Машинное обучение для торговли
Как ИИ помогает трейдерам принимать более обоснованные решения и улучшать высокочастотную торговлю
Торговля - это мир ужасной конкуренции. И с учетом того, что ИИ изображается как новое чудо-оружие для всего, понятно, что существует огромный интерес к открытию того, как использовать ИИ для торговли.
Отказ от ответственности
ИИ действительно играет важную роль в торговле, но, возможно, не так, как вы ожидаете. К сожалению, ИИ не может использоваться для управления сверхчеловеческой торговой машиной, которая крадет обеды у людей-трейдеров на всех рынках. Даже Renaissance Technologies не имеет такой возможности. По крайней мере, еще нет.
Почему бы и нет?
Краткий ответ: человеческое соревнование - подробнее об этом ниже.
Между тем, битвы, которые на самом деле выигрывает ИИ, намного более инкрементальны, но все же значительны. ИИ - это больше подспорье трейдера, чем его замена.
Ниже приведены четыре основных способа применения ИИ в торговле сегодня:
Анализ настроения
Люди не могут обработать всю информацию, но машины могут приблизиться. С ИИ машины теперь могут делать гораздо больше, включая анализ и обобщение текстов.
Они могут резюмировать такие вещи, как настроения: парсеры собирают ежедневные новости, твиты и другие сообщения в социальных сетях по определенной теме, а затем алгоритмы искусственного интеллекта (в частности, обработка естественного языка) суммируют, насколько положительные или отрицательные мнения сильнее. Они даже могут классифицировать тексты по темам и автоматически создавать удобочитаемые текстовые резюме.
Это очень ценная информация для трейдеров, которые должны быть в курсе того, что происходит, как можно быстрее.
Прогнозирование реальных данных
Трейдеры также используют ИИ для повышения надежности прогнозов входных данных - элементов реального мира, которые помогают трейдерам добиться успеха.
Как предсказание:
- Погода на северо-востоке в ближайшие две недели;
- Снабжение солнечной энергией в Европе;
- Итоги политических выборов.
Эти прогнозы основаны на других алгоритмах, разработанных другими компаниями, но это не означает, что эти прогнозы нельзя улучшить.
Один удобный трюк - обучить алгоритм, который объединяет несколько прогнозов экспертов в другой прогноз, который в таком случае оказывается более точным, чем любой из прогнозов, на которых он был основан. Это называется ансамбль, и он работает неплохо.
Поиск закономерностей
Торговля заключается в выявлении локализованных паттернов, которые часто ограничены во времени и пространстве, а затем угадывании их использования. Процесс поиска закономерностей трудоемок и занимает много времени.
Но алгоритмы ИИ - это, по сути, машины для поиска закономерностей. Если аналитик подозревает нарушения в конкретном наборе данных, он может сэкономить время, используя ИИ для их поиска.
Итак, ИИ может находить полезные модели, если им руководит опытный аналитик, который знает, что искать. Затем эти модели используются трейдерами, которые смешивают их со своим опытом и интуицией, а затем применяют. Или вы можете использовать их для разработки автоматических торговых машин - см. Следующий раздел.
Настройка высокочастотных торговых автоматов
В высокочастотной торговле - как следует из названия - машины выполняют тысячи или миллионы сделок в день, пытаясь воспользоваться неэффективностью, которая существует только в очень короткие промежутки времени.
Люди не могут заниматься такими сделками - их просто слишком много, - но люди определяют правила, по которым работают эти машины.
Однако, поскольку рынок постоянно меняется, эти машины необходимо постоянно настраивать. Это требует много времени и усилий.
ИИ может автоматизировать эти повторные калибровки - и выполнять много повторяющейся статистической работы, которую в противном случае пришлось бы делать аналитикам.
! 3 Предупреждающие знаки! - На что следует обратить внимание
Обещание найти чудо-алгоритм, который действительно может печатать деньги, настолько заманчиво, что многие умные люди купились на него. Вот самые важные ловушки, на которые следует обратить внимание:
1. Сегодня ИИ НЕ «умнее» людей.
По правде говоря, даже самые современные алгоритмы искусственного интеллекта очень наивны по сравнению с человеческим мозгом.
Когда алгоритм побеждает человека в шахматах или ГО, это похоже на то, что машина обгоняет человека в гонке на четверть мили: да, машина быстрее, но это не делает ее лучше. Это просто означает, что мы построили машину, которая может очень хорошо выполнять очень узко определенную задачу - при определенных узко определенных условиях.
Поначалу может показаться, что это так, но торговля - не такая уж узко определенная задача. Почему? Потому что в торговле вы конкурируете с другими людьми, которые будут использовать все свои умственные способности, пытаясь перехитрить вас.
2. Опубликованные торговые стратегии часто не работают в реальной жизни.
Существует множество исследований и статей в блогах, обещающих прибыльный торговый алгоритм на основе ИИ. Но эти модели, как правило, не работают в реальной жизни по нескольким причинам.
Неправильные настройки. Удивительное количество статей на самом деле делают ошибки в том, как они настраивают свою структуру обучения и тестирования. Они используют переменные, которые не были бы доступны в то время, когда ИИ нужно было принять решение (утечка данных) или оценить прогнозы относительно текущей цены, а не будущей цены. Удивительные ошибки, но наборы данных временных рядов - сложная вещь для человеческого мозга.
Смещение выборки. Управляющих фондами часто критикуют за то, что они приписывают свою лучшую доходность превосходному мастерству, а не удаче. Но если многие управляющие фондами делают много случайных предположений, то, в конце концов, найдутся и те, кто сделает несколько хороших предположений. Проигравшие закрываются, и мы никогда не слышим о них - так что похоже, что есть много управляющих фондами, у которых есть навыки, чтобы превзойти рынок.
Однако на самом деле количество управляющих фондами, которые превзошли рынок, в точности соответствует тому, что вы ожидали, основываясь на случайных предположениях.
То же самое и с исследовательскими работами. Если вы попробуете множество алгоритмов, вы в конечном итоге найдете тот, который, кажется, приносит определенную прибыль. Если вы не расскажете всем, сколько экспериментов вам пришлось провести, чтобы достичь этого, будет казаться, что вы просто наткнулись на более совершенный подход.
Однако нет абсолютно никакой гарантии, что эта стратегия будет работать вне тех данных, на которых вы ее тестировали.
Комиссия за транзакцию и проскальзывание. На самом деле, построить торговую стратегию, которая превосходит рынок, зачастую довольно просто - ЕСЛИ вы забываете о реальных расходах на совершение сделок. Комиссионные за транзакции (комиссии, которые вы платите за каждую сделку) и проскальзывание (тот факт, что цена может измениться в период между тем, как вы разместите свой ордер, и сделкой, проходящей через него) съедают большую прибыль. И почти в каждом случае этого достаточно, чтобы стереть прибыль, полученную при моделировании.
Шаблоны меняются со временем. Одна из наиболее важных концепций машинного обучения - это поиск закономерностей в прошлых данных и их использование для правильного прогнозирования будущего.
Однако в трейдинге это не работает. Другие трейдеры соревнуются в поиске тех же паттернов - поэтому паттерны обнаруживаются, используются, а затем исчезают. Это означает, что шаблоны редко существуют долго, и вам нужно постоянно находить новые.
Это требует огромной приспособляемости - в чем сейчас люди намного лучше машин.
3. Сами по себе алгоритмы никогда не дадут вам преимущества.
Легко увлечься и сосредоточиться на алгоритме как на главном конкурентном преимуществе между одной торговой стратегией и другой.
По сути, это то, что предлагают такие компании, как Numerai:
- Объедините множество хороших моделей в супер-модель.
- Обыграйте фондовый рынок.
Но это не работает. Почему? Потому что данные лучше алгоритмов. Данные, которые вы передаете своему алгоритму, оказывают гораздо большее влияние на производительность вашей модели, чем то, насколько хорош алгоритм. Данные, которые предоставляет вам Numerai, являются фиксированными - вы не можете их добавлять. Таким образом, прогнозы, которые они делают, всегда будут хуже, чем у трейдеров, которые не ограничены в данных, которые они могут использовать - трейдеров, у которых есть доступ к открытому пулу данных, которые могут пробовать, тестировать и добавлять новые точки данных в свои алгоритмы непрерывно.
Немного надежды - неэффективные рынки все еще могут быть плодородной почвой
Рынки с небольшим количеством участников торгов, высокими барьерами для входа, ограниченным объемом торгов и небольшим количеством игроков, способных использовать машинное обучение, могут предложить некоторую возможность для успешной торговли искусственным интеллектом.
На этих рынках автоматическая торговля - особенно использование машинного обучения - все еще только начинается, и трейдеры, создающие механизмы автоматической торговли, могут получить достаточное преимущество для получения хорошей прибыли.
Примечание редакторам Data Science. Хотя мы разрешаем независимым авторам публиковать статьи в соответствии с нашими правилами и рекомендациями, мы не поддерживаем вклад каждого автора. Не следует полагаться на работы автора без консультации с профессионалами. См. Подробности в наших Условиях для читателей.
Автор
Я генеральный директор Data Revenue, консультационной компании по машинному обучению в Берлине, Германия. Свяжитесь с нами, если хотите узнать больше об искусственном интеллекте в трейдинге или нашей работе.
Первоначально опубликовано на www.datarevenue.com.
