¿Se puede utilizar la inteligencia artificial para negociar acciones?

Es un hecho indiscutible que la inteligencia artificial ha logrado victorias abrumadoras en campos como el Go, el ajedrez y los robots alemanes. De hecho, la IA como AlphaGo se puede utilizar en cualquier campo que requiera comprender patrones complejos, hacer planes a largo plazo y tomar decisiones. La gente no puede evitar preguntarse: ¿hay algo que la inteligencia artificial no pueda superar? Por ejemplo, ¿las impredecibles acciones A?

Hay muchas personas con diferentes puntos de vista sobre este tema. La exploración se puede dividir en dos partes: 1. ¿Se puede predecir el mercado de valores? 2. Si se puede predecir, ¿se puede predecir mediante el aprendizaje automático?

Respondamos primero a la primera pregunta: ¿Se puede predecir la subida y bajada del mercado de valores?

Si consideramos los cambios de precios en el mercado de valores como una secuencia que varía en el tiempo, Precio = Mercado (t), a menudo encontramos que no importa si intentamos usar n modelos (lineal, no lineal, probabilístico ) para aproximarlo, incluso si construimos un modelo que sea consistente con los cambios en el precio de las acciones y usemos suficientes datos de entrenamiento para simular los precios de las acciones, estos modelos solo pueden hacer algunas predicciones inexactas dentro de un intervalo específico en el mejor de los casos.

En primer lugar, el aprendizaje de compensación se basa en las propiedades de Markov y predice el siguiente estado a partir de un estado. Pero, ¿el aumento y la caída de los precios de las acciones tienen fuertes propiedades de Markov? Es decir, ¿existe una conexión inevitable entre el precio de las acciones en el último momento y el precio de las acciones en el momento siguiente? No debería ser demasiado grande. Este sistema basado en propiedades de Markov de orden N no es propicio para el análisis de los precios de las acciones. Y si solo se utilizan datos históricos de precios de acciones para entrenar el modelo, se puede decir que la precisión es casi nula.

De hecho, los factores que afectan el precio de las acciones no son solo el precio histórico de las acciones, sino también más factores, como la situación actual de la empresa, la actitud de los inversores hacia las acciones, el impacto de las políticas, etc. . Mucha gente parte de este aspecto, utiliza la rápida potencia informática proporcionada por la inteligencia artificial y utiliza modelos apropiados para cuantificar estos factores, por ejemplo (la introducción de la política X puede hacer que el precio de las acciones cambie en Y yuanes). Cuando su modelo tiene en cuenta todos los factores, las predicciones del precio de las acciones están al alcance de la mano. Precio de las acciones = f (factores de política, situación de la empresa, factores de mercado, precio de las acciones histórico, precio de las acciones histórico del año anterior, el impacto del suicidio de un accionista...)

Pero, ¿cuántos factores hay? ? Cómo se afectarán mutuamente es el quid de la cuestión. En algunas condiciones estables, podemos hacer una predicción aproximada, pero muchas veces será inexacta porque es difícil para su modelo tener en cuenta todos los factores. Y habrá influencia mutua entre los factores. Los modelos de precios de acciones pueden volverse extremadamente complejos. Como se muestra en la siguiente figura:

Es probable que la interacción entre un factor y otro factor sea predecible, pero si hay interacción entre ellos, todo el sistema se volverá casi impredecible en este momento. Los cambios en un factor provocarán cambios en varios factores y, finalmente, estos factores reaccionarán para provocar que el último factor cambie directa o indirectamente, y los cambios en los precios de las acciones de repente se volverán difíciles de alcanzar. Algunos pequeños factores también pueden amplificarse infinitamente a través de este sistema y, finalmente, tener un gran impacto en el mercado de valores.

¿Es entonces imposible predecir los precios de las acciones?

De hecho, la inteligencia artificial es mucho más poderosa de lo que imaginamos. Por ejemplo, la inferencia bayesiana muy compleja, incluido el aprendizaje profundo/aprendizaje de compensación profunda, puede expresar la relación entre variables latentes complejas. Muchas empresas nacionales y extranjeras están explorando la posibilidad de aplicar la inteligencia artificial al mercado de valores.

Sin embargo, la aplicación de la tecnología de inteligencia artificial al mercado de valores mencionada aquí no significa principalmente permitir que la inteligencia artificial tome decisiones en nombre de las personas, sino utilizar la inteligencia artificial para procesar datos y no verse afectado por subjetivos. preferencias.Con sus ventajas, puede desempeñar el papel de "sistema de asesoramiento experto en IA" en las decisiones de inversión, ayudando a los humanos a tomar decisiones más informadas.

El análisis del mercado de valores incluye análisis fundamental y análisis técnico. La tecnología de inteligencia artificial puede desempeñar un papel en estos dos aspectos:

1

Análisis fundamental

En resumen, es leer diversa información financiera. Ante la gran cantidad de información compleja que existe en Internet, es imposible resolver el problema basándose únicamente en el cerebro humano. Conocemos las tres V de la minería de datos, (gran volumen de datos), (actualizaciones rápidas) y (variedad). Al procesar cantidades tan masivas de datos, las computadoras tienen ventajas que el cerebro humano no puede igualar. La aplicación del aprendizaje profundo en el campo del procesamiento del lenguaje natural puede resumir y extraer automáticamente información esencial de cantidades masivas de información para ayudar a los humanos a tomar decisiones.

Además, el precio de las acciones está determinado en gran medida por la fortaleza de los compradores y vendedores, y por el estado de ánimo de cada inversor hacia una acción. Si todo el mundo es optimista acerca de una acción, es probable que suba; de lo contrario, caerá. También hay eventos específicos que pueden afectar significativamente los precios de las acciones. Por ejemplo, después de que Estados Unidos abriera las exportaciones de petróleo crudo por primera vez en 40 años este año, el sector energético nacional cayó inesperadamente. Esta es la razón por la que tantos inversores leen las noticias y observan los acontecimientos para mantener un buen olfato. Se puede ver que lo más importante a la hora de predecir acciones es la información o datos de los que se pueden extraer las emociones de los inversores. El reconocimiento de emociones ya es una tecnología en la que la inteligencia artificial es buena. Se han realizado muchos estudios en este ámbito en el extranjero y algunas empresas como DataMinr se centran en extraer señales financieras valiosas de las redes sociales.

Como se muestra en la imagen siguiente, la Associated Press fue oficialmente pirateada (se rumoreaba que Obama fue atacado y herido), y pronto el mercado de valores experimentó una fuerte caída y subida (ver alrededor de 13 puntos).

Aunque este evento es bastante especial, si podemos recibir noticias similares lo antes posible, tendremos la iniciativa de predecir el mercado de valores.

Puedes imaginar audazmente que si combinas el análisis de sentimiento y el aprendizaje automático, recopilas datos masivos para el análisis de sentimiento y descubres si las personas son optimistas o pesimistas acerca de ciertas acciones, entonces al menos puedes incorporar este factor en alcance del modelo de aprendizaje. Muchos artículos existentes están buscando muchas formas de mejorar la precisión del análisis de sentimientos. Otras formas más sencillas son: (1) Google Trends. Este es un método muy simple: los datos del volumen de búsqueda proporcionados por Google se predicen mediante cambios en el volumen de búsqueda. (2) Volumen de uso de Twitter (número de publicaciones relacionadas con Twitter)

2. Análisis técnico

Análisis de línea K en análisis técnico tradicional, como "Dayang Star", "Little Yinxing", "Rising Sun" y "Piercing the Heart" son en realidad el reconocimiento de patrones del cerebro humano. Limitados por las capacidades de procesamiento de información del cerebro humano, estos modelos reconocidos tienen las siguientes deficiencias: (1) Sólo hay una única línea k, basada únicamente en una forma difusa, engañosa y no existe un estándar numérico exacto (2; ) Basado en información histórica limitada . Una buena estrategia de aprendizaje profundo puede superar las limitaciones del cerebro humano, como superar las limitaciones de una sola línea K y encontrar patrones a partir de más señales financieras (otras acciones, oro, divisas, etc.). ); o comprender patrones a partir de información histórica durante un período más largo.

En resumen, la inteligencia artificial mejorará la profundidad y amplitud de nuestro procesamiento de información. Las personas que utilizan "robo-asesores" basados ​​en tecnología de inteligencia artificial tendrán una ventaja informativa sobre las personas que no utilizan o todavía utilizan "cerebros humanos" para el análisis fundamental y el análisis técnico, por lo que es más fácil obtener beneficios en el mercado de valores.

El auge de la inteligencia artificial en el ámbito de la inversión en valores comenzó en 2007. En ese momento nació en Nueva York, Estados Unidos, el primer fondo de inversión en inteligencia artificial pura. Desde entonces, el desarrollo de la inteligencia artificial en el campo de la investigación de inversiones en valores ha entrado en la vía rápida. De hecho, en el campo de las inversiones en valores, la inteligencia artificial no es nada nuevo, y los administradores de fondos de cobertura cuantitativos están en todas partes de la calle financiera de Beijing y de Shanghai; Lujiazui. En términos generales, el departamento de inversión cuantitativa de fondos públicos o capital privado a gran escala se compone de dos partes, una es el equipo de investigación de inversiones y la otra es el equipo de TI. El equipo de investigación de inversiones presenta requisitos y el equipo de TI desarrolla módulos de negociación algorítmica para resolver las necesidades de los administradores de fondos.

"Generalmente, mi flujo de trabajo diario consiste en mirar la lista de acciones generada (máquina) después de levantarme por la mañana y luego ver cuántos pesos tiene cada estrategia en el sistema de gestión de cartera. Estas estrategias se suman "Cuántas posiciones hay, y luego juzgue si hay errores obvios en las señales dadas por la máquina en función de diversos datos (incluido el comercio de margen, la entrada de inversores, etc.) ", dijo un administrador de cobertura cuantitativa que si es necesario ese día. Al operar, generará instrucciones comerciales, luego realizará una orden en el sistema comercial y el sistema comercial comenzará a ejecutarse automáticamente.

En la investigación de inversiones tradicional, los administradores de fondos y los investigadores utilizan algoritmos tradicionales de aprendizaje automático, como el análisis de regresión, para modelar datos financieros, comerciales, de mercado y de otro tipo, analizar sus características destacadas y formular estrategias comerciales. En la etapa de inteligencia artificial, estas tareas se entregan a las computadoras. En la actualidad, algunos fondos de capital privado han comenzado a integrar tres subcampos de cobertura cuantitativa en las estrategias comerciales diarias en un intento de obtener beneficios, incluido el aprendizaje automático, el procesamiento del lenguaje natural y los gráficos de conocimiento. Por ejemplo, como el fondo de cobertura más grande del mundo, Bridgewater Asspcoates utiliza algoritmos comerciales basados ​​en datos históricos y probabilidad estadística, lo que permite que el sistema aprenda de forma independiente los cambios del mercado y se adapte a nueva información.

La victoria de AlphaGo sobre Jack Lee Sedol atrajo la atención mundial. Proyectada al campo de la investigación de inversiones, es la confrontación entre la selección cuantitativa de acciones mediante inteligencia artificial y los gestores de fondos humanos. La práctica ha demostrado que la selección de acciones con inteligencia artificial es mejor para evitar elecciones irracionales, evitar riesgos no sistemáticos y obtener rendimientos deterministas bajo las fluctuaciones del mercado. Indicadores como la volatilidad y la reducción máxima también son más bajos y el rendimiento es más estable.

Sin embargo, aunque las máquinas se mueven más rápido que los humanos, su pensamiento todavía no es tan rápido como el de los humanos. Por ejemplo, ante una nueva política y un punto crítico del mercado, los administradores de fondos pueden tomar medidas inmediatas en consecuencia. Pero la máquina no es tan rápida. Ésta es la ventaja humana. Por poner otro ejemplo, la máquina sólo puede aplicar una estrategia a la vez, como la reforma del lado de la oferta, y sólo puede pensar en acciones de carbón, acero y metales no ferrosos. Pero para los administradores de fondos, también puede aplicar estrategias como. inversión de valor o reversión del impulso al mismo tiempo.

En general, dejar todo el proceso de toma de decisiones de inversión bursátil en manos de máquinas es algo que actualmente sólo unos pocos gigantes financieros pueden hacer.

La empresa de tecnología de la percepción de Silicon Valley, en Estados Unidos, ha dejado que programas de inteligencia artificial se encarguen de la negociación de acciones. A diferencia de otras empresas de inversión que utilizan inteligencia artificial, la mesa de operaciones de la empresa sólo tiene dos empleados, que supervisan las máquinas para garantizar que las operaciones puedan finalizar apagándose en caso de circunstancias incontrolables. Se informa que el sistema de inversión en inteligencia artificial de Perception puede lograr una "evolución autónoma" a través del aprendizaje experimental. La empresa tiene miles de máquinas funcionando simultáneamente en todo el mundo y sus algoritmos únicos crean billones de comerciantes virtuales llamados "genes". El sistema utiliza datos históricos para simular el comercio. Actualmente es posible simular 1800 días de volumen de operaciones en tan sólo unos minutos. Después de las pruebas, se eliminan los "genes" malos y se conservan los "genes" buenos. Los buenos "genes" que pasan la prueba se utilizan en transacciones reales. Los empleados de la empresa sólo necesitan establecer indicadores comerciales como el tiempo, la tasa de rendimiento, el índice de riesgo, etc., y la máquina se encargará del resto.

Jeff Holman, director de inversiones de la compañía, reveló que actualmente, la máquina mantiene una gran cantidad de acciones sin intervención humana, completa cientos de transacciones cada día y mantiene posiciones durante mucho tiempo. semanas. La compañía dijo que el rendimiento de la máquina superó sus especificaciones internas, pero no reveló los detalles de las especificaciones.

Con el avance continuo de la tecnología de inteligencia artificial, la inversión en inteligencia artificial se ha convertido en un campo favorecido por la academia y el capital. Cristianini, profesor de la Universidad de Bristol en el Reino Unido, dijo que la inversión en acciones es una de las diez industrias que más probablemente cambiarán gracias a la inteligencia artificial. Por otro lado, no todos los inversores confían en las máquinas. Ledford, científico jefe del fondo de cobertura británico MF Global, advirtió que no se debe confiar demasiado en las inversiones en inteligencia artificial, ya que el campo está lejos de estar maduro. A pesar de todas las confusas promesas, el dinero de muchos inversores nunca se devuelve.