Как искусственный интеллект поможет Вам заработать 100 миллионов долларов? Некоторые хедж-фонды изучают эту концепцию несколько лет. Поскольку искусственный интеллект продолжает доказывать свою эффективность, расширяя спектр своего применения в различных сферах жизни, многие инвесторы (как начинающие, так и опытные) начинают его использовать при принятии торговых решений и готовы делать на него огромную ставку.

В течение многих лет количественные хедж-фонды для принятия торговых решений использовали компьютерные алгоритмы. Однако, эти алгоритмы были обусловлены статическими моделями, которые разрабатывались и управлялись экспертами по аналитическим данным, и не противостояли волатильности финансовых рынков. Решения этих алгоритмов часто уступали по результатам решениям, сделанным человеком на свое усмотрение.

Появившиеся в последние годы машинное обучение и глубокое изучение искусственного интеллекта вызвали прорыв в разработке программного обеспечения и внедрили новые механизмы в алгоритмическую торговлю.

В отличие от традиционного программного обеспечения, которое опирается на установки, по умолчанию заданные программистами, алгоритмы машинного обучения анализируют огромные объемы данных, распознают между разными точками данных шаблоны и соединения и создают на их основе собственные установки. Программное обеспечение машинного обучения автоматически обновляется, как только получает новые данные.

Оно анализирует содержимое изображений и видео, адаптирует и переводит контекст устной и письменной речи, экономно расходует энергию, диагностирует рак и др. Многие считают, что эта же технология может изменить и финансовые рынки.

Использование машинного обучения

Несколько нью-йоркских хедж-фондов стало искать возможности применения искусственного интеллекта в финансовой торговле. Пример: Man Group, один из крупнейших в мире хедж-фондов с активом в $ 96 млрд. С 2014 года он использует алгоритмы машинного обучения, чтобы добиться положительных результатов при принятии автономных торговых решений в своем фонде AHL Dimension.

Инженеры устанавливают предельные параметры для своих алгоритмов машинного обучения, включая предельные уровни ставок, классы активов и торговые затраты. Затем они разрабатывают алгоритмы с данными. Алгоритмы находят шаблоны и корреляции, которые не могут заметить аналитики. Алгоритмы машинного обучения постоянно сравнивают новые данные с предыдущими шаблонами и пытаются распознать, как в будущем будут разворачиваться изменения. Человек применяет данную модель при быстром принятии торгового решения, а также для прогнозирования на несколько недель вперед.

Данные и вычислительная техника – две необходимых составляющие алгоритмов машинного обучения. Это основные факторы, позволяющие Man Group и другим хедж-фондам использовать в своей торговле искусственный интеллект. Сегодня стоимость электроэнергии значительно снизилась. Фонд Man Group владеет в Лондоне огромным центром обработки данных. Другие организации создают виртуальные центры обработки данных привлекая поставщиков облачных решений, таких как Amazon, Microsoft и Google.

Более важным является произошедший в последние годы прорыв в генерации данных и онлайн-сервисов. По данным Deutsche Bank, в Интернете насчитывается один миллиард веб-сайтов, и каждый год их прибавляется по 100 миллионов. Они накопили более 500 экзабайт данных, причем более 90 процентов из них - за последние два года. Это многочисленные публикации общедоступной информации, также называемые альтернативными данными. Они могут дополнять финансовые новости и способствовать принятию более эффективных торговых решений.

Интернет предоставляет широкий спектр информации, в том числе о вакансиях, обсуждения в социальных сетях, спутниковые снимки, транзакции кредитными картами и данные с мобильных устройств. Эта информация позволяет аналитикам делать более точные прогнозы.

Однако сбор и анализ всей этой неструктурированной альтернативной информации выходит за рамки возможностей аналитиков.  Ее избыток в интернет пространстве привел к появлению собственного рынка и  продавцов, которые распоряжаются своей информацией по своему усмотрению и даже продают ее инвесторам. Некоторые хедж-фонды тратят миллионы долларов на получение таких ценных данных. По данным консалтинговой фирмы Tabb Group, расходы на альтернативную информацию только в США достигнут 400 миллионов долларов в ближайшие пять лет.

Алгоритмы машинного обучения приводят все эти неструктурированные данные в порядок. В инвестиционной компании Point72 алгоритмы компьютерного зрения анализируют спутниковые изображения парковочных мест и синхронизируют их с геолокацией мобильного телефона для вычисления, сколько людей приезжает в магазины конкретного места. Между тем, алгоритмы обработки естественного языка анализируют настроения людей по сообщениям в социальных сетях и обсуждениям на форумах для получения информации о причинах недовольства клиента тем или иным товаром или брендом.

Проблемы торговли на основе ИИ

В то время как машинное обучение действительно предлагает большие перспективы в области финансов и торговли, в ближайшие годы ему  предстоит преодолеть несколько препятствий. Скептики сомневаются, что что-либо, кроме искусственого интеллекта, созданного человеком, сможет обрабатывать все таинственные данные, которые влияют на финансовые рынки, такие как новостные события, политика, экономика, стихийные бедствия. Спустя три года с момента привлечения в свой бизнес искусственного интеллекта фонд AHL фонда Man Group приобрел 15 процентов, что почти вдвое превышает средний показатель по отрасли. Но он все же не дотягивает до рыночного индекса S & P 500.

Хедж-фонды, которые решили внедрить в свой бизнес искусственный интеллект, придется преодолевать и проблемы, присущие этой технологии, а именно - отсутствие прозрачности. Поскольку искусственный интеллект перерабатывает огромное количество данных и его «мышление» усложняется, его инженерам-создателям становится сложнее объяснить механизм его работы.

Инженеру будет проблематично объяснить клиентам, почему его алгоритм принял неправильное решение и увел их в минус. Аналитики изучают нестандартные сделки до того, как они будут выполнены, и это откроет возможности для создания инструментов вскрытия, которые помогут инженерам исследовать алгоритмические решения.

Фонды также должны быть осторожны с данными, которые они приобретают, поскольку они могут содержать информацию, полученную от потребителей. Алгоритмы машинного обучения часто коррелируют информацию нарушая ее конфиденциальность.

Агрессивная обработка большого количества данных также создает риск для хедж-фондов наткнуться на «серые зоны». Использование общедоступных данных не считается инсайдерской торговлей, но пока не существует четкого определения того, какие данные можно считатья общедоступными и юридически безопасными для алгоритмов.

Тем не менее, сторонники машинного обучения и искусственного интеллекта не сомневаются, что алгоритмы - это будущее торговли. Как считает Эрик Шмидт (Eric Schmidt), бывший генеральный директор «Google» и нынешний исполнительный директор компании «Alphabet», через 50 лет всякая торговля станет компьютезированной, компьютеры будут анализировать данные и рыночные сигналы.

Bitcryptonews / 31 октября 2017