¿Qué tan adecuado es el aprendizaje automático para lidiar con los sesgos de comportamiento en las finanzas?

Extremadamente bien. Pero el enfoque tiene que ser diferente de lo que es para ML estándar. Ejecutas un algoritmo de optimización para predecir cómo se comportaría un humano imparcial, y luego observas el comportamiento del humano real. Luego, compara los resultados y los utiliza para ajustar el algoritmo de optimización. El mismo principio se usa en los autos sin conductor: cuando ves uno humano, uno o ella está entrenando el algoritmo para que se comporte más como lo haría un conductor humano.

Tal vez mirar la IA diseñada para aprender a jugar GO y juegos de deportes electrónicos como Starcraft puede conducir a una idea de los sesgos de comportamiento. se trata simplemente de elegir los siguientes movimientos en función de la probabilidad del próximo movimiento (parcial) del oponente de los juegos anteriores. Mientras no haya un cambio abrupto en el comportamiento común o el sesgo social, creo que ML podrá predecir un resultado correctamente. podría ser cierto para un pequeño conjunto de opciones como los juegos, pero en el mundo real puede que eventualmente, pero no ahora.

Otra cosa a tener en cuenta sería el bot comercial BOTUS basado en tweets POTUS. Aprendió si un tweet se considera negativo / positivo en función de la elección de palabras y el rendimiento pasado de la acción. La forma en que lo hicieron fue cargar el rendimiento de las acciones junto con los tweets de POTUS y el tiempo para que las acciones suban o bajen en cuestión de minutos después de un tweet de POTUS. si la entrada es de una sola fuente, podría hacerse ahora, pero si hay numerosas fuentes, habría más factores a tener en cuenta.

Bot de los EE. UU. (@BOTUS) | Gorjeo

http://www.npr.org/2017/ … / twit …