人工智能（AI）策略说明

人工智能模型中应用最多和最有效的是神经网络模型。它是模拟人类大脑神经网络的工作原理，进行信息处理和学习的数学模型。人脑神经系统具有丰富的层次结构。经由神经元－神经中枢－大脑的工作过程是一个不断迭加，不断抽象，将原始信息逐步转化为由低到高的多层特征概念架构，最终形成判断和行动的学习过程。

传统神经网络模型的算法在模拟人脑多层架构学习的过程中，由于计算量随架构层次数量增加带来的爆炸性增长而效率低下。近十年发展起来的深度学习算法解决了神经网络模型深层架构相关的优化难题。

深度学习采用的是多层次无监督，逐层穷极的训练方法。也就是不事先给出各隐层最佳状态的人为义，在动态改进最终判断预测的前提下，由机器自主决定每个隐层的最佳元素和结构。如下图表示了一个含有两个隐层的深度学习模型结构图。

在深度学习模型中，原始数据输入后，经过多个隐层计算后，最终输出分类判断。

比如，在预测股票价格时，最原始的输入信号是价格，交易量和时间，初始隐层可以是基础时段内各类股价／交易量动态特征，次高隐层可以是多基础时段内各类股价交易量动态特征的组合，…，直至最终输出是某未来时段股价是否赢利的判断预测。所以深度学习是一种含有多个隐层的神经网络模型。

阳光量化对证券市场运行和数学算法的深度理解保证其人工智能策略的有效性。