AI工程师们用奖励和惩罚来引导人工智能，就像训练白老鼠来获取食物一样。从技术角度来说，他们会用到深度学习和强化学习。

通过深度学习，他们用历史信息构成的数据集，来训练算法发现预测模式、规律。比如说，当算法从股票和期货的价格数据中发现相似点时，就会受到“激励”。

通过强化学习，算法会在运行过程中，根据某种行为的成败来重新校准。他们会在算法中设置惩罚机制，来阻止AI的某些行为，比如说不让AI去创建人类已经用过的交易策略。

人工智能不断改变整个金融行业格局，各大投资银行纷纷启用交易机器人去执行股票买卖。人工智能用历史信息构成的大数据集 (Big Data)，来训练算法发现人类交易规律，并根据接收到的新信息进行调整和自我学习，优化模型。

想要做分析，必须得有数据。要么从数据商(纳斯达克或纽约证券交易所)手里购买数据，或者自己收集免费数据。获得数据后需要清洗，才能灌输给人工智能去训练。

前纽约证券交易所母公司数据分析师 Ken，精通大数据结构和人工智能算法，并拥有10多年美股技术面和财务基本面分析，熟悉编程在高科技界和金融业的运用，擅长构建基于数据挖掘／深度学习／量化交易平台。

他将开展一系列网路互动课程，手把手教你利用人工智能预测美国股票走势，首次披露在华尔街多年的交易策略和投资模型。https://www.tradesmax.com/classes

第一个项目：财报数据预测

第二项项目：K线图走势预测

课程报名方法：

微信客服meigu88