เมื่อปริมาณข้อมูลในตลาดการเงินมีความซับซ้อนและหนาแน่นเกินกว่าที่สายตาของมนุษย์จะแยกแยะได้หมด นักเทรดสายคณิตศาสตร์ปริมาณ (Quant) จึงเริ่มขยับมาใช้นวัตกรรม Machine Learning (การเรียนรู้ของเครื่อง) เพื่อเข้ามาสร้างแบบจำลองคอมพิวเตอร์สแกนหาความสัมพันธ์เชิงสถิติที่ซ่อนอยู่หลังกราฟราคา
2 โมเดลพื้นฐานทางคณิตศาสตร์ที่บอทใช้ทำนายราคา
Linear Regression (การวิเคราะห์การถดถอยเชิงเส้น): เป็นการหาความสัมพันธ์ระหว่างตัวแปร เช่น หากดัชนีเงินดอลลาร์ (DXY) ร่วงลง 0.5% ตามสถิติในอดีต โมเดลจะคำนวณว่าราคาทองคำมีโอกาสพุ่งขึ้นกี่เปอร์เซ็นต์ เป็นสมการเส้นตรงช่วยหาทิศทางเป้าหมายราคาRandom Forest (แบบจำลองต้นไม้ตัดสินใจ): เป็นโมเดลที่นำเอาเงื่อนไขทางเทคนิคมาร้อยเรียงกันเป็นกิ่งก้าน เช่น "ถ้า RSI > 70 และเกิดแนวต้าน และวอลุ่มเบาบาง" โมเดลจะจำลองผลลัพธ์เป็นพันๆ รูปแบบขนานกันเพื่อโหวตหาผลลัพธ์ที่มีเปอร์เซ็นต์ความน่าจะเป็นสูงที่สุดว่ากราฟจะขึ้นหรือลงการเปลี่ยนผ่านจากอินดิเคเตอร์ทั่วไป มาเป็นการป้อนข้อมูล (Features) ให้ Machine Learning คำนวณ จะช่วยให้นักเทรดสามารถมองเห็นสภาวะแต้มต่อ (Edge) ของตลาดในมุมมองที่คนอื่นมองไม่เห็น และช่วยยกระดับพอร์ตลงทุนให้เดินหน้าด้วยระบบตัวเลขสถิติอย่างแท้จริง