多元化数据量的增长，以及从这些数据提取的经济价值，已带动数据科学大跃进，结合数学、电脑科学，以及商业分析，进化为新兴领域，奠定一个新的方针，一个从基本学习功能、演进到一个吸收、适应资讯的网络。

机器学习是方式与算法的广义词，让机器在明确的程式指引下，发掘模式、格局，这是数据科学采用统计模式的一套，以洞察和进行预测，数据科学家以现有的数据库，训练机器学习模式，然後应用训练好的模式到现实生活中。

投资公司在投资管理价值链，可以增加采用机器学习的演进，庞大数据库和学习模式，已经影响投资管理的实践，例如在客户的剖析、客户的咨询、资产分配、挑选股票、组合建设、风险管理和交易。

机器学习应用程式融入在资产、财富管理价值链的每个步伐，在投资咨询领域，机器人理财顾问已日益普遍，组合投资管理如今是一项网上财富管理的服务，采用算法和统计进行资产分配、管理和改善客户的资产质量，在这个新的程序，使用者输入现有的资产与目标，到了55岁，储存了100万令吉，包括风险标准在内。

自动化服务费用更低

机器人理财顾问，根据风险承受水平与属意目标，对现有资产分配到可投资的领域，此外，许多互联网金融服务采用机器人顾问，提供客户个人投资规划建议，这些自动化的服务，简化投资的程序；对许多人来说，可以是艰巨的任务，同时，这些服务比起征询人类金融顾问更加便宜。

在选股方面，数据科学家输入不同因素，可能有助於预测未来的回酬，采用机器学习算法，学习哪一些因素有影响，以及如何与未来回酬有关连，机器学习方式可以在一组预先定义的因素，或者是从现有或新发现数据，选择性输入一些讯息，以得出预测数据。

这提供一个结合许多疲弱讯息来源的方式，成为综合性投资讯息，比任何单一讯息来源较为强劲，在过程中，复杂性的格局和隐藏性联系被揭开，通常采用传统方式加以测试是困难或不可能的事。

算法式交易是采用算法、自主式展开交易，这是另一个大跃进，机器学习协助投资者做出更理想的交易决策，一个数学模式即时监测新闻资讯与交易成绩，可迫使股价上升或下跌，它也可以根据预测，主动做出脱售、持有或买入股票的决定。

不需面对情绪干扰

机器学习算法可以同时分析数以千计的数据来源，不需面对任何情感或情绪的干扰，有点超出人类的能力以外，它协助交易商通过市场平均值，挤出小小的好处，基於交易量庞大，那小小的好处也可以带来可观的利润，同时，确保具备竞争优势。

此外，这个系统也可以落实多边市场运作的可能性，提高交易机会，以及适应即时的变化。不过，也存在过度拟合的问题，这发生在当一个模式拾取噪声、而不是讯息的时候，过度拟合模式已经拥有好的样品表现，不过，在应用即时数据时预测性质较少。

虽然机器学习技术可以揭开过去数据微妙的格局，不过，过度拟合潜在较大挑战，因此，当一个人在训练算法，寻求数据中的格局，概括样本是重要的。

大数据和机器学习有潜能简化投资决策程序，将人类的情感放在一边，深刻改变未来的投资版图，在这方面，考量到开发的成本，大型金融机构从机器学习，受惠的程度比较大，当科技不断发展，取得数据的途径更广时，更多投资者可以掌握数据分析，做出瞭解情况的投资决策，愿意学习和适应新科技的投资者，或许将比较占优势。