晶文摘

[理財機器人] 知識處理網路

給晶新聞一個讚



作者:夏肇毅 2018-10-24 初版 TANET 2018

知識處理網路


一個整理過的知識網路連結,會像一本書開頭的目次,把所有的主題與子題攤開。每個主題有內容的描述,如同wiki一樣,當它提到另一個主題時就有連結連過去。這是從上到下,目的是展現知識架構。


同時還要有反向連結,像一本書後的索引一樣,針對某個名詞列出哪幾頁有提到。如同Google一樣,把有提到某一主題的內容,都連結起來。這是由下往上,目的是要快速索引。


學習的過程,就是把書一頁頁的記入腦中,再依序產生目次。剛開始時還生疏,所以只能靠目次從頭順序唸到尾。熟練後就建立索引,只要聽到內容中的某一名詞,就能擴展到所有提到它的相關內容。


理想的理財機器人應能夠了解經濟新聞,同時針對市場變化提供建議。因此它必須要了解財經市場的原理與規則,待判斷世界的變化後再針對財經市場的變化做出反應。為了要造出一個架構於知識上的理財機器人,我們必須設立許多關鍵字的KPU來處理專業知識。像USD,JPY,OIL,利率等。當一個KPU被標示為USD時,它就必須偵測USD的關鍵字輸入,然後發送出一切有關USD的資訊。同樣的,一個被標示為OIL的KPU必須偵測OIL的關鍵字輸入,同時也發送出與OIL有關的最新資訊。


因此,我們的理財機器人必須包括下列各個型態的KPU:

語言KPU:動詞,名詞,形容詞,副詞,片語,短句與文法。

公式KPU:財務公式如選擇權定價Black Scholes模型,凱利公式等。

方法KPU:如線性方程式解法。


舉個例來說,我們來看一下應該要如何處理收到的外匯新聞:

”The safe-haven yen and Swiss franc were higher, with USD/JPY sliding 0.41% to 112.01, just off the previous session's two-month peak of 112.72, while USD/CHF fell 0.21% to trade at 0.9687. Elsewhere, EUR/USD gained 0.20% to trade at 1.1965, while GBP/USD edged down 0.10% to 1.3569, off Monday's 15-month highs of 1.3620.”


檢視一下這新聞的句子,我們發現這些關鍵字與短語:

-數字,百分比

-USD/JPY, USD/CHF, EUR/USD, GBP/USD 

-and, higher, sliding to, off peak of, fell to, gained to, edged down to, off highs of


因此,我們必須建造不同的KPU來處理數字,外匯商品符號以及它們變動的短語。第一層KPU處理字,第二層KPU處理短語,最上一層再處理句子的意義。