現(xiàn)代性帶來了新的、突破性的東西，這些東西能夠改變世界。

現(xiàn)實(shí)世界的問題不能通過應(yīng)用簡(jiǎn)單的、傳統(tǒng)的算法和方式來解決，所以軟件創(chuàng)造者們必須使用新的技術(shù)。

機(jī)器學(xué)習(xí)就是這些解決方案中的一種。

雖然在傳統(tǒng)意義上的機(jī)器學(xué)習(xí)的基礎(chǔ)可以回溯到20世紀(jì)40年代晚期，這項(xiàng)技術(shù)本身直到最近才開始興起，它得益于用來訓(xùn)練系統(tǒng)的可用計(jì)算能力的迅速增長(zhǎng)。

談到智能市場(chǎng)分析系統(tǒng)，使用機(jī)器學(xué)習(xí)工具能夠排除掉很多傳統(tǒng)方法的劣勢(shì)。Cryptics平臺(tái)積極利用機(jī)器學(xué)習(xí)的方法來創(chuàng)建系統(tǒng)，用來分析密碼市場(chǎng)與算法交易。這讓它能夠提高系統(tǒng)運(yùn)行所得數(shù)據(jù)的可靠性，從而降低風(fēng)險(xiǎn)、節(jié)省投資者的資金。

下面我們嘗試用簡(jiǎn)單的語言向讀者解釋最有趣的機(jī)器學(xué)習(xí)方法之本質(zhì)，以及在實(shí)踐中應(yīng)用這些解決方案的案例。

1. 用神經(jīng)網(wǎng)絡(luò)的時(shí)間序列的統(tǒng)計(jì)分析

在分析加密貨幣的交易信息時(shí)，有兩種類型的數(shù)據(jù)必須用分析系統(tǒng)來處理。第一種類型是通過交易的API直接獲取的原始數(shù)據(jù)。這些數(shù)據(jù)通常由數(shù)值組成，可以用數(shù)學(xué)的方式和統(tǒng)計(jì)方法進(jìn)行分析，它們通常具有有序的結(jié)構(gòu)。

但還有些信息，其選擇的原則標(biāo)準(zhǔn)并沒有被明確定義。舉個(gè)例子，那些從不同信息源而來的信息，比如從評(píng)級(jí)機(jī)構(gòu)、社交網(wǎng)絡(luò)來的信息，關(guān)于某特定產(chǎn)品中投資者的興趣等級(jí)的信息等。

一般來說，為了獲取想要的結(jié)果，就必須要分析整套數(shù)據(jù)，必須進(jìn)行規(guī)律性的識(shí)別。為了達(dá)到這個(gè)目標(biāo)，CrypTIcs系統(tǒng)就用時(shí)間序列的統(tǒng)計(jì)分析技術(shù)配合機(jī)器學(xué)習(xí)算法來實(shí)現(xiàn)。

在極端簡(jiǎn)單的單詞中，算法將會(huì)把特定的對(duì)象分配到每一種數(shù)據(jù)中，它們可以被一組描述其狀態(tài)的參數(shù)來表示。所有對(duì)象的連接集都由神經(jīng)網(wǎng)絡(luò)使用Kohonen映射法來分析。這就讓算法解決了找出相似對(duì)象并將它們分組的問題。

2. 資本資產(chǎn)定價(jià)模型和風(fēng)險(xiǎn)評(píng)估

資本資產(chǎn)定價(jià)模型（CAPM）是一種用來評(píng)估金融資產(chǎn)利潤(rùn)率的模型。這個(gè)模型的本質(zhì)是假設(shè)存在一個(gè)高度流動(dòng)性的資產(chǎn)市場(chǎng)，舉個(gè)例子，一種加密貨幣，它能得出結(jié)論，即所需的利潤(rùn)金額并不是完全由當(dāng)前資產(chǎn)的特定風(fēng)險(xiǎn)特征等級(jí)決定的，就像加密貨幣整體的利潤(rùn)金額由一般風(fēng)險(xiǎn)特征決定那樣。

使用這個(gè)模型，并結(jié)合機(jī)器學(xué)習(xí)的方法，CrypTIcs就能夠以足夠高的準(zhǔn)確度來實(shí)時(shí)分析某特定加密行為的盈利能力和風(fēng)險(xiǎn)了。

3. 集成學(xué)習(xí)者

使用集成學(xué)習(xí)者的基礎(chǔ)在于這樣一個(gè)想法，即在同一個(gè)數(shù)據(jù)樣本中學(xué)習(xí)幾個(gè)基本的對(duì)象，并使用不同對(duì)象的結(jié)果的聯(lián)合來預(yù)測(cè)后續(xù)更改的加密機(jī)制。這個(gè)方法的數(shù)學(xué)基礎(chǔ)就是十八世紀(jì)早期制定的陪審團(tuán)審判定理。

根據(jù)這個(gè)定理，大多數(shù)參與者在經(jīng)過分析后做出的決定最有可能是正確的。這就讓這個(gè)網(wǎng)絡(luò)能夠分析對(duì)匯率變化幾乎沒有影響的市場(chǎng)指標(biāo)，并在這些指標(biāo)的基礎(chǔ)上制定一個(gè)解決方案，這樣總數(shù)據(jù)樣本里的錯(cuò)誤將小于分別應(yīng)用每一個(gè)指標(biāo)產(chǎn)生的錯(cuò)誤。

4. Q-learning

Q-learning或者說強(qiáng)化學(xué)習(xí)，它能夠用反饋的方法改善神經(jīng)網(wǎng)絡(luò)的表現(xiàn)。根據(jù)算法的結(jié)果，形成效用函數(shù)。關(guān)于這個(gè)功能的結(jié)果，該算法會(huì)接收到關(guān)于以往經(jīng)驗(yàn)的數(shù)據(jù)，這就可以排除故意丟失事件發(fā)展的某些細(xì)節(jié)。

當(dāng)然，這只是機(jī)器學(xué)習(xí)冰山的一角，關(guān)于整個(gè)CrypTIcs子系統(tǒng)和在框架中使用的技術(shù)方法不可能在這一篇文章中概括。每一個(gè)有具體工具和公式、計(jì)算的廣泛話題和描述都需要很多篇幅來解釋。

使用機(jī)器學(xué)習(xí)工具能夠讓我們的產(chǎn)品大幅改善其算法的工作效果，從而對(duì)整個(gè)系統(tǒng)的效率提升產(chǎn)生積極的影響。