Niedawno okazało się, że Nasdaq zamierza uruchomić nowe narzędzie oparte na uczeniu maszynowym dla swojego centrum analitycznego. To narzędzie przetwarza dane użytkowników z sieci społecznościowych, zapewniając inwestorom instytucjonalnym nowe narzędzie do analizy rynku.
Jednak specjaliści Nasdaq nie udzielili bezpośredniej odpowiedzi dla Bitnewstoday.com, ale powiedzieli tylko niezobowiązująco o “interesującym doświadczeniu”, a następnie odnieśli się do subskrypcji o nieujawnieniu. Najwyraźniej może to tylko oznaczać, że sztuczna inteligencja na Nasdaq jest obecnie testowana.
Wcześniej w marcu tego roku firma medialna Thomson Reuters uruchomiła zaktualizowaną usługę MarketPsych Indices, która przygotowuje prognozy rynkowe, śledząc ponad 2000 źródeł wiadomości i 800 serwisów społecznościowych. To narzędzie oparte na analizie sztucznej inteligencji wykorzystuje nie tylko wskaźniki ilościowe, ale także metryki emocjonalne przedsiębiorców, takie jak ekonomia behawioralna. W ten sposób usługa obiecuje swoim klientom tworzenie dokładniejszych prognoz i wybór najlepszej strategii.
Narzędzia i strategie traderów
Inwestorzy zazwyczaj używają kilku wskaźników technicznych do analizy: od oporu i poziomu wsparcia, średniej ruchomej, wolumentu transakcji do ideksu siły względnej i wskaźnika stochastycznego. Wśród wskaźników technicznych wykorzystywane są również linie trendu, które wyświetlają informacje o charakterystycznym kierunku ruchu aktywów kryptograficznych w celu prognozy ich dalszego trendu.
Jednak ze względu na dużą zmienność kryptowalut, tendencje te są niezwykle trudne do ustalenia, dlatego inwestorzy rzadko biorą ten wskaźnik pod uwagę. Ale ogólnie rzecz biorąc, sama analiza techniczna rynku nie jest już wystarczająca dla prognozy, ponieważ nie uwzględnia sytuacji politycznej i społeczno-gospodarczej na świecie.
Mark Lynd, piętnasty w rankingu influencerów SI, Digital Transformation i Crypto dla firm takich jak IBM potwierdził, że od 2017 roku wykorzystanie SI do analizy baz danych stało się faktem – główny trend w wyścigu dla dużych firm przynosi zyski:
“Więcej firm chce sprawdzić, czy te technologie sztucznej inteligencji mogą pomóc im w osiągnięciu większej wartości dzięki ogromnym zapasom danych. Algorytmy oparte na biologii, w szczególności Sztuczne Sieci Neuronowe (ANNs) i Algorytmy Genetyczne są uważane za podstawowe typy wykorzystywane do analizy handlu, pomiaru ryzyka i prognoz cenowych “.
Czy wszyscy inwestorzy korzystają z sieci neuronowych
Nawet dziś system finansowy i społeczno-gospodarczy nie może być dokładnie prognozowany przez ludzi z powodu zbyt wielu czynników łagodzących. Wtedy SI weszła na arenę: potrafi analizować różne sfery życia i prowadzić niezależną analizę nawet lepiej niż profesjonalny finansista. Systemy oparte na sztucznej inteligencji mają jedną wyjątkową zaletę – brak emocji. Ale wtedy pojawia się pytanie: dlaczego wszyscy inwestorzy nie używają sztucznej inteligencji w swoich prognozach i czy sieć neuronowa stanie się uniwersalnym narzędziem dla handlowców w najbliższej przyszłości? Według Lynda:
“…branże usług finansowych i branży technologicznej same naciskają na to, w jaki sposób można wykorzystać te technologie w celu uzyskania przewagi konkurencyjnej i stworzenia nowych źródeł przychodów, co ma duże firmy, takie jak IBM, używające Watsona do wypychania bardziej wyrafinowanych narzędzi, aby pomóc swoim klientom zdać sobie sprawę z tych korzyści “.
Niemniej jednak, Lynd uważa, że sieci neuronowe na tym etapie rozwoju nadal nie są optymalne, a interakcja człowieka jest nadal wymagana na pewnym poziomie: “Ostatecznie wyniki są nadal w dużej mierze przybliżeniami do prognoz i nadal wymagają pewnej ludzkiej oceny lub monitorowania przed wykorzystaniem do dużych handluje “.
Przeprowadziliśmy niewielką ankietę wśród traderów i stwierdziliśmy, że ogromna większość jest bardzo pośrednio zaznajomiona w analizie za pomocą systemów SI. Niemniej niektórzy zauważyli, że w swoich prognozach używają usług opartych na sztucznej inteligencji, a dr Gordon Jones, założyciel projektu DLT w Południowej Karolinie, powiedział: “Koncentrujemy się na aspektach uczenia maszynowego wszystkich NN i SI, gdzie system jest przeznaczone do śledzenia działań i tego, czy te działania prowadzą do zwiększenia wydajności lub braków oraz do osiągnięcia pozytywnego lub negatywnego zwrotu z inwestycji “.
Traderzy obawiają się, że zostaną wkrótce zastąpieni
Najlepsi menedżerowie funduszy hedgingowych zarobili w 2015 roku 1 miliard USD, co stanowi doskonałą motywację do zastąpienia ich sieciami neuronowymi i obniżenia kosztów pracowników, którzy zarabiają 500 USD za godzinę. A firma Goldman Sachs poszła tą drogą, redukując liczbę doradców z 600 do 2. Teraz reszta pracy jest wykonywana przez roboty za pomocą uczenia maszynowego, które dają nieocenione algorytmy dla klientów firmy. Łatwo sobie wyobrazić, że wiele dużych firm szybko podąża za tym przykładem, aby zmniejszyć swoje koszty.
W ekskluzywnym wywiadzie Amardeep Singh, doktor w zakresie wykorzystania sztucznej inteligencji w Ethereum i analityk Nasdaq, który od wielu lat opracowuje strategie wprowadzania sztucznej inteligencji w gospodarce, powiedział, że handlowcy doskonale wiedzą, że ich miejsce wkrótce zostaną podjęte przez SI, ale rozpaczliwie opierają się przyszłym zmianom:
“Analiza ekonomiczna jest kompletnym obrazem, na który handlowcy patrzą w szerszym świecie: wydarzenia, ogłoszenia od rządów, które mają wpływ na cenę analizowanych treści.
W tradingu istnieje coś, co nazywa się analizą techniczną. Patrzą na takie rzeczy jak średnie ruchome, patrzą na optymalizację hiperparametru, prognozowanie zmienności, wielowymiarowe szeregi czasowe – wszystko to, w zasadzie, naprawdę skomplikowane modele, które nakładają się na ruchomy wykres, mogą następnie dokonać przewidywań. Analiza techniczna opiera się również na ludzkich emocjach. Opiera się więc na tym, jak interpretujesz to, co wcześniej zrobił rynek. Właśnie dlatego AI jest niesamowicie potężniejsza od człowieka “.
Dzięki uczeniu maszynowemu sieci neuronowe umożliwiają znacznie bardziej wydajną konstrukcję nieliniowych związków w porównaniu z liniowymi metodami statystycznymi, takimi jak regresja liniowa, autoregresja i liniowy dyskryminator. Każdy analityk, który skorzysta z analizy technicznej, dokona bardziej pomyślnej prognozy, opartej na wstępnej pracy systemów sztucznej inteligencji. Mapowanie nieliniowe i wizualizacja danych przez sieci neuronowe w przestrzeni mniej nieliniowych głównych komponentów optymalizuje ich przetwarzanie.
Główną zaletą sieci neuronowych jest ich zdolność do symulowania zachowania gospodarki w oparciu o społeczne nastroje w porównaniu z istniejącymi algorytmami opartymi na określonych i określonych parametrach.
I to jest przyszłość zintegrowanego podejścia analitycznego do rynków finansowych.
0 komentarzy