Czy fundusze hedgingowe oparte na sztucznej inteligencji przechytrzyją rynek?

Każdego dnia komputery dokonują wielu milionów transakcji elektronicznych, wykonując delikatne obliczenia mające na celu uzyskanie niewielkiej przewagi pod względem szybkości lub wydajności. Coraz częściej jednak bardziej znaczące decyzje handlowe są podejmowane przez inteligentniejsze, bardziej autonomiczne algorytmy.

Zarówno uznane firmy handlowe, jak i garstka startupów zastanawiają się, czy takie techniki handlowe, zapożyczone z dziedziny sztucznej inteligencji, mogą pomóc im przechytrzyć innych traderów. A każdy, kto ma zainwestowane pieniądze, może być ciekawy, czy trend może zmienić dynamikę rynków.

Ilościowe fundusze hedgingowe, w tym Bridgewater Associates, Technologie renesansowe , D.E. Shawa , oraz Dwie Sigma , oczywiście od kilku lat stosują zaawansowane podejścia algorytmiczne. Wiele metod stosowanych przez te firmy znajduje się w obszarach badań nad sztuczną inteligencją.

Jednak w ciągu ostatnich kilku lat zaobserwowano również ogromny powrót zainteresowania sztuczną inteligencją, dzięki nowym technikom uczenia maszynowego — zwłaszcza głębokiemu uczeniu (obejmujące szkolenie dużej wirtualnej sieci neuronowej w celu rozpoznawania wzorców w danych) — które umożliwiły komputerom postrzeganie obrazów, tekstu i dźwięku na poziomie człowieka (patrz 10 Przełomowe technologie 2013: Głębokie uczenie ). Teraz pytanie brzmi, czy AI może zrobić to samo z danymi finansowymi.

Oczywiste jest, że ten niedawny postęp zwrócił uwagę inżynierów pracujących w finansach. Podczas ważnego wydarzenia akademickiego dla naukowców zajmujących się sztuczną inteligencją Neuronowe Systemy Przetwarzania Informacji (NIPS) , który odbył się w Montrealu w grudniu ubiegłego roku, kilka tysięcy naukowców akademickich i przemysłowych zebrało się, aby omówić postępy w opracowywaniu nowych algorytmów uczenia maszynowego. W obszarze zarezerwowanym na prezentacje plakatowe studentów, duże firmy technologiczne, w tym Google, Facebook, Apple, Microsoft, Amazon i IBM, zapłaciły za ustawienie stołów rekrutacyjnych, mając nadzieję, że zwabią najgorętsze nowe talenty do pracy dla nich. Jednak prawie połowa firm rekrutujących do NIPS wcale nie była firmami technologicznymi, ale funduszami hedgingowymi i firmami finansowymi.

Jedną z firm była duża brytyjska firma inwestycyjna MAN AHL , która od lat koncentruje się na wykorzystaniu podejść statystycznych do tworzenia strategii inwestycyjnych. Anthony Ledford , główny naukowiec MAN AHL, wyjaśnia, że ​​firma bada, czy techniki takie jak głębokie uczenie się nie nadają się do finansowania. To na wczesnym etapie, mówi Ledford. Odłożyliśmy pulę pieniędzy na testowy handel. W przypadku głębokiego uczenia się, jeśli wszystko pójdzie dobrze, trafi do handlu testowego, podobnie jak inne podejścia do uczenia maszynowego.

Handel może wydawać się oczywistym miejscem do zastosowania głębokiego uczenia się, ale w rzeczywistości nie jest jasne, w jakim stopniu wyzwanie polegające na znajdowaniu subtelnych wzorców w danych handlowych w czasie rzeczywistym jest porównywalne z, powiedzmy, dostrzeganiem twarzy na fotografiach cyfrowych. To zupełnie inny problem, przyznaje Ledford.

Eksperci akademiccy również zwracają uwagę na ostrożność. Stephen Roberts , profesor uczenia maszynowego na Uniwersytecie Oksfordzkim, twierdzi, że uczenie głębokie może być dobre do wydobywania ukrytych trendów, informacji i relacji, ale dodaje, że wciąż jest zbyt kruche, jeśli chodzi o radzenie sobie z dużą niepewnością i szumem, które są powszechne w finansach.

Roberts zauważa również, że głębokie uczenie się może być stosunkowo powolnym procesem i nie może oferować gwarantowanych zachowań, które oferują inne podejścia statystyczne. Ogólnie mówi, że wokół idei AI w finansach jest pewien szum. AI to bardzo szeroki temat, mówi. Wiele standardowych technik statystycznych jest przemianowanych na sztuczną inteligencję i uczenie maszynowe.

To powiedziawszy, nowe firmy finansowe, które reklamują się jako skupione na sztucznej inteligencji, mogą być na czymś. Obejmują one Odczuwający z siedzibą w San Francisco, Badania buntu w Nowym Jorku oraz firma inwestycyjna z siedzibą w Hongkongu o nazwie Aidyia .

Jednym z najbardziej obiecujących zastosowań stosunkowo nowych technik sztucznej inteligencji może być przetwarzanie nieustrukturyzowanych danych w języku naturalnym w postaci artykułów prasowych, raportów firmowych i postów w mediach społecznościowych w celu uzyskania wglądu w przyszłe wyniki firm, walut, towarów, lub instrumenty finansowe.

Aidyia została założona przez znanego badacza sztucznej inteligencji, Bena Goertzela, który jest również założycielem Hanson Robotics i przewodniczącym projektu AI o otwartym kodzie źródłowym o nazwie OpenCog . Aidyia rozpoczęła handel w zeszłym roku, a Goertzel twierdzi, że podejście jego firmy jest znacznie bardziej ambitne niż techniki stosowane obecnie przez większość funduszy hedgingowych, czerpiąc inspirację z programowania ewolucyjnego, logiki probabilistycznej i chaotycznej dynamiki.

Nasz system przetwarza różne dane wejściowe, w tym ceny i wolumeny z giełd na całym świecie, wiadomości z różnych źródeł w wielu językach, dane makroekonomiczne i księgowe firmy i nie tylko, powiedział Goertzel Przegląd technologii MIT . Następnie bada, w jaki sposób te różne czynniki były ze sobą powiązane historycznie, i uczy się zestawu dziesiątek tysięcy modeli predykcyjnych, które wydają się mieć wartość predykcyjną, w oparciu o badanie danych historycznych, które pomagają kierować inwestycjami firmy.

Z pewnością istnieje tendencja do zwiększania automatyzacji wśród firm finansowych. Preqin , firma dostarczająca dane z branży finansowej, informuje, że 40 procent funduszy hedgingowych utworzonych w zeszłym roku było systematycznych, co oznacza, że ​​podejmują decyzje w oparciu o modele komputerowe.

Nie wszyscy są jednak przekonani, że rewolucja AI w finansach jest nieuchronna. David Harding, miliarder założyciel i dyrektor generalny innej brytyjskiej firmy handlowej, Stolica Wintona Kierownictwo jest ogólnie sceptycznie nastawione do szumu wokół uczenia maszynowego i sztucznej inteligencji. Gdybym trochę zmrużył oczy i spojrzał na Wintona, powiedziałbym, że to mniej więcej to, co robiliśmy przez ostatnie 30 lat, mówi.

Harding pamięta też, że podobny wzrost zainteresowania sieciami neuronowymi zaowocował powstaniem wielu startupów na początku lat 90-tych. Ludzie zaczęli mówić: „Istnieje niesamowita nowa technika obliczeniowa, która zniszczy wszystko, co było wcześniej”. Była też moda na algorytmy genetyczne, wspomina. Cóż, mogę powiedzieć, że żadna z tych firm nie istnieje dzisiaj – ani kiełbasa z nich.

Ledford z Man AHL ma również kilka słów przestrogi dla każdego, kto uważa, że ​​najnowsze techniki uczenia maszynowego mogą stanowić skrót do bogactwa. Ważne jest, aby pamiętać, jak upokarzający może być rynek, mówi. Powiedziałbym, żeby nie poklepywać się za bardzo po plecach, ale też nie zniechęcaj się.

ukryć