本周邀請到目前任教於國立陽明交通大學資訊管理與財務金融學系的陳耀宗老師，陳耀宗老師也是中山大學資訊管理系畢業的大學長。

　　跨領域整合資訊科技的魅力對於學術界與業界皆是如此，老師除了資訊管理博士學位外，同時也擁有財務金融博士學位，是學術界難能可貴的跨領域專家，老師今天演講的題目是「Machine Learning in Finance」，Machine Learning在最近一兩年，開始在財金領域的期刊出現頻率開始有上升的跡象。

　　第一階段老師與我們介紹了投資組合最佳化目前的趨勢與前瞻性的學術研究視野，並且在這一主題上，老師進一步闡述了這個概念的延伸與應用，具體地使用了NSGA（Non-dominated Sorting Genetic Algorithm）這一演算法，透過這個演算法實現「多目標最佳化」，此外，老師也介紹了如何設計多目標函數，透過考慮市場（市值）和不同產業的因素來以更全面的方式來進行股票的選擇，尤其以基金重視風險控管這一原因，設計多目標函數的細緻思考，更是使投資決策更具有全面性和深度，這對於基金等投資機構而言，將有助於更有效地應對市場的變化，降低風險並提高回報。

　　第二階段老師帶來了情緒理論來操作之投資策略，使用的是Text mining結合情緒分析的技術來決策投資操作，這一新興方法的背後有著一系列具體的策略，例如使用回歸模型或其變種，預測過去30天情感對每日回報的影響，簡而言之，所謂Text Mining就是從大量的文字資料中提取有價值的信息和模式的過程；透過情緒分析，我們能夠更深入地理解市場參與者的情感波動，這在傳統的財經研究中可能被忽略、或者採用一些較為古典的策略，如部分財金領域的做法，是從正/負面字典上單純的計算出現頻率與評分；而結合機器學習的技術，如KNN（K-Nearest Neighbors）、REPTree等，使得我們擁有更多的選擇；我認為情緒分析最關鍵的角色，就是使我們得以更深入地理解市場參與者的情感波動，特別是在考慮到市場的動態性和複雜性時，這種情緒分析成為一種更靈活且能夠適應市場變化的方法，這種新的取材方式不僅提供了更多角度觀察市場，同時也為投資者提供了更豐富的資訊基礎，使其能夠更明智地做出投資決策。

　　透過老師的分享，我們意識到原來資訊科技中的演算法可以拿來實作在投資組合最佳化、文字探勘結合情緒理論竟可應用在投資決策，顯然資訊科技在金融領域的分析中今已有著如此關鍵的地位，這種結合資訊科技和情感分析的前瞻性方法，不僅讓我們對市場的洞察更深刻，同時也促使我們思考未來科技在財金領域的持續革新，感謝老師今天的演講，不只展現了機器學習在金融領域中的實際應用，也在學術上提供了我們在學學生關於求學的諸多指引。

資管系博士生　撰稿