Numerai: еще один гвоздь в гроб гипотезы эффективного рынка

Шиллер первым сказал: «У императора нет одежды»

В своей статье 1984 года «Цены на акции и социальная динамика» профессор Роберт Шиллер указал на поразительно очевидную ошибку в гипотезе эффективного рынка. Сильно упрощая, EMH говорит, что «цены на акции всегда отражают их фактическую внутреннюю стоимость», но все исследования, целью которых было тестирование EMH, вместо этого проверяли вопрос «трудно ли прогнозировать цены на акции?» Профессор Шиллер получил Нобелевскую премию по экономике в основном за то, что сказал: «Постой, это две принципиально разные вещи». Профессор Шиллер ничего не предпринял в своей атаке на EMH:

… Утверждает, что, поскольку реальная доходность почти непредсказуема, реальная цена акций близка к истинной стоимости ... Этот аргумент в пользу гипотезы эффективных рынков представляет собой одну из самых замечательных ошибок в истории экономической мысли. Он примечателен непосредственностью своей логической ошибки, а также размахом и последствиями своего заключения.

Тот факт, что людям трудно предсказать цены на акции, не означает, что они верны!

Повторяющиеся неправильные цены

Как только профессор Шиллер указал на эту очевидную ошибку, лежащую в основе догмы EMH, даже «трудно предсказуемая» часть подверглась критике. Многие исследования показали, что есть повторяющиеся случаи, когда движение цен на акции предсказуемо на статистически значимой основе. Конечно, фондовые рынки - это адаптивные системы со значительными стимулами для предотвращения самых крупных и надежно предсказуемых ценовых движений. Итак, как только повторяющаяся предсказуемость обнаруживается, она имеет тенденцию исчезать.

Мне кажется, есть несколько важных наблюдений / тенденций в отношении этих предсказуемых ценовых движений:

  1. Проделав некоторую работу, можно найти статистически значимые ошибки в ценообразовании, которые повторяются при определенных обстоятельствах. Проблема в том, что модель, которая делает хорошие прогнозы, скажем, в 60% случаев, но может использоваться только в течение одного месяца из десяти, очень трудно выделить для капитала, если у вас нет доступа к большой коллекции независимых моделей. , по крайней мере, некоторые из них работают в разные периоды времени.
  2. Достижения в области инструментов анализа данных искусственного интеллекта / машинного обучения значительно упрощают выявление многих классов статистически значимых ошибок в ценообразовании, если вы можете получить доступ к соответствующим данным быстро и дешево.
  3. Если вы обнаружите повторяющуюся ошибку ценообразования, вы не хотите никому рассказывать, что это такое! Вы не хотите загружать свою модель на какой-либо сторонний сайт. Возможно, вы даже не хотите, чтобы кто-то знал, кто вы.

Введите Numerai

Эти мнения у меня возникли при первой встрече с Ричардом Крейбом, генеральным директором Numerai. То, что я увидел в невероятно мощной бизнес-модели Numerai, было способом анонимно дать возможность большому количеству специалистов по обработке данных создавать большое количество независимо выявленных неправильных цен на акции, которые основывались на увеличивающейся мощности и простоте использования инструментов искусственного интеллекта / машинного обучения. Это большое количество независимо сгенерированных прогнозов можно протестировать на предмет предсказательной силы, объединить таким образом, чтобы уменьшить дисперсию, и соответствующим образом выделить на них капитал.

Я участвовал в турнире по прогнозированию акций Numerai в феврале 2016 года. Весь процесс занял у меня всего 90 минут, чтобы загрузить данные обучения, построить очень простую модель и загрузить набор данных прогнозирования. Мне не нужно было раскрывать какую-либо личную информацию, и мне не нужно было раскрывать какие-либо подробности того, как моя модель сделала прогнозы. На самом деле я загрузил два отдельных набора данных для прогнозов:

  1. Случайный набор прогнозов. Я буквально использовал генератор случайных чисел для этого набора прогнозов. Я был рад увидеть, что 92% существующих заявок превзошли мою случайную отправку. Это подсказало мне, что большинство предсказаний имели хоть какую-то предсказательную силу.
  2. Набор прогнозов, основанный на моей очень простой модели. Эту модель превзошли 87% заявок на участие в турнирах. Это говорит мне о том, что подавляющее большинство представленных материалов были результатом продуманных моделей прогнозирования. Мне пришлось бороться с желанием реализовать длинный список потенциальных улучшений модели, которые позволили бы мне подняться в рейтинге турниров.

Основываясь на этом продемонстрированном соответствии огромной скрытой потребности, силе команды основателей и естественной привлекательности бизнес-модели Numerai, я спросил Ричарда, могу ли я участвовать в качестве инвестора в самом Numerai, на что он, к счастью, согласился, несмотря на то, что это было раунд с избыточной подпиской.

На сегодняшний день тысячи специалистов по данным сделали более 20 миллиардов прогнозов на фондовых рынках, участвуя в турнирах Numerai. Некоторые из лучших исполнителей действительно решили остаться анонимными и принимать платежи в биткойнах. Кроме того, Numerai изменила оценку турниров до той степени, в которой их заявки однозначно улучшают метамодель Numerai, чтобы вознаградить создание дополнительных возможностей прогнозирования на агрегированном уровне.