Алгоритмы машинного обучения обнаружили возможную загвоздку. По словам главного директора Allianz Global Investors по систематическим акциям Майкла Хелдманна, «очень высокая степень риска рецессии» указывается статистическими алгоритмами фирмы, которые используют ИИ и МО для прогнозирования рецессий.

Контракты, электронная почта, веб-сайты, аудио- и видеозаписи и компьютеры — все это источники зеттабайтов данных, которые должны анализировать современные предприятия. Однако ни один человеческий разум не способен обрабатывать столько информации. Помощник вице-президента по финансовым услугам в frog Тоши Моги сказал: «У нас пока нет общих знаний» о сложной экономической структуре. По мере того, как мы совершенствуем наши наборы инструментов ИИ, собираем больше данных и создаем более тонкие модели, мы сможем решать более сложные задачи и внедрять более передовые системы.

Несколько компаний создали передовые решения, что не может не радовать. Например, команда Sensai в Пало-Альто использует «глубокое обучение» для анализа и понимания неструктурированных данных, таких как деловые документы, стенограммы и социальные сети, чтобы ускорить процесс аналитика. Palantir, который ранее использовался военными в целях контрразведки, недавно заслужил известность на Уолл-стрит благодаря новаторскому использованию искусственного интеллекта для предотвращения мошенничества. Подобные компании являются движущей силой широкого использования ИИ в банковской сфере, особенно в нескольких ключевых областях. Экономисты установили различные экономические показатели для мониторинга состояния экономики, включая валовой внутренний продукт, уровень безработицы и промышленное производство.

Байби, профессор финансов Йельского университета SOM, вместе с Брайаном Келли и двумя другими писателями недавно изучили новости как потенциальную новую точку данных. Чтобы быть более конкретным, они обнаружили, что объем освещения рецессии в СМИ был очень надежным предиктором последующих экономических показателей. Иными словами, плохие времена следовали за периодами более широкого освещения экономики в СМИ. Байби призывает нас серьезно отнестись к этой новости, потому что «она может спасти нам жизнь». Команда Bybee пришла к выводу, что информация экономического прогнозирования, скорее всего, будет представлена ​​в новостях, поскольку редакторы несут ответственность за информирование своих читателей об экономике. Если вы хотите знать о ВВП, новостях определенного сектора, опасениях людей по поводу экономических проблем и мнениях экспертов в одном месте, то Wall Street Journal — это то, что вам нужно. Согласно Bybee, редакторы отдают приоритет экономическим новостям из-за финансовых мотивов.

Байби, Келли и его команда, в которую входили Асаф Манела, Луис и Даченг Сю, усердно работали над тем, чтобы превратить данные компании в новый экономический показатель. Исследователи использовали компьютер для просмотра более 763 000 статей WSJ с 1984 по 2017 год, чтобы определить, как часто использовались определенные слова и фразы. Затем записи были просмотрены системой машинного обучения, которая искала повторяющиеся группы слов или темы, чтобы найти слова, которые использовались более одного раза. Каждый набор семантически связанных фраз был изучен индивидуально и ему присвоены метки. Например, когда в новостях говорилось о рецессии, производство и занятость росли медленнее. Так же, как дневные новости могут пролить свет на экономику, то же самое можно сказать и о показателях рынка.

Статьи могут сообщать о событиях по мере их возникновения, но исследования рассматривали только корреляцию между освещением в новостях и изученными показателями. Исследователи задумались, можно ли использовать недавно разработанные индикаторы для экономического прогнозирования. Итак, они изучили, как средства массовой информации изображали «рецессию» и как она повлияла на экономическое производство и развитие рабочих мест в последующие три года.

Вместо того, чтобы полагаться на приведенные выше показатели, возможно, более точным индикатором будущих тенденций является степень, в которой люди следят за новостями. Исследование показало, что пятипроцентное увеличение результатов теста на внимание во время рецессии было связано с падением производственного производства на 1,9% через 17 месяцев и падением занятости на 0,9% через 20 месяцев после этого.

Краткосрочные прогнозы сбылись: промышленное производство упало на 0,3% примерно через два месяца после повышенного внимания СМИ. Несмотря на то, что данные о ценах на фондовом рынке общедоступны, индикатор акцента на «рецессию» был направлен на повышение прогностической способности.

Подводя итог, можно сказать, что уровень ИИ, который у нас есть сейчас, дал экономистам отличный инструмент для прогнозирования рынка. Исследования, проведенные до сих пор, являются лишь верхушкой айсберга. Если системе ИИ будет предоставлено больше данных и признаков, она сможет дать более подробный анализ того, как работает рынок. Это ожидаемое изменение не меняет того, как до сих пор использовались логарифмы в области искусственного интеллекта. Логарифмы ИИ стали более точными и теперь могут использоваться для анализа данных. Чтобы улучшить способность ИИ прогнозировать, будут приложены дополнительные усилия для сбора высококачественных данных и выбора наиболее важных показателей.