風險管理實踐如何應用於基於 ML/AI 的自動交易系統

基於機器學習 ( ML ) 和/或人工智慧 ( AI ) 的自動交易系統的一個潛在問題是難以評估交易風險。ML/AI 算法可能會分析數千個參數以做出交易決策，而應用標準風險管理實踐可能會通過覆蓋算法的決策來干擾算法。

在不妨礙底層算法決策的情況下，將風險管理應用於基於 ML/AI 的自動交易系統有哪些基本方法？

更新：

一個範例係統是：生成交易代理的遺傳程式算法。總體中最有利可圖的代理用於產生短/長信號（通常沒有信賴區間）。

交易中涉及的風險無處不在，而且總是多方面的：它包括所選資產的波動性、投資組合的槓桿和集中度、是否有止損、對沖等。此外，風險管理往往不受約束直接到“阿爾法模型”（例如風險價值、短缺和情景測試）。

例如，一種眾所周知的調整倉位大小的方法是凱利公式：

$ f^{*} = \frac{bp - q}{b} $

這對用於進入頭寸的方向模型沒有任何假設。無論模型是黑盒、灰盒還是白盒，您都可以從歷史模擬中推斷出數值（例如獲勝機率）。

引用自：https://quant.stackexchange.com/questions/45