Могут ли искусственный интеллект и машинное обучение заменить технические индикаторы?

Голливуд на протяжении десятилетий снимал научно-фантастические фильмы об искусственном интеллекте (ИИ). Но теперь у ИИ дебют на Wall Street.

Известный как прогнозная аналитика (Predictive Analytics), суперкомпьютер сегодня фактически в состоянии определить, каким будет следующее движение цены и ее направление для акции и индекса. Результатом является истинный опережающий индикатор.

Может ли это помочь активному внутридневному трейдеру? Чтобы оценить это, полезно понять, как работает машинное обучение.

ИИ в начале был хорошей идеей: концепция, что компьютер может учиться самостоятельно. В работе, впрочем, не было ничего искусственного, так как систему информацией снабжал программист, программируя модель.

Эта модель была мощной. Но недостаточно мощной, чтобы предсказать движения акций.

Прогнозирование движения индекса и акций является гигантской проблемой больших данных (big data). Программисты не могли собрать правильные данные в правильном формате, в одном месте, чтобы ИИ мог эффективно выполнять запросы к данным.

Второй проблемой была сама модель. Когда вы моделируете вопрос, на который вам нужен ответ, используя имеющиеся данные, вы ограничены умом программиста.

Все изменилось несколько лет назад, когда ученые в области науки о данных изменили то, как они думали о проблеме. Они решили смоделировать разум, а не просто проблему в свете источников данных.

Моделирование разума позволяет ИИ изучать все в мире. До тех пор, пока вы предоставляете данные для его обучения, он учится распознавать нужные вам модели, так как рассматривает все переменные. Затем машина «учится» и может использовать модели для построения прогнозов.

Однако модель ИИ, основанная на окружающем мире, устаревает к тому моменту, когда она закончена: мир уже пошел дальше.

Единственная надежда для создания интеллектуальных систем заключается в том, чтобы система сама создавала и поддерживала собственную модель: постоянно обновляя результат в ответ на входную сенсорную информацию.

С таким технологическим скачком мы не ограничены одним человеческим разумом для программирования прогнозной модели.

Сегодняшний ИИ: машинное обучение (Machine Learning). Это не какая-то подсистема ИИ. Это настоящий ИИ в работе.

Машинное обучение не интересует интеллектуальное поведение: оно ориентировано на точность своих моделей, так что его результат, то есть прогнозы, является актуальным и достоверным.

Когда дело доходит до прогнозирования движения цен на акции (опережающих индикаторов), трейдеру необходима точность, которой он может доверять.

Традиционно трейдеры смотрят назад, используя технический анализ, чтобы выделить модели, которые «предскажут», что будет дальше.

Но чтобы действительно прогнозировать и получить максимальную отдачу от машинного обучения, вы не захотите анализировать мир акций в его исторической форме!

Такой подход просто дает вам навороченные запаздывающие индикаторы и вы возвращаетесь к тому, что знаете о будущем не больше, чем может предсказать история.

Вы должны дать машине правильную базу и данные, на которых она будет учиться. Что является основным двигателем цен на акции? Новости.

Проще говоря, это означает, что вы скармливаете машине огромные потоки новостей. Затем показываете машине, что стало результатом новостей. Такая петля обратной связи увеличивает ее уверенность, что она может предсказать движение цены даже более точно со следующей новостью.

Затем вы увеличиваете эту деятельность на тысячи новостей каждый день.

Затем нужно объединить тысячи изменений цены каждой акции, так, чтобы вы могли сделать прогноз того, как все эти новости будут двигать весь индекс.

Речь идет о сборе всех входных данных, которые влияют на цену и движение так, чтобы машинное обучение смогло обнаружить тысячи моделей, которые люди не могут увидеть, и настроить модель на более точные прогнозы.

До сих пор была огромная проблема вычисления, а также проблема источника данных. Очень трудно получить правильные входные данные, которые вносят свой вклад в движение цены акций… и собрать эти данные в одном месте так, что их можно будет проанализировать.

Если есть разрозненные источники данных, при старом подходе, ученые были вынуждены организовывать и помечать все данные, прежде чем можно было сделать их анализ.

В машинном обучении, используя обработку естественного языка, компьютер можно переходить от данных из одного источника к данным из другого без необходимости их помечать. Он учится и расширяет свою модель с каждым битом информации… с правильным алгоритмом.

Проблема данных и обработки естественного языка при анализе акций на основе новостей, используемых в качестве входных данных, сегодня побеждена. Но есть другая проблема – машинное обучение и торговля по опережающим индикаторам находятся в зачаточном состоянии.

Возможно ли превратить систему прогнозирования на основе распознавания моделей машинным обучением, читающую новости, в поток информации, который имеет смысл для человека таким образом, что он может сразу же понять, что он означает и затем понять, что делать с результатом?

Фишки, инвестиционные идеи, сигналы и рекомендации!

Хотите получать бесплатные видеокурсы, материалы и участвовать в закрытых вебинарах?

Тогда подписывайтесь на рассылку и получайте доступ!

Комментарии

интересно, есть такие системы в открытом доступе?
Когда у меня возникает страх что такие системы уже работают как человеческий мозг я захожу в гугл набираю в поиске где можно вечером посидеть с друзьями + населенный пункт и никак не могу понять при чем тут список колоний и исправительных учреждений )))
При разработке торговых алгоритмов в самом начале всем кажется что чем больше ты закинешь в машину исходных данных, тем более точный результат будет на выходе. Но стандартная проблема любого современного предсказывающего механизма в его же переобучении. 
Возьмите к примеру Random Forest (случайный лес), который заменил сейчас когда то очень популярные нейронные сети. Не надо далеко ходить.
В итоге в конце исследования мы возвращаемся к тому с чего начали. На входе не может быть более 2-3 исходных данных — иначе от индикатора нет никакой пользы.
 
Только зарегистрированные и авторизованные пользователи могут оставлять комментарии.