El mayor desafío es la adaptación, un desafío que existe para cualquier sistema automatizado que intente predecir los mercados, artificialmente inteligentes o no.
Cualquiera de estos sistemas se probará y / o capacitará al permitirles examinar datos históricos como entradas y ver qué tan buen trabajo hacen en la predicción. El problema es que puede ajustar accidentalmente los datos muy bien con un modelo que no tiene capacidad predictiva alguna: simplemente descubrió la forma de la curva anterior y se manipuló para ajustarse a esa curva.
El remedio más común para este problema es no darle al sistema todos los datos históricos. Capacítelo en algunos, luego vea si todavía funciona en los datos restantes. Ahora el problema es si hay suficientes datos para todos. Parece voluminoso, pero debe dividirlo por la mitad, luego debe asegurarse de que cada mitad cubra todos los diferentes climas económicos en los que espera que funcione el modelo, etc., etc.
- ¿Es Google DeepMind la compañía de inteligencia artificial más fuerte a partir de 2016?
- Cómo agregar IA a mi aplicación
- ¿Cómo puede coexistir el capitalismo con la inteligencia artificial general?
- ¿Qué hace posible que la inteligencia artificial sea más inteligente que los humanos?
- ¿La Inteligencia General Artificial no cambiaría el mundo para satisfacer sus necesidades?
¡Esto es duro!
Una vez construí un modelo muy elegante basado en algoritmos genéticos. Aparentemente funcionó bastante bien y estaba convencido de que no estaba sufriendo de problemas de espalda. Estaba listo para invertir cuando descubrí otro gran problema. Fue bueno para predecir los mercados hasta aproximadamente 90 días. Pero las diferencias en las ganancias de capital a corto plazo versus a largo plazo inundaron su ventaja.
Decidí que estaba mejor aprendiendo a ser un mejor seleccionador de acciones y fui a estudiar Warren Buffet. Pero esa es otra historia …
