智慧金融

建構基於深度學習與強化學習的交易策略與風險控管機制，搭配市場中性策略與盤中資訊結合形成訊號。
研究AI在洗錢防制上的應用，分析其誤判率所造成的影響，制定合適目標函數，改善法遵作業流程。
反向房屋貸款的模擬與分析以及可貸成數與夫妻共保搭配長照情境的研究。

• 產學合作之提案方向: 可解釋的盤中動態交易策略
• 技術可應用領域:  1. AI交易策略 2.智能法規遵循 3.信用風險與財務工程
• 現有可技轉技術 : 1.日內深度學習交易策略 2.洗錢防制改善與優化 3.反向房貸與長照之保單建議

應用深度強化學習於資產配置最佳化問題上，並在考量真實交易成本下，對風險與收益進行分析。利用團隊在金融領域上的專業知識，提出特化資料表徵方法，提升深度模型擷取市場特徵的有效性，並以多代理人強化學習框架為基底，讓策略網路間相互合作，以結合風險因子的獎勵函數為目標，學習具主動式風險調整的投資組合管理系統。另發展多種金融科技關鍵技術，諸如圖嵌入推薦系統、區塊鏈應用平台、 資訊安全攻防、對抗攻擊生物辨識。

我們的團隊致力於蒙地卡羅模擬技術與機器學習的研發和商業化。應用於銀行，證券，及保險產業等金融科技。

本計畫整合行為財務學、財務工程、人工智慧、神經網路等演算法應用於投資組合管理、機器人理財、金融資產交易策略、複雜型債券以及利率衍生商品之評價與避險、以及博弈預測。

此計畫採用Nvidia的CUDA架構，將整個金融衍生性商品定價與風險管理模型建構在高速的平行運算環境上，除了將定價風險因子進行快速模擬之外，也將有效地並大幅度降低子計畫五提出之深度市場校準模型的訓練時間。

以深度學習技術為基礎，建構衍生性商品定價議題上的深度市場校準模型。利用此深度市場校準模型，能夠快速估計定價模型中的所有參數，大幅度降低傳統財務工程作法所需要的時間。此技術分別就3項目進行開發，首先是以匯率衍生性商品之深度市場校準模型為目標，接著再以利率相關衍生性商品的部分進行開發。