Un buen comienzo para responder a esta pregunta es responder primero la pregunta “¿Qué es la IA?”
AI, o Inteligencia Artificial, tal como ha sido definida con el tiempo por diferentes personas. En general, AI, es cuando una máquina puede realizar una tarea con precisión humana, y por lo tanto, quién realizó la tarea, AI o humano, es indistinguible. En otros, AI es cuando no se puede saber quién completó una tarea, una IA o una persona.
La IA es amplia. Técnicamente hablando, podría codificar un conjunto de declaraciones condicionales que permitieran a una máquina realizar una tarea con precisión humana y esto se clasificaría como AI. Desde una perspectiva recursiva, lo que más interesa a las personas dentro del dominio de la IA es el aprendizaje automático y, más recientemente, el aprendizaje profundo. En este subdominio de IA, en lugar de una lógica de codificación rígida para que la máquina siga, en realidad se entrena la máquina y la máquina, a través de alguna ecuación, aprende a realizar la tarea sin que usted explícitamente (es decir, endurezca las declaraciones condicionales de codificación) diciéndole qué hacer . El aprendizaje profundo se relaciona principalmente con el uso de redes neuronales de múltiples capas (un tipo específico de algoritmo de aprendizaje automático). Escribir una red neuronal no es un aprendizaje profundo hasta que comience a crear múltiples capas ocultas. Podrías usar una red neuronal simple para alguna tarea y no estar haciendo un aprendizaje profundo. Recientemente, se ha publicado un artículo en el que los investigadores intentan el aprendizaje profundo utilizando árboles de decisión.
- Cómo mejorarme en IA
- ¿Cómo usarías la poda alfa-beta para calcular los valores mínimos de un árbol de juego?
- ¿Cuáles son los idiomas más importantes para un ingeniero de aprendizaje automático?
- ¿Cuánto tiempo hasta que la población general comience a utilizar Bot Suits?
- ¿Cómo podrían usarse las expresiones faciales para medir los niveles de amenaza usando redes neuronales?
En relación con el comercio, el comercio cuantitativo es la rama del comercio en la que usaría la inteligencia artificial, es decir, el aprendizaje automático. Pero, cada estrategia comercial cuantitativa no es y no tiene que emplear el aprendizaje automático para ser considerada “cuantitativa”.
El aprendizaje automático se utiliza para comerciar e investigar una variedad de valores. Para comprender mejor la eficacia de esto, puede revisar el propósito del comercio “cuantitativo”. El propósito del comercio cuantitativo es eliminar los sesgos cognitivos que impiden la toma de decisiones convincentes, que dentro del comercio puede conducir a pérdidas.
El comercio cuantitativo es necesario porque es objetivo a diferencia de otras metodologías (es decir, el comercio discrecional) que tienen altos niveles de subjetividad.
Cuando piensa en lo que está tratando de lograr a través del aprendizaje automático, puede ver por qué está naturalmente presente en el comercio cuantitativo. Primero, el aprendizaje automático es una estadística ampliamente aplicada. En el aprendizaje automático, está probando hipótesis, lo que también hace en el comercio cuantitativo. Utiliza el aprendizaje automático para 1) hacer inferencias y 2) hacer predicciones. Entonces, naturalmente, puede ver cómo esto sería útil en un contexto comercial.
En el comercio cuantitativo, todo debe tener un proceso convincente para su implementación. Es decir, puede arbitrariamente “hacer algo”. Hay un flujo de trabajo específico que se sigue y protocolos que determinan si una estrategia llega o no a producción. El aprendizaje automático le permite a uno mejorar su razonamiento al implementar un flujo de trabajo de comercio cuantitativo. Se puede usar, como se mencionó anteriormente, para hacer predicciones e inferencias respaldadas por una lógica cuantitativa, cuyo objetivo fundamental es el comercio cuantitativo.
Así como la IA es multidimensional, también lo es el Algorithmic Trading. El comercio algorítmico se puede ver de forma recursiva como comercio algorítmico, comercio cuantitativo y comercio de alta frecuencia. Todo el comercio cuantitativo es algorítmico porque los sistemas están completamente automatizados, pero no todo el comercio algorítmico es cuantitativo. Todo el comercio de alta frecuencia es cuantitativo y algorítmico, pero no todo el comercio algorítmico o cuantitativo es comercio de alta frecuencia.
Entonces, en relación con la pregunta de si AI se está utilizando o no en el comercio de acciones, en resumen, sí. Realmente no tendría sentido no hacerlo. Pero, una aclaración más precisa es que la IA o el aprendizaje automático se están utilizando en el comercio cuantitativo.
Un flujo de trabajo comercial puramente algorítmico varía mucho de un flujo de trabajo comercial cuantitativo. Puedes ser un comerciante algorítmico simplemente codificando una estrategia que has cambiado manualmente. Pero esto no lo convertiría en un comerciante cuantitativo.
Por ejemplo, un comerciante algorítmico podría tener alguna experiencia comercial previa o alguna idea para una estrategia y simplemente respaldaría una estrategia en un esfuerzo por ver si era rentable. Si la estrategia mostró ganancias, pueden comerciarla en vivo. La idea de la estrategia puede no seguir ningún proceso que no sea que tenían una idea y la respaldaron. Un comerciante cuantitativo no puede implementar una estrategia a menos que pase alguna prueba de hipótesis estadística. El proceso de generación de ideas del comerciante cuantitativo / investigadores es muy diferente al de un comerciante puramente algorítmico. Él o ella pueden generar ideas a partir de análisis de datos exploratorios, disertaciones de lectura, trabajos de investigación, etc. El comerciante / investigador cuantitativo realizará pruebas de hipótesis estadísticas, etc., incluso antes de llegar a la etapa de backtesting. Si la prueba de hipótesis falla, la estrategia ni siquiera llega a la etapa de backtesting. Además, hay algunas preguntas, de las cuales el Dr. EP Chan ha mencionado en su libro “Algorithmic Trading”, en el que un investigador / comerciante cuantitativo ni siquiera pasaría tiempo probando la estrategia. Ciertas ideas pueden eliminarse de inmediato. Por el contrario, un operador puramente algorítmico solo probaría muchas cosas para ver si funcionan. Además, una estrategia comercial puramente algorítmica carecería de rigor cuantitativo. Esto significa que es posible que no puedan proporcionar una razón “científica” por la que algo funciona o por qué lo hacen.
Hay mucho que aprender sobre inteligencia artificial y comercio algorítmico en general. Quantinsti ofrece pistas de aprendizaje, 1) una opción de aprendizaje a su propio ritmo y 2) una opción de certificación de plomo experto. El primero es el portal de aprendizaje en línea de Quantra. Quantra ofrece cursos a su propio ritmo que cubren temas como Machine Learning, Python for Trading y Options Strategies. Obtiene acceso de por vida al curso y puede completar el trabajo del curso en su propio horario.
La segunda opción es el Programa Ejecutivo de Quantinsti en Comercio Algorítmico. El programa EPAT dura un poco más de un semestre y cubre temas como estadísticas y econometría, estrategias comerciales cuantitativas y aprendizaje automático. Los cursos son impartidos por quants que actualmente trabajan en fondos de cobertura, investigación y comercio de alta frecuencia, lo que permite a los participantes obtener conocimientos actualizados de profesionales expertos.
Si desea obtener más información sobre Quantra, puede visitar el siguiente enlace: Quantra by QuantInsti | Cursos sobre comercio algorítmico y cuantitativo
Si está interesado en aprender más sobre el programa EPAT y lo que algunos de los ex alumnos han construido, puede visitar www.quantinsti.com/epat