随着外汇市场的日益增长，电气化，机器学习工具的使用正在加速并再次改变。虽然早期版本的算法主要由具有相对直接参数的买入和卖出订单组成，但真正量化的市场制定方法的演变正在eFX领域取得进展。
在简单的第一代算法演变为更复杂的策略，为市场提供越来越量化的驱动方法后，投资者开始使用源自数学理论的动态定价。
下一步是开始使用订单分解策略以最大限度地减少市场影响，并最终为投资者提供更好的持仓水平。由于大订单导致的滑点传统上是货币交易者的主要问题之一。
越来越受eFX交易者欢迎的最新一代算法被称为时间加权平均价格（TWAP）算法。它们使客户能够选择可以执行交易的不同时间范围。另一个变得非常流行的类似工具是体积加权平均价格（VWAP）算法。它们用于根据预期的体积分布来标准化时间表。
eFX领域的主要流动性提供商的客户越来越热衷于获取此类策略，因此银行一直在为其客户提供从一套算法中进行选择以最大限度地减少市场影响的能力。
摩根大通正在为其为外汇交易市场提供服务的方法提供一些有价值的见解。该公司称其最新一代算法产品DNA：用于Algo执行的深度神经网络。其背后的目标是增强FX算法的使用，并利用机器学习将现有的算法结合到一致的执行策略中。
该公司宏观电子商务负责人Chi Nzelu详细阐述了该工具代表了一种优化功能，该功能使用来自不同市场情况和市场条件的模拟数据。 DNA选择最佳的订单放置和执行方式，唯一的目标是最小化市场影响。
该公司在一份声明中详细阐述了虽然DNA目前是某些现有战略的增强，但摩根大通的未来目标是创建一个包罗万象的算法，该算法利用可用数据为用户提供信息，以改善各种市场条件下的执行。
开发DNA的团队使用强化学习来设计工具。这种方法是由位于伦敦的人工智能团队DeepMind开创的，该团队开发了AlphaGo软件程序。搜索巨头的机器学习努力击败了世界第一的Go玩家柯杰。
摩根大通详细阐述了DNA背后的战略家们使用强化学习来提供一种能够提高逻辑能力的算法。这种方法与前几代人有着实质性的不同，前几代人是在基于人的编程或基于规则的处决的基础上建立的。
该公司使用类比来描述它正在采用的方法来完善其DNA算法，教导机器人如何行走。虽然基于规则的技术将直接对机器人进行编程，而第二代altos将向机器人显示数十亿个演示如何行走的视频，强化学习将机器人投入到不同的环境中，并通过学习幼儿的方式来强迫它走路。
通过在其经历中遇到障碍，倒下并改变其战略，算法正在改进自己，并了解哪些是给定情况的最佳方法。
DNA计划的首席战略家Sam Nian表示：“人工神经网络（ANN），其中DNA是一种类型，受到大脑生物神经网络的启发。他们能够模拟复杂的非线性关系，对输入的限制很少，这在尝试模拟现实时很有用，因为现实生活中的关系往往很复杂。”
该项目的另一位首席战略家Tanya Tang阐述了强化学习方法不是依靠统计回归，监督学习和人类硬编码规则，而是提供更多的灵活性，并在培训时消除潜在的人为偏见。
请先 ！