En los últimos años, el aprendizaje automático ha sido la palabra de moda en el comercio algorítmico y las empresas cuantitativas. En su búsqueda para buscar el escurridizo alfa, varios fondos y empresas comerciales han adoptado el aprendizaje automático. Esta publicación ofrece una breve descripción del desarrollo del aprendizaje automático y su creciente importancia para los quants y los comerciantes por igual.
El aprendizaje automático gana popularidad en el comercio algorítmico
Las técnicas de aprendizaje automático pueden aplicarse al comercio utilizando lenguajes de programación como Python, R, C ++, etc. Los paquetes / bibliotecas de aprendizaje automático son desarrollados internamente por las empresas para su uso exclusivo o por terceros que lo ponen a disposición de la comunidad de usuarios. En los últimos años, el número de paquetes de aprendizaje automático ha aumentado sustancialmente, lo que ha ayudado a la comunidad de desarrolladores a acceder a diversas técnicas de aprendizaje automático y a aplicar las mismas a sus necesidades comerciales.
- ¿Cómo puede una red neuronal convolucional aprender características invariables?
- ¿Qué algoritmos de aprendizaje automático para la clasificación admiten el aprendizaje en línea?
- ¿Por qué visualizamos filtros en redes neuronales convolucionales? ¿No son los filtros solo conjuntos de pesas? ¿De qué sirve tratar un conjunto de pesas como una imagen?
- ¿Cómo modifica una red neuronal su peso sin entrar en un efecto de ping-pong? La función de modificación de peso se basa en el error (l * e * o [1, 2]), por lo que los valores de error altos dan modificaciones de peso drásticas.
- ¿Cuál es la diferencia entre la regresión logística y Naive Bayes?
Fuente: análisis, minería de datos, ciencia de datos, aprendizaje automático
Hay cientos de algoritmos ML, estos algoritmos se pueden clasificar en diferentes tipos dependiendo de cómo funcionen. Por ejemplo, los algoritmos de regresión se usan para modelar la relación entre variables; Los algoritmos de árbol de decisión construyen un modelo de decisiones y se usan en problemas de clasificación o regresión (Machine Learning: An Introduction to Decision Trees). De estos, algunos algoritmos se han vuelto populares entre los cuantos. Algunos de estos incluyen:
- Regresión lineal
- Regresión logística
- Bosques al azar (RM)
- Máquina de vectores de soporte (SVM)
- Vecino k más cercano (kNN)
- Árbol de clasificación y regresión (CARRITO)
- Aprendizaje profundo
Estos algoritmos de ML son utilizados por empresas comerciales para diferentes propósitos. Algunos de estos incluyen:
- Análisis del comportamiento histórico del mercado utilizando grandes conjuntos de datos.
- Determinar entradas óptimas (predictores) para una estrategia
- Determinar el conjunto óptimo de parámetros de estrategia
- Hacer predicciones comerciales, etc.
Aquí hay un par de ejemplos de aprendizaje automático para nuestros lectores:
Aprendizaje automático y su aplicación en los mercados de divisas [MODELO DE TRABAJO]
Modelado predictivo en R para el comercio algorítmico
Recursos para estudiar el aprendizaje automático
Mantenerse actualizado es de suma importancia en el mundo de hoy. Los profesionales y comerciantes que tienen la intención de ampliar sus conocimientos pueden tomar cursos de aprendizaje automático (a tiempo parcial o completo) que ofrecen algunos institutos conocidos. Esto puede ayudar a mejorar su carrera o proporcionarles herramientas adicionales en el desarrollo de estrategias comerciales para ellos o sus empresas.
Aquí hay un blog sobre recursos de ML: recursos gratuitos para aprender el aprendizaje automático para el comercio
Otras áreas de investigación
Las técnicas de aprendizaje automático se aplican en varios mercados, como renta variable, derivados, Forex, etc. Los entusiastas del aprendizaje automático / Quants / Traders que tienen la intención de aplicar técnicas de aprendizaje automático a la negociación también deben tener algunos conocimientos sobre temas relacionados como Programación, Estadísticas básicas, Mercado microestructura, análisis de sentimientos, análisis técnico, etc.
Competiciones de aprendizaje automático
Hay varios sitios que albergan competiciones de ML. Estas competiciones, aunque no están específicamente dirigidas a la aplicación de ML en el comercio, pueden dar una buena exposición a cuantos y comerciantes a diferentes problemas de ML a través de la participación en competiciones y foros y ayudar a expandir su conocimiento de ML. Algunos de los sitios populares de alojamiento de competencia ML incluyen:
- kaggle – (https://www.kaggle.com/)
- NUMERAI – (https://numer.ai/)
- Topcoder – (https://www.topcoder.com/)
- CrowdAnalytics – (https://www.crowdanalytix.com/)
- DrivenData – (https://www.drivendata.org/)
Fondos que utilizan técnicas de aprendizaje automático
Se dice que algunos fondos establecidos como Medallion Fund, Citadel, DE Shaw están utilizando técnicas de aprendizaje automático para el comercio. Sin embargo, la medida en que estas técnicas de LD se aplican en el comercio sigue siendo desconocida para los externos, y también lo hace la contribución de las estrategias de aprendizaje automático en el rendimiento general de estos fondos.
Hay algunos fondos de cobertura que han revelado el uso extensivo de técnicas de aprendizaje automático como parte de su estrategia central. Por ejemplo, Taaffeite Capital Management (http://taaffeitecm.com/). Taaffeite Capital comercia de manera totalmente sistemática y automatizada utilizando sistemas de aprendizaje automático patentados. Aquí hay una lista de fondos y empresas comerciales que utilizan inteligencia artificial o aprendizaje automático.
Futuro del aprendizaje automático en el comercio
El auge de la tecnología y el comercio electrónico solo ha acelerado la tasa de comercio automatizado en los últimos años (el comercio automatizado de Goldman Sachs reemplaza a 600 operadores con 200 ingenieros). El aprendizaje automático ha encontrado una buena adopción en empresas globales, tanto grandes como pequeñas. Esto obtendrá un mayor impulso a medida que los quants experimenten con nuevos desarrollos en aprendizaje automático con la ayuda de un hardware superior. Esto hace que sea imprescindible para los comerciantes y comerciantes obtener una buena comprensión del aprendizaje automático para seguir siendo productivos en el mundo comercial.
Fuente: https://www.quantinsti.com/blog/…