logo
PRODUCTS
icon1
產品介紹
icon2
line bg2

AEAI 系列產品技術演進

icon
  • 星紀元自創立以來，即致力於結合人工智慧與金融科技，打造具備高度自主決策能力的智能交易系統。我們的核心產品 AEAI 系列，歷經多次技術迭代，從初代模型到最新版本，逐步實現從資料理解、情緒解析、事件預測到策略決策的全面智能化。
  • AEAI 1.0：語意基礎建構
  • 首版 AEAI 以自然語言處理為核心，著重於文本資訊的轉化與理解。透過 Word2Vec 與 LSTM 模型，系統能夠將財經新聞、分析報告與市場評論轉換為向量化語意特徵，用以擷取市場情緒與事件驅動訊號。這個階段的模型已具備基本的文字感知能力，是後續技術演進的語意基礎。
  • AEAI 2.0：深層語境理解與預測
  • 為突破語意分析的表現瓶頸，我們導入 Transformer 與 BERT 技術，強化模型對上下文語境的理解力，特別適用於財經語料中多變與隱喻的表述風格。透過大量預訓練與微調，AEAI 2.0 能更精準地萃取多源文本中的關鍵市場驅動因子，並應用於短中期股價預測與資產配置建議。
  • AEAI 3.0：多模態事件感知與決策
  • AEAI 3.0 是首個整合「語言、時間序列與事件圖譜」的多模態模型版本，標誌著系統正式進入語義—事件—決策連貫運算的新紀元。我們結合強化學習（Reinforcement Learning）與圖神經網路（Graph Neural Networks），建立起事件間的動態因果推理鏈，並以「預期市場反應」為導向進行策略建構與強化學習優化，使交易行為更貼近實際市場決策邏輯。
  • AEAI 4.0：自主決策體系與因果強化學習
  • 最新版本 AEAI 4.0 以「因果導向強化學習」為核心，引入 Causal Transformer 架構與多任務學習設計，全面提升模型在複雜市場環境下的適應與推理能力。系統具備「動態事件理解 → 原因判別 → 策略調整 → 決策強化」的閉環能力，並能根據市場結構變化自我調整參數與策略，展現前所未有的自主性與靈活性。

AEAI 系列產品技術演化時間軸

icon
  • 技術核心模組與架構演進（2018–2024）
    • 時間範圍 主要版本 語言模型 時間序列模型 結構化分析模組 核心技術特色
    2018 初始原型 Word2 Vec、TF-IDF LSTM 傳統技術（PCA、Decision Tree 等） 建立交易資料特徵工程框架，測試初代預測模型。
    2019 AEAI 1.0 Word2 Vec + LSTM LSTM Decision Tree + 隨機森林 第一代實用型交易機器人，初步實現資料預測與回測優化。
    2020 AEAI 2.0 BERT（微調） LSTM + GRU XGBoost + Feature Selector 整合語意理解與市場邏輯預測，強化模型準確率與效率。
    2021 AEAI 3.0 FinBERT + 自訓語料微調 Transformer + GRU + Attention 強化型 XGBoost + SHAP 分析 語意理解更貼近金融脈絡，導入可解釋性分析工具。
    2022 AEAI 3.5 FinBERT + 中文金融語料微調 Temporal Fusion Transformer（TFT） LightGBM + SHAP 加入中文新聞與財報解析，擴展亞洲市場資料面向。
    2023 AEAI 4.0 AstroLM（自研金融語言模型） N-BEATS + TFT + TCN 自研 AutoFeature + 多模態關聯模組 自主研發模型全面整合語意、時間序列與結構化輸入，達成模組化部署與策略生成自動化。
    2024 AEAI 4.1+（進行中） AstroLM v2 + 多語系擴展 高頻序列建模 + 強化學習優化器 多模態知識圖譜模組 針對即時市場策略與跨語言市場預測需求，打造多語系、多策略智能判讀系統。
  • 補充說明:
  • 語言模型演進：
    從 Word2 Vec / BERT 發展至 AstroLM，代表語言理解從詞向量走向深度語意理解與語境預測，並逐步導入專屬金融語料與跨語言擴展。
  • 時間序列模型演進：
    LSTM 為初期主力模型，後續逐步導入 Transformer、TFT、TCN 與 N-BEATS，以強化時間依賴性建模與季節性學習。
  • 結構化分析模組：
    從傳統特徵工程與決策樹架構進化為自研模組 AutoFeature 與 SHAP 分析，提升模型可解釋性與策略優化能力。
  • 整合架構特性：
    每代 AEAI 均對核心模組做出整合性升級，並提升部署彈性與金融市場即時應對能力，逐步實現模組化、自動化、可擴展的智能交易系統。

技術模組對應表

icon
    模型類型 採用技術 技術亮點 實際應用場景
    詞嵌入模型 Word2 Vec / GloVe / Doc2Vec 語意向量建構、關鍵詞相似度運算、情緒特徵擷取 - 財經新聞語意分析
    - 金融關鍵字相似度計算
    - 文件情緒建模
    - 基本面因子比對
    - 金融商品推薦
    時間序列模型 RNN / LSTM / GRU 序列記憶與預測、關聯權重建模 - 股價/幣價/成交量趨勢預測
    - 社群情緒時間序列分析
    - 波動率與異常事件偵測（如黑天鵝）
    - 交易點位預測與回撤預警
    NLP 語意模型 Transformer / BERT / FinBERT 深層語境理解、語意生成、情緒辨識 - 財經新聞與財報情緒分析
    - 財報摘要抽取與語意理解
    - 智慧問答與語言客服系統
    - 市場週報與策略生成
    - 社群輿情監控與市場輿論解析
    結構化分析模型 XGBoost / LightGBM 特徵重要性排序、模型可解釋性、風控與交易信號建模 - 多因子交易信號判斷（含技術指標、情緒、基本面）
    - 買賣決策輔助
    - 信用風險分析與欺詐偵測
    - 特徵貢獻排序
    多變量預測模型 TimeGPT / Informer 處理高維時間序列、多市場資料融合、跨市場聯動預測 - 多市場交叉影響與高頻數據預測（含 order book / tick）
    - 全球因子融合分析
    - 跨資產聯動預測
    強化學習模型 DQN / PPO / A3C 自主學習與策略演化、博弈建模、風控動態調節 - 自動交易策略調整與資金管理
    - 自適應交易行為建模
    - 高頻交易與跨市場套利
    - Meta Policy 架構下的子模型選擇與風險調節
    集成學習 Ensemble Learning 模型穩定性與效能整合 - 多因子融合分析
    - 資產配置與決策強化
    多任務學習 Multi-task Learning 多目標預測能力同步建模 - 同時預測市場趨勢與波動率
    - 多市場、多變數的聯合學習