BTC $4033.84 0.17%
ETH $137.83 0.25%
XRP $0.311708 -0.07%
show
show
Взгляд в цифровое будущее

Нейросети в трейдинге: Goldman Sachs уволила 99% трейдеров и заменила их роботами

18 Сентября 2018 21:08, UTC
Нейросети в трейдинге: Goldman Sachs уволила 99% трейдеров и заменила их роботами
Анна Жигалина

Недавно стало известно, что Nasdaq собирается внедрить в свой аналитический хаб новый инструмент на основе машинного обучения, который будет обрабатывать данные пользователей соцсетей, предоставляя институциональным инвесторам новый инструмент для анализа рынка. Однако на вопросы Bitnewstoday.ru привлеченные Nasdaq специалисты прямого ответа не дали, лишь уклончиво говорили об “интересном опыте” и далее ссылались на подписку о неразглашении. Судя по всему, это может значить лишь то, что разработки тестируются.

Напомним, что ранее в марте этого года медиакомпания Thomson Reuters запустила усовершенствованную версию сервиса MarketPsych Indices, который делает прогнозы рынка на основе более чем 2000 новостных источников и 800 социальных сетей. Данный инструмент на основе ИИ в анализе использует не только количественные показатели, но и эмоциональные метрики трейдеров, т.е. поведенческую экономику. Таким образом сервис обещает своим клиентам создавать более точные прогнозы и выбрать оптимальную стратегию.

Механизмы и стратегии трейдеров

Обычно в своем анализе трейдеры пользуются несколькими техническими индикаторами: от уровня сопротивления и поддержки, скользящего среднего, общего объема торгов до индекса относительной силы и индикатора стохастик. Среди технических показателей также используют линии тренда, которые отображают информацию о характерном направлении движения криптоактива для прогноза дальнейшей тенденции.

Однако в силу высокой волатильности криптовалюты эти тенденции определять крайне сложно, именно поэтому трейдеры редко учитывают этот показатель. Но в целом, технический анализ рынка сегодня уже не является достаточным для прогноза, так как не учитывает политическую и социально-экономическую ситуацию в мире.

Марк Линд, советник IBM, который входит в топ-15 специалистов по цифровой трансформации, в эксклюзивном интервью для Bitnewstoday.ru подтвердил, что с 2017 года использование ИИ для обработки базы данных стало для крупных компанией основным трендом в гонке за прибылью: “Сейчас основное применение нейросетей в экономике — это предсказание рынков, оптимизация товарно-денежных потоков, анализ и обобщение различных социальных опросов, предсказание динамики политических рейтингов, оптимизации производственного процесса, комплексной диагностики качества продукции и для многого другого. Алгоритмы, основанные на биологии, в частности искусственные нейронные сети и генетические алгоритмы считаются основными типами, используемыми для анализа торговли, измерения рисков и прогнозирования цен”.

Все ли трейдеры используют нейросети

На сегодняшний день финансовую и социально-экономическую систему человеку спрогнозировать невозможно: слишком много вводных. И здесь на арену выходит ИИ, способный анализировать различные сферы жизни и проводить самостоятельный анализ не хуже любого финансиста, обладая при этом уникальным свойством - отсутствием эмоций. Но тогда возникает вопрос: почему все трейдеры еще не используют ИИ в своих прогнозах, и станет ли нейросеть универсальным инструментом для трейдеров в ближайшее время?

По мнению Марка ЛИНДА, “сама техническая индустрия подсказывает, как эти технологии могут быть использованы для получения конкурентного преимущества и создания новых потоков прибыли, в которых крупные поставщики, такие как IBM с Watson, используют более сложные интегрированные инструменты, чтобы помочь своим клиентам реализовать эти преимущества”.

Тем не менее, господин ЛИНД считает, что нейросети на данном этапе развития все еще не идеальны и требуют человеческих усилий: “В конечном счете результаты анализа нейросетей требуют мониторинга перед использованием в трейдинге”.

Мы провели небольшой опрос среди частных трейдеров и убедились, что преобладающее большинство очень опосредованно знакомы в своем анализе с ИИ системами. Некоторые все же отметили, что используют в свои прогнозах сервисы на основе ИИ, а Гордон ДЖОНС, основатель DLT-проекта в Южной Каролине, сообщил: “Мы сконцентрированы на аспекте машинного обучения всех нейросетей и ИИ систем, где они предназначены для анализа действий и их эффективности или неэффективности, что в конечном итоге приводит к положительному или отрицательному ROI”.

Трейдеры боятся что их скоро заменят

Менеджеры топовых хедж-фондов в 2015 заработали $1 млрд, что создает к компаний большую мотивацию сократить расходы на сотрудников, зарабатывающих по $500 в час и заменить их нейросетями. И компания Goldman Sachs пошла по этому пути, сократив число советчиков с 600 трейдеров до 2. Теперь остальную работу делают роботы, с помощью машинного обучения выдавая бесценные алгоритмы для клиентов компании. Нетрудно представить, что многие крупные компании стремительно следуют этому примеру, чтобы сократить свои расходы.

В эксклюзивном интервью для Bitnewstoday.ru Амардип СИНГХ, профессор по искусственным технологиям в Эфириуме и аналитик Nasdaq, который уже много лет разрабатывает стратегии внедрения ИИ в экономике, рассказал, что трейдеры прекрасно знают, что их место скоро займет ИИ и отчаянно сопротивляются грядущим переменам.“Экономический анализ - это явление, на которые трейдеры смотрят в более широком плане: различные события, заявления от правительств, которые влияют на цену того, что они анализируют. В трейдинге есть то, что называется техническим анализом. Это, в основном, очень сложные модели, которые накладываются на движущийся график, на чем в дальнейшем и основываются прогнозы. Технический анализ также основан на человеческих эмоциях, на том, как трейдер интерпретирует предыдущие колебания рынка. Вот почему ИИ невероятно мощнее человека”.

Как обучаются и работают нейросети

Благодаря машинному обучению нейросети позволяют гораздо эффективнее строить нелинейные зависимости в сравнении с линейными методами статистики, такими как линейная регрессия, авторегрессия, линейный дискриминант. Любой аналитик, использующий технический анализ, сделает более успешный прогноз на основе предварительной работы ИИ систем. Нелинейные отображения и визуализация данных нейросетями в пространстве меньшего числа нелинейных главных компонент оптимизирует их обработку.

Главным достоинством нейросетей перед уже ранее существующими алгоритмами на основе заданных параметров является их возможность имитировать поведение экономики на основе социального подтекста.

Однако на этот счет пока не все эксперты сходятся во мнении, что нейросетям можно предоставить полную самостоятельность в принятии решений на основе их прогнозов. Так, Бибин БАБУ, соучредитель DLT-платформы в Индии, считает, что нейросеть пока не очень успешна в прогнозах цифровой валюты. “Проблема заключается в том, что большинство нейросетей имеет доступ только к нескольким типам данных изнутри рынка, а не снаружи. Таким образом, силы психологии толпы, потребительского доверия, влияние хороших или плохих заголовков, политические или нормативные решения, размер криптовалютной сети, количество пользователей и принятие мерчанта, не полностью видны ему. Возможно, внутренних рыночных данных самих по себе недостаточно, чтобы сделать какие-либо долгосрочные прогнозы, или предвидеть краткосрочные колебания цен”.

Марк ЛИНД считает умение использовать нейросети в трейдинге своего рода искусством, так как определяющим фактором для качественного анализа является умение определять контекст и объем данных а также их релевантность типу необходимых результатов. “Это зависит от того, нужен ли вам поиск или сортировка, а затем определить контекст и качество данных. На самом деле это сложнее, но на высоком уровне анализа это приносит ясность. Вы используете математические функции, называемые нейронами, которые принимают несколько чисел в качестве входных данных, а затем используют формулу линейной комбинации, чтобы умножить на соответствующие веса, а затем суммировать ее. По сути, сети преобразуют данные, пока не смогут классифицировать их как выходные. Это делают связанные между собой нейроны, которые создают выходные данные, чтобы затем использовать их интерактивно в качестве входных данных для других нейронов, а следовательно, всей сети. Затем функция потерь используется для определения того, насколько хороша нейронная сеть для решения определенной задачи или проблемы. Изначально она не даст сильных результатов, но со временем и использование ее обеспечит более высокую точность”.

В следующей статье мы расскажем о том, какие прогнозы делают наши эксперты относительно будущего рынка с использованием нейросетей: будет ли ИИ управлять рынком самостоятельно или все же окончательные решения останутся за трейдерами. Об этом и других волнующих всех вопросах читайте в следующей статье.


Нашли ошибку в тексте? Выделите ее, и нажмите CTRL+ENTER
Оставить комментарий
Оставить комментарий
Сообщить об ошибке