| 技術名稱 | 圖機器學習高回報率金融商品推薦技術 | ||
|---|---|---|---|
| 計畫單位 | 國立成功大學 | ||
| 計畫主持人 | 李政德 | ||
| 技術簡介 | FinGAT為高回報率金融商品推薦演算法，在不仰賴公司個股間的關聯外部資料下，能為客戶準確推薦下一個交易日最高回報率的股票，且可解釋個股間與類股間如何相互影響，我們在台股與美股上進行實驗，獲得史上最好的高回報率股票推薦準確率。技術與永豐和玉山銀行合作。技術論文發表於頂尖期刊IEEE TKDE。 |
||
| 技術影片 |
|
||
| 科學突破性 | 本技術FinGAT為基於圖神經網路的高回報率金融商品推薦方法，在不仰賴個股外部資料下，學習股價長短期趨勢，並捕捉個股彼此間與不同類股間之關聯影響，藉此準確推薦金融商品。FinGAT在台股與美股股票交易市場上，推薦準確率皆較當今最佳方法高上至少10，加入用戶金融知識更可讓準確率達到史上最佳0.97。 |
||
| 產業應用性 | 本FinGAT技術所衍生之相關演算法，已與我國金融機構進行合作，包含永豐與玉山銀行，能創造的經濟效益包含：上市上櫃公司之市值提升、銀行業的交易額與成交率提升、客戶從中獲利並提高消費意願，這三方面的經濟效益亦有助於提高國家GDP。本技術已開源，亦可應用於電子商務推薦系統、線上廣告投放、以及精準行銷。 |
||
| 媒合需求 | 天使投資人、策略合作夥伴 |
||
| 關鍵字 | 機器學習 金融科技 金融商品 推薦系統 精準行銷 股票推薦 股價預測 人工智慧 深度學習 數位經濟 | ||
- 聯絡人
- 李政德
- 電子信箱
- reliefli@gmail.com
其他人也看了
