社會經濟安全組

計畫主持人：俞明德教授

本整合型計畫乃是因應科技部為促進各AI創新研究中心發展領域特色，擴充研究能量與影響力，針對AI在金融科技上的應用所提出。總體目標在於發展各種AI的技術在衍生性商品定價、資產配置、與風險管理的應用。計畫成果對於金融產業有全方位的影響，首先，本整合型計畫可提供一套快速且正確的衍生性商品評價模型給金融業者，藉由此評價演算法，正確評估衍生性商品的價格與避險參數，並據之以動態避險的方法來發行衍生性商品，投資因此興盛，促進經濟發展。本團隊使用繪圖處理器(GPU)與財工理論，提供更為先進、快速、正確捕捉金融業風險樣貌的模型，在確知自身可承受的風險範圍之下，金融業者願意更積極從事業務，以提高產值。本團隊可提供多種穩健、安全、低成本的資產配置架構，例如更為先進的理財機器人演算法，在本團隊所開發的AI Robo Advisor協助下，民眾可享有過去高資產人士才能接受到的理財服務。

關鍵字

人工智慧、機器學習、投資組合管理、交易策略、選股策略、市場擇時策略、智慧AI指數型ETF、隨機波動模型、衍生性商品、選擇權、市場校準、圖形處理器、統一計算架構、經濟情境產生器、風險管理、蒙地卡羅模擬、涉險值、期望短缺值

創新

• 從擇股、擇時與組成智慧指數的角度，開發智慧指數型ETF自動化交易系統，形成高收益的資產組合。
• 提出球形模擬法與重要性抽樣方法來增加計算的品質，且應用於風險值與預期虧空的風險的衡量方法。並使用層次分群方法，由大量資產中建立自動化的資產配置機制，從機器學習的角度，討論信用卡違約風險的控管。
• 以多重代理人深度強化學習的方式，從風險資金控管的角度，建構高收益組合。
• 則從整合AI技術與理財機器人演算法的角度，以及投資人的觀點，建構最佳化資產組合。後續並以蒙地卡羅模擬法為核心，將各類型資產的偏態與峰態，整合於金融機構單一的整體風險值架構中。
• 使用深度學習的方法，快速的校準衍生性商品的模型參數，讓銀行能及時反應市場變動，做為商品報價與掌握客戶損益的依據，並以之計算衍生性商品的價格與風險參數。
• 利用校準出來的資產價格隨機程序的模型參數，使用GPU的運算能力，實作出計算這些衍生性商品的定價核心計算模組，並在考慮多資產相關性的問題下，開發風險值計算所需GPU版本的經濟情境產生器。

效益

本整合型計畫團隊是全台第一支跨領域的FinTech研究團隊，研究成果對於台灣金融產業有全面性的助益。

• 在「AI」與「衍生性商品定價」方面：本團隊可提供金融實務業者一套快速且正確的衍生性商品評價模型，業者藉由此評價模型，正確評估衍生性商品的價格與避險參數，也願意發行衍生性商品給予有避險需求的產業界人士(例如，須要利用期貨去規避風險的農夫)，有了避險工具，產業人士將更有意願從事實體經濟活動，帶動世界經濟蓬勃發展。
• 在「AI」與「風險管理」方面：本團隊可提供許多更先進、快速、正確捕捉金融業者風險樣貌的金融風險模型，在確知自身的風險為可以承受的容忍範圍之下，金融業者願意更積極從事業務活動，因此提高國家整體金融機構的產值。

在「AI」與「資產配置」方面：本團隊可提供更多穩健、安全、低成本的資產配置模型架構，例如更為先進的理財機器人演算法，在本團隊所開發的AI Robo Advisor協助下，一般民眾也可享有過去高資產人士才能接受到的理財服務，人民的資產因此更加安穩。