Aprendizaje Automático de Trading Financiero: Teoría y Aplicaciones 22 de enero 2013 Es difícil hacer predicciones, especialmente sobre el futuro, dijo la leyenda del béisbol Yogi Berra. Pero eso no impide que la gente de tratar, en particular en los mercados financieros, donde se desarrolló y lanzó algoritmos de negociación de aprendizaje automático de los fondos de cobertura, con miras a la búsqueda de aplicaciones prácticas de la gran masa de la teoría que existe para la inteligencia artificial. Tal vez, no es sorprendente que muchos de los que están en el borde de ataque tienen títulos avanzados en matemáticas o ciencias de la computación. Mientras que tener un doctorado no es obligatorio, es evidente que es una ventaja. Spencer Greenberg. co-fundador, Investigación Rebelión "Cuando me enteré de aprendizaje automático, se me ocurrió que podría ser útil en aplicaciones financieras", dijo Spencer Greenberg, co-fundador de Rebelión de Investigación, un fondo de cobertura con sede en Nueva York. Greenberg actualmente se encuentra cursando un doctorado en el Instituto Courant de la Universidad de Nueva York de Ciencias Matemáticas. "Cuando tratamos de hacer dinero en el mercado de valores, nociones de si comprar y vender, valor, fuerza, valor relativo, etc. hemos formado no totalmente", dijo Greenberg. "Tal vez la máquina de aprendizaje puede extraer estilos de inversión de forma automatizada, y un algoritmo puede ser creado para aprender ese proceso. Me fascinó con ella ". Rebelión Investigación emplea un sistema basado en el aprendizaje de máquina para hacer predicciones sobre el desempeño de las acciones y otras clases de activos. La premisa básica es que las máquinas pueden ser programadas por Google para realizar búsquedas en la web o por Amazon y Netflix para recomendar películas y libros, así que no hay razón para que no deberían ser capaces de estar capacitados para tomar decisiones de inversión. "Una de las razones la gente es escéptica sobre el uso de la inteligencia artificial para la inversión es que piensan de la inversión como algo que es muy difícil para un ser humano para resolver, y por lo tanto muy difícil de programar, dijo Greenberg. Hay un montón de teorías acerca de cómo funciona el mercado. Nuestro enfoque es tener algoritmos de aprendizaje automático analizar la inversión en una forma automatizada ". El campo de conocimiento en el área se está expandiendo a un ritmo rápido. "Durante décadas, las técnicas de inteligencia artificial basada en la máquina han sido los elementos centrales de la negociación algorítmica y finanzas computacionales en general", dijo Vadim Mazalov, especialista en investigación y desarrollo en el proveedor de sistemas de comercio Cyborg sistemas de negociación, y un estudiante de doctorado en informática especializada en aprendizaje automático en la Universidad de Western en Londres, Ontario. Aprendizaje Automático El amplio conjunto de conocimientos en la técnica ya contiene una variedad de modelos que se pueden aplicar en diferentes niveles y escalas de alta frecuencia a negociación sistemática. "En los últimos cinco años, hemos visto enormes avances en la tecnología de comercio automatizado", dijo Alfred Eskandar, presidente ejecutivo de proveedor de sistemas de comercio Portware. "Las soluciones de front-end avanzadas han introducido eficiencia masivos, reducción del riesgo operativo y dado los comerciantes un acceso sin precedentes a la liquidez global". Sin embargo, la actual generación de sistemas de gestión de ejecución ha tenido el comercio y la automatización del flujo de trabajo lo más lejos que pueda. La responsabilidad de las condiciones del mercado de ciclo de vida, el análisis general de un comercio, la selección de la estrategia adecuada para un fin en particular, el seguimiento de los avances de ejecución y de hacer cualquier necesarios cambios todavía cae a los operadores humanos. "En los próximos años, vamos a ver las empresas que implementan la tecnología que ayudará a los comerciantes seleccionan automáticamente y poner en práctica la estrategia de algorítmica óptima, lo que les permite aumentar la capacidad y mejorar el rendimiento general de comercio", dijo Eskandar. Sin embargo, por mucho que los comerciantes quieren estar en el algoritmo correcto en el momento adecuado, sino que también no quieren estar en el algoritmo equivocado en el momento equivocado. "Algunos de mis últimos pasos del mercado muestran lo importante que es la gestión del riesgo comercial", dijo Eskandar. "Esta nueva tecnología permitirá a las empresas gestionar de forma dinámica sus algoritmos y garantizar la operación segura de las mesas de negociación en cualquier condición de mercado." El advenimiento de algoritmos de negociación basado en la máquina se debe en gran parte a la capacidad de analizar grandes cantidades de datos en tiempo real utilizando hardware y software avanzado. "Se trata de la búsqueda de patrones en los datos", dijo Tucker Balch, profesor de ciencias de la computación en el Instituto de Tecnología de Georgia, y fundador de Lucena Research, una firma de tecnología de inversión basado en inteligencia artificial. "En el caso de las finanzas, que busca relaciones entre los datos sobre la compañía y su precio futuro. Eso es lo que hace Lucena, y lo que hago con mi investigación en Georgia Tech ". Modelos Matemáticos Lucena ofrece un análisis cuantitativo y la tecnología de aprendizaje automático estadístico para los fondos de cobertura, los asesores de riqueza e inversores individuales avanzadas. Su tecnología de apoyo a las decisiones de inteligencia artificial basado en la nube permite a los inversores y operadores a corto plazo para encontrar oportunidades de mercado y para reducir el riesgo en su cartera con el patrón técnico y fundamental coincidencia cuantitativa. El sistema de "obtener datos históricos tanto, incluidos los datos fundamentales y los indicadores técnicos, como sea posible, y trata de encontrar relaciones entre que los datos históricos y los precios futuros", dijo Balch. "Esa relación es un modelo, algo que se relaciona alguna cantidad mensurable de un patrimonio a un precio futuro", dijo. Algoritmo de predicción de precios basado en el aprendizaje de la máquina de Lucena prevé cinco, 10 y 20 del día retornos comerciales en todas las acciones cubiertas. "Nosotros no utilizar modelos estáticos, nuestro pronosticador se revisa diariamente para adaptarse automáticamente a las condiciones cambiantes del mercado", dijo Balch. "El pronóstico puede ser usado para identificar largas o cortas oportunidades a corto plazo." El objetivo final de Lucena, dijo, "es traer a la conciencia del poder de análisis de patrones de aprendizaje automático, y para revolucionar la inversión en la comunidad profesional desatendidos, al proporcionar las herramientas y la tecnología normalmente no disponibles para las empresas de su tamaño".
No comments:
Post a Comment