●技術簡介：
FinGAT為高回報率金融商品推薦演算法，在不仰賴公司個股間的關聯外部資料下，能為客戶準確推薦下一個交易日最高回報率的股票，且可解釋個股間與類股間如何相互影響，我們在台股與美股上進行實驗，獲得史上最好的高回報率股票推薦準確率。技術與永豐和玉山銀行合作。技術論文發表於頂尖期刊IEEE TKDE。

●技術之科學突破性：
本技術FinGAT基於圖神經網路方法，技術創新特色有四：(1)從個股間建模，透過設計階層式循環神經網路，能從個股價格時間序列中學習長期與短期的趨勢，並利用圖神經網路學習公司彼此間的關聯影響，相比線有技術，FinGAT完全無須人工定義便能捕捉公司間動態演變的複雜互動(如競爭、合作、投資、收購)；(2)從類股間建模，FinGAT從個股特徵向量學習聚合成類股特徵向量，並利用圖神經網路學習不同類股間的關聯性(如石油類股影響黃金類股與紡織類股、生技類股影響航運類股)，此部分類股間關聯學習是現有技術所完全缺乏的；(3)雙重任務學習，FinGAT透過同時預測該個股在下一個交易日的漲跌、以及預測個股間的回報率相對排序關係，來訓練模型；(4)除了能夠準確推薦高回報率金融商品，FinGAT亦具備可解釋性，能透過呈現公司個股間、以及各類股間的圖結構(graph structure)來解釋其彼此間的關聯影響。

我們的FinGAT技術在台股TWSE、美股S&P 500、以及美股NASDAQ作為三個真實數據集進行高回報率股票推薦之實驗評估，結果顯示FinGAT在三個股票市場上比現有benchmark state-of-the-art方法(RankLSTM與FineNet)分別高上11％、14％與12％之推薦排序準確率(MRR＠5)提升；此外FinGAT允許使用者自行輸入感興趣的股票，在加入使用者對於高回報率之知識來事先篩選公司下，FinGAT之推薦準確率(MRR＠3)可進一步提升至平均0.97，高準確率顯示了FinGAT技術能有效為使用者找出最具高回報率的公司。FinGAT相關技術與國內金融業包含永豐銀行與玉山銀行進行合作，已部分進行線上測試，初步結果顯示能將外幣定存金融商品之行銷成交率提高225％。

●技術之產業應用性：
我們的AI高回報率金融商品推薦技術FinGAT所衍生之相關演算法，已與我國幾間金融機構進行合作，包含永豐銀行與玉山銀行，初步線上A/B測試結果顯示能將外幣定存金融商品之行銷成交率提高225％，為金融業及其客戶帶來巨大獲利。未來我們將把FinGAT開發成智能手機APP，在客戶端讓用戶得以將該APP連結至感興趣的金融服務，透過精準推薦金融商品來提高客戶的投資收益；在金融機構機構端串接更多各種不同的金融商品，如各種信貸、房貸、基金、外幣定存等商品，讓銀行端也能從中獲取收益提升，創造客戶與企業雙贏的成果。

此AI金融商品推薦技術的產業應用主要將是國內乃至全球銀行業，因此所涉及的經濟影響是十分直接且顯著的。技術未來能創造的經濟效益包含：(1)由於準確推薦高回報率之上市上櫃公司，這些企業市值之有機會獲得鉅額提升，甚至提高國家的GDP；(2)銀行業是金融商品交易的主要媒介，若能精準推薦商品，銀行的交易額與成交轉換率將可會有所提高，帶來實質經濟效益；(3)客戶是金融商品推薦的主要對象，客戶獲利不僅可間接提高他們的平時消費意願、提高GDP，更有機會因此部分改善貧富差距；(4)廣告讓金融商品得以曝光在客戶視線內的方式，精準推薦金融商品之廣告可提高廣告點擊率，廣告商將能從中獲取收益。

由於我們的FinGAT技術目前已經完全開源(原始碼可於下方Github連結下載)，世界各國的銀行金融業將可基於我們的FinGAT技術開發延伸至不同文化的各種金融商品，如此能夠創造的經濟影響甚鉅。此外，我們相信FinGAT技術對於目前全世界COVID-19防疫期間格外重要，COVID-19對於各行各業所受到的經濟衝擊，將有機會因精準金融商品的推薦，對於各大公司減緩部分程度的經濟損失，並讓一般民眾擁有精準投資並透過從中獲利來紓困的機會。
https://github.com/Roytsai27/Financial-GraphAttention

線上展網址：
https://tievirtual.twtm.com.tw/iframe/166d1efc-3367-4808-8ddb-87441e653a33?group=23bfb1fa-dd5b-4836-81a1-4a1809b1bae5&lang=tw