Как хэдж-фонды используют Искусственный Интеллект

А Вы бы разрешили искусственному интеллекту сделать ставку от Вашего имени на 100 миллионов долларов? Это тот концепт, над которым работают несколько хэдж-фондов уже на протяжении пары лет. ИИ, или Искусственный интеллект, подтверждает свою применимость в различных сферах деятельности; многие инвест-фирмы, как молодые, так и бывалые, начинают задействовать ИИ для принятия решений во время торгов, и собираются поставить на кон немыслимо большие ставки своих клиентов.

Долгое время многочисленные хэдж-фонды задействовали упрощённые алгоритмы для принятия решений. Однако, в основе тех алгоритмов лежали статические модели, созданные учеными и аналитиками и не могли функционировать в условиях волатильности рынка финансов. Последствия решений, принимаемых теми алгоритмами, оказывались гораздо хуже человеческих решений.

Совсем недавно, с созданием машинного и глубокого обучения, модификации ИИ совершили прорыв в создании софта и теперь способствуют продвижению нововведений в вычислительной торговле.

В контрасте с традиционным софтом, который руководствовался предопределёнными, заданными программистами правилами, алгоритмы анализируют огромные объемы информации и сами устанавливают правила, базирующиеся на связях и закономерностях, найденных ими между разными кусочками информации. Алгоритмы МО обновляются сами, в зависимости от той информации, которую они получают.

Благодаря такому подходу были созданы системы и программы, которые эффективно анализируют картинки и видеоролики, понимают и переводят подтекст текста и речи, экономят энергию, диагностируют рак и т.п. Некоторые уверены, что те же алгоритмы смогут преобразовать и рынки финансов.

Машинное обучение в действии

Некоторые хэдж-фонды с Уолл-стрит заинтересовались перспективами, которые открывают перед ними самообучающиеся механизмы применимо к рынку финансов. Пример тому – Man Group, один из влиятельнейших хэдж-фондов мира с покрытием бизнесов в 96 миллиардов долларов. С 2014-ого они весьма успешно задействуют алгоритмы МО для принятия независимых решений при торгах.

Программисты в Man задают алгоритмам необходимые рыночные параметры, например, подвергание рискам, классы средств и издержки обращения. Впоследствии алгоритмам предоставляется информация для анализа, и машина сама определяет закономерности и зависимости, не видные человеческому глазу. Алгоритмы МО постоянно сравнивают свежие данные со старыми и прогнозируют, как повернётся ситуация в перспективе. Эта схема работает как с быстрыми сделками, так и с предсказаниями на несколько недель вперёд.

Наличие информации и вычислительных мощностей – главные условия работы МО-алгоритмов. Именно они дают возможность Man Group и остальным хэдж-фондам задействовать их в торговых операциях. Сегодня затраты на обработку энергии значительно сократились – у Man Group, например, есть свой дата-центр в Лондове, а остальные фонды устанавливают облачные дата-центры при участии таких провайдеров, как Амазон, Гугл и Майкрософт.

Однако не стоит обделять вниманием случившийся пару лет назад взрыв в создании новой информации и онлайн-сервисов. По данным Deutsche Bank, в интернете уже создан один миллиард вебсайтов, и каждый год к этому числу добавляется еще по 100 миллионов. Объем информации в Интернете оценивается в 500 экзабайтов, и 90% этих данных было создано всего за последние пару лет. В дополнение к Интернет-информации существует необъятная гора общественно-доступной информации, или альтернативных данных, с помощью которых могжно было бы дополнить картину фин. данных и помочь принимать более грамотные решения на торгах.

К альтернативной информации могут причисляться объявления о найме, дискуссии в соцсетях, фото со спутников, транзакции по кредиткам и данные с мобильных девайсов. Такая информация позволит аналитикам точнее предсказывать поведение рынка.

Однако собрать и внимательно просмотреть такой поток информации простому аналитику просто не под силу. Альтернативные данные дали развитие собственному рынку, на котором торговцы выискивают, очищают и перепродают данные инвестиционным фирмам. На такую деятельность, способную принести крупицу ценной информации, некоторые хэдж-фонды готовы выделять миллионы долларов. По данным консультирующей компании Tabb Group, за следующие пять лет затраты на сбор альтернативной информации только в Штатах достигнут 400 млн долларов.

При помощи алгоритмов машинного обучения становится возможной затея превратить информационный хаос в организованный порядок. Например, в Point72 алгоритмы машинного видения проводят анализ спутниковых снимков парковок рядом с магазинами и увязывают их с геолокациями мобильных девайсов, чтобы высчитать рейтинги посещаемости различных магазинов. В то же время. Алгоритмы, отвечающие за распознавание языка, проводят анализ настроений по постам в соцсетях и в ветках на форумах, для того чтобы выяснить, на какие бренды покупатели жалуются чаще всего.

Испытания, уготованные искусственному интеллекту

Несмотря на многообещающие возможности ИИ в сферах торговли и финансов, есть несколько препятствий, к которым ИИ нужно быть готовым во всеоружие: скептики высказывают сомнения, что что-то, пусть даже близко похожее на ИИ человеческого уровня, сможет справиться со всеми необъятными параметрами, влияющими на рынок финансов, а именно: новостями, событиями, политикой, экономикой и остальными событиями вроде природных катастроф. В Man Group прибыль фонда за три года выросла на 15% благодаря вовлеченности в тему ИИ, — показатель, почти в два раза превышающий среднее значение по рынку. Впрочем, до S&P 500 хэдж-фонд пока всё равно не дотягивает.

Хэдж-фондам, задействующим ИИ, также придётся столкнуться с ещё одной проблемой, которая заложена в основе алгоритмов машинного обучения – непрозрачностью. Чем больше алгоритмы ИИ принимают данных и чем сложнее и вывереннее становятся, тем сложнее программистам, которые их разрабатывали, объяснить как функционирует система. Это может сыграть с вами злую шутку, когда придется объяснить клиенту, почему машина сделала именно такой выбор, который повлёк за собой финансовый ущерб. Чтобы избежать подобных инцидентов, за принятием спорных решений, перед тем как они приняты, должен всё же следить реальный аналитик, ну и стоит разработать инструменты «вскрытия», которые помогут разработчикам исследовать, почему машина принимает именно такое решение.

Компаниям также нужно быть осмотрительнее с получаемыми данными, которые приходят от своих клиентов. Порой алгоритмы могут использовать личную информацию так, что происходит нарушение права человека на личную жизнь.

Усиленное использование big data повышает шансы хэдж-фондов попасть в серую законодательную зону. И хотя использование общественно-доступной информации не рассматривается как торговля внутренней информацией, все ещё не до конца ясно, какую информацию можно считать общественно-безопасной и задействовать в алгоритмах.

Несмотря ни на что, защитники искусственного интеллекта и машинного обучения уверены, что перспектива торговли именно за такими алгоритмами. Как сказал бывший CEO Google и действующий CEO Alphabet Эрик Шмидт, чрез пятьдесят лет ни одна транзакция и ни один сигнал не останутся необработанными компьютерными алгоритмами.

Источник: www.megachange.is

No votes yet.
Please wait...

Ответить

Ваш адрес email не будет опубликован. Обязательные поля помечены *