Создание альфа-канала: машинное обучение помогает трейдерам
Автор BAM.Money¹
Во-первых, что такое машинное обучение и как оно помогает создавать альфа-версии?
Машинное обучение (МО) — это способ научить компьютерную систему выявлять тенденции с использованием заданного набора данных и самостоятельно учиться на них. Система обучается, анализируя большие выборки данных и выявляя общие отношения и закономерности. Используя их, машина может определять тенденции и решать, следует ли им покупать, продавать или держать активы.
Чтобы максимизировать доходность любых инвестиций с поправкой на риск, вы должны иметь возможность точно «предсказывать» вход и выход. Доход, связанный с этим остаточным, но фундаментальным компонентом, часто называют альфой. Этот компонент представляет собой некоррелированный риск, связанный с тем, что остается после дисконтирования бета-кратной рыночной доходности.
Почему инвесторы внедряют машинное обучение: 3 основных преимущества
Одни только цены не могут передать все об активе. На самом деле, в большинстве случаев цены предлагают высокоуровневый контекст, поэтому вы не можете рассматривать их как инвестиционные сигналы. Вместо этого стоимость активов определяется такими факторами, как мнение инвестора. Это ставит вопрос: только ли люди способны анализировать мнение инвестора?
Хотите верьте, хотите нет, но современные алгоритмы машинного обучения стали настолько совершенными, что им часто не нужна так называемая «интуиция», чтобы оценить «мнение». На самом деле, в некоторых случаях можно даже сказать, что они объективно лучше исследуют эмоции благодаря своей способности распознавать образы.
Большинство трейдеров полагаются на свои знания, опыт и интуицию, чтобы получить альфу. Теперь пришло время включить машинное обучение в уравнение, чтобы вы могли более точно прогнозировать рыночные тенденции. Вот некоторые из преимуществ, которые вы можете получить, включив машинное обучение в свой арсенал инструментов:
Преимущество 1. Определение сигналов и индикаторов сдвига с помощью анализа настроений
Одно из главных правил трейдера — знать, когда входить и когда выходить. Вы можете сделать это, только научившись идентифицировать сигналы или индикаторы сдвига. В то время как некоторые из них легко обнаружить, у других есть переменные, которые даже самому опытному трейдеру будет трудно идентифицировать. Алгоритмы машинного обучения обычно могут делать это с помощью анализа настроений.
Что такое анализ настроений?
Анализ настроений — это когда машина изучает данные (например, сообщения людей, новости, другие формы СМИ), чтобы определить общественное мнение по теме. По сути, машины пытаются уловить «эмоциональный подтекст» через слова. Они определят, какие компании нравятся, критикуются или бойкотируются широкой публикой в любой момент. Это бесценный инструмент для создания альфы, потому что вы можете определить, какими активами вы должны торговать в краткосрочной перспективе, а какие держать.
Преимущество 2: использование альтернативных аналитических данных, которые большинство трейдеров не будут проверять
У вашей машины не возникнет проблем с обработкой огромных объемов данных, а это значит, что вы можете передавать на нее видео, транскрипции видео, фотографии, аудиофайлы, сообщения в социальных сетях, презентации, веб-страницы, статьи, блоги, деловые документы и многое другое. Имея в своем распоряжении несколько алгоритмов, машина затем использует эти источники для дальнейшего уточнения своего определения рыночных настроений. С помощью машины вы получаете сложные нюансы того, что говорят люди, и, что более важно, то, что они имеют в виду под тем, что говорят.
Преимущество 3: максимизация прибыли за счет управления рисками
Альтернативные данные полезны только в том случае, если существует сигнал, и именно здесь вы можете комбинировать машинное обучение с методами управления рисками для достижения лучших результатов. Максимизация вашей прибыли заключается в снижении рисков, связанных с изменчивым миром торговли активами. Знание того, когда цена актива должна скорректироваться, означает, что вы можете принять меры еще до того, как это произойдет. С помощью правильных алгоритмов вы можете прогнозировать положительную и отрицательную относительную стоимость за считанные секунды, помогая вам торговать активами с меньшим риском. Однако машины могут оценивать не только восходящие и нисходящие тенденции, но и оценивать волатильность портфеля или даже то, насколько сильно будут колебаться цены активов, в зависимости от типа данных, которые вы в конечном итоге передаете машине.
Должны ли трейдеры бояться, что эти машины заменят их?
Короткий ответ - нет." Как бы ни были хороши машины в своем деле, они никогда не смогут полностью заменить вас. Чтобы даже начать предсказывать результаты, компьютерам придется продолжать полагаться на людей, которые будут снабжать их соответствующими данными. Вот три причины, по которым машинам все еще нужны люди:
Машины не могут определять свои собственные задачи
Машины по-прежнему нуждаются в людях для придания им целевого назначения, по крайней мере, в обозримом будущем. Как владелец и оператор, вы по-прежнему держите ключи. Это означает, что, несмотря на развитие некоторых систем, машинное обучение все еще подвержено определенным проблемам. Он по-прежнему может страдать от неточностей, дискриминационных результатов и даже встроенных предубеждений из набора данных, который вы им предоставляете.
У машин нет чувств
У машин нет чувств или представлений о морали. Эти черты свойственны только людям, а также означают, что людям все равно придется регулировать машины. Но для трейдеров, хотя машины не поддаются эмоциям или стрессу, они могут сочетаться с нестандартными человеческими идеями. Вы по-прежнему будете нести ответственность за устойчивое и этичное использование машинного обучения. Машины, например, могут сказать вам инвестировать в определенную компанию, но ваша мораль и мораль ваших заинтересованных лиц могут говорить вам об обратном.
Если ваша фирма сосредоточена на импакт-инвестировании и запрещает вам торговать определенными активами, вам все равно придется проверять, что говорит вам машина. И пока кто-то не изобретет разумный алгоритм человеческой этики, таким инвесторам, как вы, не нужно беспокоиться о том, что они останутся без работы.
Машины не могут полностью предсказывать будущее
Обучение под наблюдением опирается на исторические данные и предполагает, что то, что произошло в прошлом, отражает то, что произойдет в будущем. Это ошибочная логика во времена смены политического режима, пиар-скандалов, стихийных бедствий и даже мировых пандемий. Неизбежно будут вещи, которые алгоритмы никогда не смогут предсказать. Однако важно отметить, что никто не может точно предсказать такие вещи. Эти недостатки присущи почти любому другому инвестиционному инструменту и методу. Потребуется ваше человеческое понимание и анализ ситуации.
Стоит ли вам начать интегрировать машинное обучение в свою инвестиционную стратегию?
Никто не может отрицать, что использование машинного обучения для генерации альфы имеет свои преимущества. Хотя у него есть свои проблемы, есть и другие инструменты инвестирования. Но область все еще растет, и растет быстро. Преимущества машинного обучения вполне могут удвоиться или даже утроиться через несколько лет.
Прямо сейчас у нас есть миллионы и миллионы точек данных, которые мы можем использовать для анализа поведения людей, и это число будет только расти. На данный момент банки и учреждения, такие как финтех-стартапы, в 10-100 раз лучше предсказывают поведение потребителей и кредиторов, среди прочего, чем любая теория, когда-либо разработанная финансовыми профессорами.
Начните включать машинное обучение в свою инвестиционную стратегию и начните получать более высокую альфу уже сегодня. Искусственный интеллект может повысить ваши аналитические способности и способности принимать решения, предоставляя нужную информацию в нужное время. Машинное обучение только значительно упростит процесс сбора информации и даст вам инструменты, необходимые для принятия более эффективных инвестиционных решений.
