¿Por qué la IA no funciona bien con las estrategias de negociación del mercado financiero?

Predecir el mercado es difícil. Los humanos entrenan toda su vida para poder leer y ser más astutos que el mercado. Desarrollan habilidades y conocimientos, y aún fallan (¿Qué porcentaje de fondos de cobertura fallan y cómo?). No es como si tuviéramos un comerciante perfecto cuyo comportamiento podemos hacer que una IA emule. Incluso el Oráculo de Omaha no comercia a menudo: construye compañías (otra habilidad que una IA no puede hacer).

Los algoritmos de IA actuales se basan en datos de entrenamiento para encontrar la señal en el ruido. A menudo, esto funciona muy bien para muchas tareas donde tenemos señales estadísticas que nos dicen claramente: cuando vea X, haga Y. Este es el quid del aprendizaje automático, y no es fácil, pero se puede hacer para muchas tareas.

Sin embargo, para el comercio de mercado, muchos economistas creen que la “hipótesis del mercado eficiente” (EMH): que el precio de una acción incluye toda la información disponible. Si es cierto, esto evitaría que el aprendizaje automático estadístico sea capaz de detectar una asignación de X a Y dada la información disponible.

Dicho esto, no creo que EMH sea completamente cierto. Si alimentaste la información privilegiada de un algoritmo ML, podría ser excelente. Del mismo modo, creo que los patrones comerciales de hoy a menudo son impulsados ​​por la emoción; AI podría moderar eso. También creo que hay mucha información encerrada en el texto en muchos idiomas, pero aquí el estado del arte en PNL evita que las empresas la exploten. Entonces, en resumen, aunque el EMH no es perfecto, es lo suficientemente cierto como para hacer que el comercio de IA sea monstruosamente difícil.

Hay compañías que lo hacen, pero han acumulado años de experiencia, muchos expertos, muchos datos y un poco de suerte (como cualquier fondo de cobertura):

Tecnologías renacentistas
El grupo Voleon

Los algoritmos de aprendizaje automático o los algoritmos de inteligencia artificial (IA) logran reconocer los patrones estables en muchos conjuntos de datos no estructurados, como imagen, voz y texto (traducción). Sin embargo, como mencionó, su aplicación a la inversión es una de las tareas más difíciles para la IA por las siguientes razones.

Una de las razones por las que las aplicaciones de IA pueden tender a fallar en la inversión es el sobreajuste al conjunto de datos, que tiene al menos dos causas.

(1) Contenido de información

Para considerar la dificultad de invertir en IA, la diferencia entre reconocer patrones en imágenes y patrones en inversiones debe considerarse desde una perspectiva de contenido de información . Las imágenes incluyen casi toda la información necesaria para que los AI reconozcan lo que se incluye en el conjunto de datos, como reconocer a un gato sentado en un escritorio.

Sin embargo, ¿cuánta información para evaluar el precio de una acción futura cree que incluye una serie temporal de precios de las acciones? Solo incluye información modesta, a veces menos del 1%. Esta diferencia es crítica porque las aplicaciones de inteligencia artificial tienden a fallar al predecir futuros cambios de precios.

En este contexto de información mínima para conjuntos de datos históricos de precios de acciones, es más difícil extraer información útil. Si no presta mucha atención al diseño de la IA, no puede pronosticar a partir de un conjunto de datos de muestra debido a problemas de sobreajuste. (AI simplemente extrae señales percibidas de los datos).

(2) Estabilidad del patrón

Las imágenes incluyen patrones más estables. La identificación de un gato que una IA ha creado a partir de un conjunto de datos es bastante estática.

Sin embargo, aunque suponemos que una serie temporal de precios de acciones podría incluir algunos patrones predictivos, y que la IA los ha aprendido con éxito del conjunto de datos históricos, no hay garantías de que esos patrones sean persistentes en un conjunto de datos futuro.

Los patrones inestables en los conjuntos de datos históricos también hacen que los AI se sobreajusten.

Es probable que las IA que superan los problemas de sobreajuste en los dos contextos mencionados también tengan éxito en la inversión.

AI no puede coludir, reaccionar precipitadamente durante un evento de cisne negro, jugar en el mercado como una información privilegiada, etc. Programar un comerciante no es el problema. Los comerciantes están caminando hablando algoritmos. Sus acciones están determinadas por el calendario e indicadores como tasas de interés, valoración de opciones, acciones, simplemente números en un gráfico. El problema es programar el entorno en el que opera la IA, es decir, las economías humanas. Estos son imposibles de predecir y la razón por la cual los comerciantes compilan y hordean información; porque tampoco entienden las economías fluidas a su alrededor. Behavioral Economics: la verdadera razón por la cual la IA no puede descifrar las finanzas.

Los mercados tienen millones de factores que los afectan. Detrás de cada robot comercial hay un humano. Por lo tanto, el bot hereda sus expectativas y sus ideas falsas. Las estrategias de AI siempre están limitadas por algunas restricciones, lo que las hace incapaces de adaptarse a cambios de particular magnitud crucial. Existe la leyenda sobre cómo JPMorgan vendió todas sus acciones justo antes del colapso, ¿puede el robot escuchar al limpiador de zapatos y tomar una decisión al escucharlo? Lo dudo.

Esto nos lleva a un concepto no tan conocido de AL, es decir, la vida artificial. Ai es solo un bot, tal vez pueda cambiar algunas variables, tal vez pueda escribir código, o w / e … sigue siendo solo un bot. Si encuentra un problema, busca soluciones de alguna manera predeterminada, mientras que los humanos, así como el supuesto AL, tienen la capacidad de ir más allá de la base.

Actualización 😉

Mientras escribía este artículo, seguí pensando en un modo difuso, y finalmente encontré una lectura bastante agradable

Donde las máquinas pueden reemplazar a los humanos; y donde no pueden (todavía) – Donde las máquinas pueden reemplazar a los humanos y donde no pueden (todavía)

El potencial técnico para la automatización difiere dramáticamente entre sectores y actividades.

Enviado desde la aplicación McKinsey Insights

La IA funciona muy bien en situaciones en las que un objetivo puede predecirse mediante una relación estable de rama potencialmente potencialmente muy compleja con otros datos. Los mercados financieros son, entre otras cosas, muy estacionarios e inestables, y tampoco se prestan a la IA.

Además, en realidad hay muy pocos puntos de datos de mercado disponibles en comparación con el día, el reconocimiento de voz o los problemas de visión. Esto también limita la IA en las finanzas.

De Verdad? No lo creo. Tampoco soy un experto en inteligencia artificial solo en los mercados financieros, análisis y mercados bursátiles, pero estoy seguro de que no seremos necesarios después de algunos años porque las compilaciones súper fuertes y la inteligencia artificial harán nuestro trabajo. Era como la historia de nuestro amigo que estaba en el ejército pero su padre era un corredor de bolsa. Quebró porque no pudo reconocer la importancia de las computadoras para los mercados bursátiles y el comercio. ¿Recuerdas la película con el actor Michael cómo estaban en la guerra de ofertas? Tienes computadoras para eso. Después de cierto tiempo, no habrá necesidad de que la fuerza humana prediga pronósticos financieros y gestión de riesgos … bla bla … cualquier dato.

En realidad, el algoritmo de inteligencia artificial se puede usar fácilmente para predecir el mercado de valores. No siempre tiene la razón, pero a menudo sí. Puede colapsar bien los mercados. Asignamos valor humano, imaginemos que cuando gran parte del trabajo será realizado por robots, también habrá valor de robot, algo así. solo hechos, números, sin deseos … Imagínense cuánto tiempo se mantienen algunas existencias … 2 meses cuando vine a trabajar en City, con mi compañía en los pañales. ¿Después de la crisis crediticia? Correcto, gracias a las máquinas de intercambio de alta frecuencia súper rápidas, es menos esa canción One Minute Man y un tercio menos que la banda de música de Jared Leto. ¿Choque? No. Es la realidad. Mercado de valores de Chicago y caída del índice Dow.

¿Conoces bots? El SW del mercado de valores puede tener una táctica negativa similar. Las compilaciones son muy rápidas, por lo que crear y cancelar miles de pedidos en microsegundos no es tarea difícil ahora. Eso es peligro de automatización, podría deslizar acciones en segundos, altibajos realizados en 10 minutos, toda manipulación y no puede detenerlo. En pocas palabras, los accidentes humanos son más lentos y se pueden regular. Si coloca algo en el piloto automático y deja que el avión se vaya sin la supervisión adecuada, a la velocidad más rápida, su accidente podría ocurrir en segundos. Claro que hay maestros de marionetas con petróleo y comercio alias también conocido como relleno ehm …

En pocas palabras, la IA aún no es lo suficientemente sofisticada como para reemplazar completamente a un comerciante, pero eso no significa que no sea útil para el comercio. Vea mi respuesta a continuación sobre cómo usamos la IA para desarrollar estrategias comerciales.

La respuesta de Patrick Keener a ¿Puede la IA reemplazar a los comerciantes humanos en las finanzas?

Porque los investigadores más inteligentes de IA no trabajan en Wall Street 😉

No soy un experto en ML aplicado al comercio en el mercado, pero sospecho que muchos algoritmos de ML se desarrollan en el marco de una distribución fija desconocida (teoría de aprendizaje estadístico). Si esto no se cumple, por supuesto, los algoritmos no funcionarán bien y entonces necesitamos nuevos algoritmos. Es posible que no hayamos encontrado la suposición correcta para tal distribución móvil o modelos que se adapten bien a ella.

Soy consciente de cosas como el resultado de Cover en el aprendizaje en línea (teoría de predicción de bits) y algunas de sus generalizaciones que garantizan un buen rendimiento con respecto a todas las secuencias independientemente de la distribución, pero supongo que necesitamos mucho más trabajo para hacer estos algoritmos Con estas garantías trabajo.

Debido a que la mayoría de las investigaciones en IA no están cerca de lo que sugiere su nombre, en realidad son simplemente curvas ajustadas.

Y no creo que las exageraciones como el aprendizaje profundo y similares, sean solo otro grupo de métodos de ajuste de datos aleatorios no probados desarrollados por “académicos” poco displicentes para un tipo muy específico de tareas de ajuste de datos.

Debido a la simplicidad de estos métodos, como era de esperar, son elegidos por personas de CS y de la industria de mente simple, por lo que ahora todos quieren ayudar a construir este bombo porque todos pueden entenderlo sin ningún conocimiento de dominio y todos piensan que pueden beneficiarse de él. .

Con el enfoque en la gestión del uso de sistemas sistemáticos, organice el trabajo de la aduana con la objeción de que un comerciante diferente podría ingresar con uno enfocado como examinar los detalles con la calificación de la unidad con la indicación,

que cada uno con la ocupación de la función con el prototipo tiene el límite en la tasa a partir del nivel de abreviatura para ayudar a entregar los cambios en el arreglo con las estrategias mecánicas como acción convergente.

Como gestionar las costumbres del trabajo con la evaluación en ejecución, como mejorar el nivel superior de notificación y completar los registros de información.

No sé qué implica exactamente la tecnología de inteligencia artificial, pero a través de mi experiencia, creo que un humano puede identificar patrones de gráficos y tomar ciertas decisiones mucho mejor que algos, máquinas, etc.

Siento que puedo identificar matices de patrones gráficos que las máquinas no pueden ver. A pesar de que un patrón se parece a una cabeza y un hombro, por ejemplo, hay tantas variables fuera de solo mirar un patrón que pueden hacerme elegir NO ir largo / corto en ciertas partes del patrón

Difícil de explicar. Hay una “sensación” una vez que ha desarrollado un marco y ha visto suficientes gráficos (miles)

La gente aún no ha resuelto el problema de los mercados financieros, por lo que no hay forma de que el software pueda hacerlo.

No todos fallan. Algunos en realidad están haciendo mucho dinero. Si algunos programas de IA fallan, quizás sea porque están operando contra mejores programas de IA.