金融AI理財暨藝術可採信託管理專案服務客戶，此目的是為高資產客戶做財富管理保護與傳承之實踐，筆者在寫本週專欄主題內容之前，先為陳錦芳博士畫作簡報頁之下沿標註：「金融人工智能(AI)理財暨藝術信託管理」，以不可撤銷信託為例，主要用於稅務規劃，財富傳承和理財資金保護，簡此做為本周專欄前言，亦為後續專欄寫作預留空間。【讀友提問】上海仕晨台商陳總問到：「深度學習與卷積神經網路技術在金融AI理財的關鍵作用為何？」 答：先說卷積神經網路技術(Convolutional Neural Network,CNN)興起的三個原因：(1).數據存儲和共享技術的進步，為訓練神經網絡提供海量數據，有助於CNN性能的改善。(2).GPU(Graphics Processing Unit)的運行速度最快能達到CPU(Central Processing Unit)的150倍，它能為在大數據集上訓練CNN提供支持。(3).可用機器學習技術去訓練優化演算法。深度學習(Deep Learning)受到關注的原因是計算能力的大幅提高緩解了訓練的低效性，而訓練數據的大幅增加(大型深度學習模型中可有上百億個參數) 降低過擬合的風險。典型的深度學習模型就是很深層(有九層甚至更多隱層)的CNN模型，增加隱層的數目比增加神經元的數目更有效。無監督逐層訓練是多隱層網絡訓練的有效手段，每次訓練時，將上一層隱結點的輸出作為輸入，而本層的隱結點的輸出作為下一層隱結點的輸入，經由如此的預訓練(Pre-training)完成後，再進行整個網絡微調訓練;各層訓練完成後再利用算法對整個網絡進行訓練。至於為節省訓練開銷的策略要採權共享(Weight Sharing)讓一組神經元使用相同的連接權，這策略在CNN中發揮了重要作用。在金融期貨領域，深度學習嘗試發現變量之間的關係，在經過給定數據的訓練後，能夠在新數據的基礎上去預測結果，正因其強大功能，深度學習技術可去訓練優化演算法，隨著算法不斷改進，以及計算能力不斷提升，促使卷積神經網路技術在金融AI理財發揮關鍵作用。
