Aprendizagem de máquinas na teoria e aplicações financeiras de negociação

Aprendizagem de Máquinas no Mercado Financeiro: Teoria e Aplicações

22 de janeiro de 2017

É difícil fazer previsões, especialmente sobre o futuro, disse a lenda do beisebol Yogi Berra.

Mas isso não impede que as pessoas tentem, particularmente nos mercados financeiros, onde algoritmos de negociação de aprendizado de máquinas estão sendo desenvolvidos e lançados por fundos hedge, com vistas a encontrar aplicações práticas do grande corpo de teoria que existe para a inteligência artificial.

Talvez, não surprisingly, muitos daqueles na borda principal prende graus avançados na matemática ou na informática. Embora ter um PhD não é obrigatório, é claramente uma vantagem.

Spencer Greenberg. Co-fundador, Rebellion Research

"Quando eu aprendi sobre a aprendizagem de máquina, ocorreu-me que poderia ser útil em aplicações financeiras," disse Spencer Greenberg, co-founder de Rebellion Research, um fundo hedge New York-baseado. Greenberg está atualmente fazendo um doutorado no Courant Institute of Mathematical Sciences da Universidade de Nova York.

"Quando tentamos ganhar dinheiro no mercado de ações, não temos noções totalmente formadas de compra e venda, valor, impulso, valor relativo, etc.", disse Greenberg. "Talvez a aprendizagem mecânica possa extrair estilos de investimento de forma automatizada, e um algoritmo pode ser criado para aprender esse processo. Fiquei fascinado com isso. "

A Rebellion Research emprega um sistema de aprendizagem baseado em máquinas para fazer previsões sobre o desempenho de ações e outras classes de ativos.

A premissa básica é que as máquinas podem ser programadas pelo Google para realizar buscas na web ou pela Amazon e Netflix para recomendar filmes e livros, portanto não há razão para que eles não possam ser treinados para tomar decisões de investimento.

"Uma razão pela qual as pessoas são céticas sobre o uso de inteligência artificial para investir é que eles pensam em investir como algo que é muito difícil para um ser humano para resolver e, portanto, muito difícil de programar, Disse Greenberg. 8220; Existem muitas teorias sobre como o mercado funciona. Nossa abordagem é fazer com que os algoritmos de aprendizado de máquinas analisem o investimento de maneira automatizada. "

O campo de conhecimento na área está se expandindo rapidamente.

"Por décadas, as técnicas de inteligência artificial baseadas em máquinas têm sido os elementos centrais da negociação algorítmica e das finanças computacionais em geral", disse Vadim Mazalov, especialista em pesquisa e desenvolvimento da Cyborg Trading Systems, e um estudante de doutorado em ciência da computação, especializado em Máquina de aprendizagem na Western University, em Londres, Ontário.

Aprendizagem de Máquinas

O corpo extenso do conhecimento na arte contem já uma variedade dos modelos que podem ser aplicados em níveis e em escalas diferentes - da freqüência elevada à troca sistemática.

"Nos últimos cinco anos, vimos enormes avanços na tecnologia de negociação automatizada", disse Alfred Eskandar, executivo-chefe do provedor de sistemas de negociação Portware. "As soluções front-end avançadas introduziram eficiências maciças, reduziram o risco operacional e deram aos comerciantes acesso sem precedentes à liquidez global".

No entanto, a geração atual de sistemas de gerenciamento de execução levou a automação do comércio e do fluxo de trabalho para o máximo possível.

A responsabilidade pelo ciclo de vida global de um comércio - analisar as condições do mercado, selecionar a estratégia correta para uma determinada ordem, monitorar o progresso da execução e fazer as mudanças necessárias - continua a ser da responsabilidade dos comerciantes humanos.

"Nos próximos anos, vamos ver as empresas a implementar a tecnologia que irá ajudar os comerciantes automaticamente selecionar e implementar a estratégia algorítmica ideal, permitindo-lhes aumentar a capacidade e melhorar o desempenho comercial global", disse Eskandar.

No entanto, tanto quanto os comerciantes querem estar no algoritmo certo no momento certo, eles também não querem estar no algoritmo errado no momento errado.

"Alguns dos recentes erros do mercado mostram o quão importante é gerenciar o risco de negociação", disse Eskandar. "Esta tecnologia emergente permitirá às empresas dinamicamente gerenciar seus algoritmos e garantir a operação segura de mesas de negociação em qualquer condição de mercado."

O advento de algoritmos de negociação baseados em máquinas é devido em grande parte à capacidade de analisar resmas de dados em tempo real usando hardware e software avançados.

"Trata-se de procurar padrões de dados", disse Tucker Balch, professor de ciência da computação do Instituto de Tecnologia da Geórgia, e fundador da Lucena Research, uma empresa de tecnologia de investimento baseada em inteligência artificial. "No caso de finanças, você está procurando relacionamentos entre dados sobre uma empresa e seu preço futuro. Isso é o que Lucena faz, eo que eu faço com minha pesquisa na Georgia Tech. "

Modelos Matemáticos

Lucena fornece a análise quantitativa ea tecnologia estatística da aprendizagem da máquina aos fundos do hedge, aos conselheiros da riqueza e aos investors individuais avançados.

Sua tecnologia de apoio à decisão de inteligência artificial baseada em nuvem permite que investidores e comerciantes de curto prazo encontrem oportunidades de mercado e reduzam o risco em sua carteira usando correspondência técnica e quantitativa de padrões quantitativos.

O sistema "obtém tantos dados históricos, incluindo dados fundamentais e indicadores técnicos, quanto possível, e busca encontrar relações entre os dados históricos e os preços futuros", disse Balch. "Esse relacionamento é um modelo, algo que relaciona alguma quantidade mensurável de uma equidade a um preço futuro", disse ele.

O algoritmo de previsão de preço baseado em aprendizagem da máquina de Lucena prevê cinco, 10 e 20 retornos de dia de negociação em todas as ações cobertas.

"Nós não usamos modelos estáticos, nosso forecaster é revisado diariamente para se adaptar automaticamente às condições de mercado em mudança", disse Balch. "A previsão pode ser usada para identificar curto prazo oportunidades longas ou curtas."

O objetivo final de Lucena, disse ele, é "trazer a consciência do poder da análise de padrões de aprendizado de máquinas e revolucionar a comunidade profissional de investimento desatendida, fornecendo as ferramentas e a tecnologia normalmente não disponíveis para empresas de seu tamanho".