Пузырь искусственного интеллекта в инвестировании

Всемогущий миф вокруг искусственного интеллекта и машинного обучения, в частности, их отношения к инвестированию и трейдингу, настоящий пузырь, который должен лопнуть. Так говорят два самых светлых ума алгоритмической торговли в мире. Выступая на Bloomberg Markets Most Influential Summit, Дэвид Сигел (David Siegel), основатель Two Sigma Investments с активами в $37 млрд, предупредил аудиторию, что искусственному интеллекту не хватает здравого смысла. Две недели назад Эван Кирк (Ewan Kirk), основатель Cantab Capital Partners с активами $4,5 млрд и родоначальник торгового советника (CTA) для управляемых фьючерсов, написал статью «Что скрывается за шипением искусственного интеллекта» (Beneath the Sizzle of Artificial Intelligence). Его совет инвесторам очевиден: покупайте стейк, а не шипение.

Инвестиции с искусственным интеллектом – запутывание кода математическими вундеркиндами

Алгоритмические и количественные методы инвестирования являются, пожалуй, самыми запутанными из всех финансовых услуг. Инвесторов все чаще засыпают утверждениями, что «алгоритмы машинного обучения», которые используют «искусственный интеллект», могут вычислить каждое резкое колебание рынка. На площадках в конференц-зале хедж-фонды демонстрировали свои знания, а консультанты продавали пользовательские формулы, которые даже кванты кандидаты наук не до конца понимали. Но не потому, что они неумны или не осведомлены, а потому, что описания сбивали с толку.

Весь прикол в том, что иногда в кулуарах те, кто находятся внутри индустрии, говорят на совсем другом языке. Они в целом понимают основные драйверы эффективности в алгоритмическом инвестировании и распознавания систематических ценовых моделей, двух самых различных категорий. Они признают, что компьютеры на данном этапе развития – не творческие мыслители.

Кирк отмечает, что в реальности искусственный интеллект разработан на основе четко определенной цели. Иначе говоря, это разумно контролируемая среда, часто обусловленная логикой «если – то».

«Это совершенно не подходит для финансов, где цели часто тонкие и сложные», написал Кирк. Потом он раскрыл основы своего торгового советника для управляемых фьючерсов, когда он обратился к математической теории, используемой в азартных играх, как правило, излюбленной теме обсуждения среди квантов. «Между двумя крайностями владеть на 100% наличными и делать ставку всего своего актива, основываясь на подбрасывании монеты, есть много противоречивых и сложных ограничений и целей».

Инвестиции с искусственным интеллектом – Кирк это квант, который говорит, что определенный анализ требует независимого мнения

С одной стороны, это звучит как то, что светила математического, количественного инвестирования сказали, что компьютеры не могут полностью исключить элитных мыслителей, поскольку процесс независимого мышления необходим для понимания и взвешивания непредсказуемых переменных. Как ни странно может показаться, это очень точно. При построении алгоритмической формулы людям всегда необходимо было установить смысл некоторых рыночных событий и обеспечить взвешивание в формуле. В формуле относительной стоимости торгового советника, например, количественный менеджер сначала должен определить тенденцию расхождения цен как важную, а затем придать вес в формуле. На сегодняшний день у компьютеров не хватает мощи, чтобы вычислять это на лету и самостоятельно корректировать с учетом рыночных переменных без изначального программирования человеком.

Финансам присущ случайный характер, отмечает Кирк. Но здесь он не упоминает, что большая часть нюансов и случайностей уже заложена в большинство формул торговых советников. Фундаментальная точка случайности или нюанса движения рынка обычно не имеет значения. В формулах торговых советников, которые, прежде всего, распознают картины в целом, как или почему рынок принимает решение не так важно, как само движение. Даже в собственной формуле Cantab для входа и выхода фундаментальные экономические нюансы рынка не учитываются и на получают значение веса. Концепция торговых советников традиционно состоит в следующем: вся основная информация будет отражена в рыночной цене. Движения рынка происходят после того, как участники рынка признают и поймут новости – две отдельные переменные. Все рыночные переменные, в конечном счете, отражаются на цене. Проблема заключается в том, что рыночная цена трактуется в соответствии с алгоритмом торгового советника.

Некоторые формулы торговых советников могут быть относительно простыми. Другие формулы стремятся рассмотреть несколько входов для контроля риска, размера позиции и отклонений вверх и вниз (обычно рассматриваются как различные факторы риска). Хотя это вообще не обсуждается, «бета» рынка является важным фактором для многих стратегий. Цикличность рыночных тенденций является проверенной научной концепцие, и управляет одним из основных рыночных условий торгового советника.

Вокруг торговых советников уже давно ведутся разговоры внутри отрасли, что определенные стратегии смотрят на рыночные факторы изменения окружающих условий, а затем они программируются на изменение стратегии. Кирк, в свою очередь, не вдаваясь в конкретные детали стратегии, лишь отмечает, как разные рыночные результаты могут привести к автоматическому изменению стратегии.

«Существует огромный спектр методов, которые могут извлекать структуру и управлять большим набором данных и, самое главное, обновлять свои правила при поступлении новых данных», писал Кирк.

Инвестиции с искусственным интеллектом – толпа консультантов прогнозирует, что алгоритмы могут учиться с ограничениями

Мнения насчет искусственного интеллекта в инвестировании могут варьироваться. Майк Брюсов (Mike Brusov), соучредитель Cindicator, прогностической аналитической фирмы, которая использует анализ алгоритмического и коллективного разума для определения инвестиционных и торговых тенденций.

Он говорит, что алгоритмы могут «несомненно» учиться и торговать с ходу.

«Если мы используем алгоритм, построенный на дереве решений (логике «если-то»), или нейронных сетях (которые уже прошли обучение на исторических данных), корректировка времени или дополнительное обучение может занять некоторое время», — сказал он. «Некоторые алгоритмы позволяют даже переобучать нейронную сеть в режиме реального времени (онлайн машинное обучение)».

Говоря о машинном обучении и распознавании образов, математик использует общепонятные ситуации. Он указывает на супермаркет, который определил, что молодой женщине в будущем могут понадобиться памперсы и продукты для беременных женщин. Когда отец возмутился супермаркету в ответ, тот указал на схему закупок и возраст, которые влияют на логику прогноза.

В алгоритмической торговле такая логика никогда не стопроцентная, поэтому размер выигрыша является важным параметром для рассмотрения процента побед.

Глядя на сегодняшнюю инвестиционную картину, Брюсов согласен с Кирком по основам. «Описать или определить все эти связи достаточно сложно – нужно анализировать большие объемы данных», — сказал он. «Настолько, что современные вычислительные мощности с этим не справляются. Это сложнее, чем играть в шахматы или Go. Нейронным сетям нужны данные для обучения».

А также им нужны люди, чтобы интерпретировать смысл сложных, случайных и часто едва уловимых событий.

Фишки, инвестиционные идеи, сигналы и рекомендации!

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

Тогда подписывайтесь на рассылку и получайте доступ!

Комментарии

Только зарегистрированные и авторизованные пользователи могут оставлять комментарии.