来预测股价。同时一并还可以把新闻内容加在一起，跟股价一起来训练，尝试一并从新闻中找出对股价影响的蛛丝马迹。通常这些记忆模型都能回顾过去的现象，很快地连结到相同状态的位置。但拿来做日后真实状况的预测，表现往往却不如预期。对样本内资料表现好，但对未来样本外资料就不行了，这就是所谓过拟合的问题。

现在问题就在，当同样事情再次发生时，也会有相同的结果吗？而相同的事件发生很多次时，它的结果也常常不同，那又要如何处理？就因为很难判断，于是有人就会统计各个不同结果的发生机率，让大家自行决定哪一种情况比较可能发生。如果一定要从中选出这次的结果，就只好每次都猜机率最高的那个，这样也许命中率还比较高。

过去就有人说让电脑预测未来股价的走势，其结果就像拿飞镖射轮盘一样，全凭运气。或许到最后只能做到像预测台风路径一样，显示出可能路径的喇叭图，离起点愈远愈不准，所以喇叭口就愈宽。至于未来真正会落在哪一点，就只好大家自行判断了。