Vil AI-drevne hedgefonde overliste markedet?

Hver dag foretager computere mange millioner elektroniske handler ved at udføre delikate beregninger, der sigter mod at få en lille fordel med hensyn til hastighed eller effektivitet. Men i stigende grad træffes mere betydningsfulde handelsbeslutninger af smartere, mere autonome algoritmer.

Både etablerede handelsvirksomheder og en håndfuld startups undersøger, om sådanne handelsteknikker, lånt fra kunstig intelligens, kan hjælpe dem med at outfout andre handlende. Og enhver med penge investeret kunne godt være nysgerrig efter at vide, om tendensen kunne ændre dynamikken på markederne.

Kvantitative hedgefonde, herunder Bridgewater Associates, Renæssance teknologier , D.E. Shaw , og To Sigma , har selvfølgelig brugt avancerede algoritmiske tilgange i nogle år. Mange af de metoder, der anvendes af disse virksomheder, findes inden for forskning inden for kunstig intelligens.

Men de seneste par år har der også været en enorm genopblussen af ​​interessen for kunstig intelligens, takket være nye maskinlæringsteknikker – især deep learning (som involverer træning af et stort virtuelt neuralt netværk til at genkende mønstre i data) – som har gjort computere i stand til at perception af billeder, tekst og lyd på menneskeligt niveau (se 10 Breakthrough Technologies 2013: Deep Learning). Nu er spørgsmålet, om AI kan gøre det samme for finansielle data.

Det er tydeligt, at dette seneste fremskridt har fanget opmærksomheden hos ingeniører, der arbejder med finans. Ved en vigtig akademisk begivenhed for AI-forskere, Neurale informationsbehandlingssystemer (NIPS) , afholdt i Montreal i december sidste år, samledes flere tusinde akademiske og industriforskere for at diskutere fremskridt i udviklingen af ​​nye maskinlæringsalgoritmer. I et område, der var reserveret til plakatpræsentationer af kandidatstuderende, havde store teknologivirksomheder, inklusive Google, Facebook, Apple, Microsoft, Amazon og IBM, betalt for at oprette rekrutteringstabeller i håb om at lokke de hotteste nye talenter til at komme og arbejde for dem. Men næsten halvdelen af ​​de virksomheder, der rekrutterede hos NIPS, var slet ikke teknologivirksomheder, men hedgefonde og finansielle virksomheder.

Et af selskaberne der var det store britiske investeringsselskab MAN AHL , som i årevis har været fokuseret på at bruge statistiske tilgange til at udtænke investeringsstrategier. Anthony Ledford , chefforsker for MAN AHL, forklarer, at virksomheden undersøger, om teknikker som deep learning kan egne sig til finansiering. Det er på et tidligt tidspunkt, siger Ledford. Vi har afsat en pot penge til testhandel. Med deep learning, hvis alt går vel, vil det gå ind i testhandel, som andre maskinlæringstilgange har.

Handel kan virke som et oplagt sted at anvende dyb læring, men faktisk er det ikke klart, hvor sammenlignelig udfordringen ved at finde subtile mønstre i real-time handelsdata er at f.eks. spotte ansigter i digitale fotografier. Det er et meget andet problem, erkender Ledford.

Akademiske eksperter lyder også forsigtige. Stephen Roberts , professor i maskinlæring ved Oxford University, siger, at deep learning kunne være godt til at udtrække skjulte trends, information og relationer, men tilføjer, at det stadig er for skrøbeligt med hensyn til håndtering af høj usikkerhed og støj, som er fremherskende i finanssektoren.

Roberts bemærker også, at dyb læring kan være en relativt langsom proces og ikke kan tilbyde den slags garanteret adfærd, som andre statistiske tilgange tilbyder. Generelt, siger han, er der en vis hype omkring ideen om kunstig intelligens i finanssektoren. AI er et meget bredt fag, siger han. Og mange almindelige statistiske teknikker, der bruges, bliver omdøbt til kunstig intelligens og maskinlæring.

Når det er sagt, kan nye finansielle virksomheder, der annoncerer sig selv som AI-fokuserede, være på vej til noget. Disse omfatter Følende , baseret i San Francisco, Oprørsforskning i New York, og et Hong Kong-baseret investeringsselskab kaldet Aidyia .

En af de mest lovende anvendelser af relativt nye AI-teknikker kan være behandling af ustrukturerede naturlige sprogdata i form af nyhedsartikler, virksomhedsrapporter og opslag på sociale medier i et forsøg på at skaffe indsigt i virksomheders fremtidige resultater, valutaer, råvarer, eller finansielle instrumenter.

Aidyia blev grundlagt af en velkendt kunstig intelligens-forsker, Ben Goertzel, som også er grundlæggeren af ​​Hanson Robotics og formanden for et open source AI-projekt kaldet OpenCog . Aidyia begyndte at handle sidste år, og Goertzel siger, at hans virksomheds tilgang er langt mere ambitiøs end de teknikker, der bruges af de fleste hedgefonde i dag, idet de henter inspiration fra evolutionær programmering, probabilistisk logik og kaotisk dynamik.

Vores system indtager en række input, herunder pris og volumen fra børser rundt om i verden, nyheder fra forskellige kilder på flere sprog, makroøkonomiske og virksomhedsregnskabsdata og mere, fortalte Goertzel MIT Technology Review . Derefter studerer den, hvordan disse forskellige faktorer har historisk set hænger sammen, og lærer et ensemble af titusindvis af forudsigelsesmodeller, der ser ud til at have forudsigelig værdi, baseret på dens undersøgelse af historiske data, som hjælper med at guide virksomhedens investeringer.

Der er bestemt en tendens til stigende automatisering blandt finansielle virksomheder. Preqin , en virksomhed, der leverer data fra den finansielle industri, rapporterer, at 40 procent af de hedgefonde, der blev oprettet sidste år, var systematiske, hvilket betyder, at de stoler på computermodeller til deres beslutninger.

Ikke alle er overbevist om, at en AI-revolution inden for finans er nært forestående. David Harding, milliardærstifter og administrerende direktør for et andet britisk handelsselskab, Winton Capital Ledelsen er generelt skeptisk over for hype over machine learning og AI. Hvis jeg skelede lidt og kiggede på Winton, vil jeg sige, at det mere eller mindre er det, vi har gjort de seneste 30 år, siger han.

Harding husker også, at et lignende boom i interessen for neurale netværk resulterede i mange startups i begyndelsen af ​​1990'erne. Folk begyndte at sige: ’Der er en fantastisk ny computerteknik, der kommer til at blæse alt, der er gået før, væk.’ Der var også en mode for genetiske algoritmer, husker han. Nå, jeg kan fortælle dig, at ingen af ​​disse virksomheder eksisterer i dag - ikke en pølse af dem.

Ledford, fra Man AHL, har også et par advarselsord til enhver, der mener, at de nyeste maskinlæringsteknikker kan tilbyde en genvej til rigdom. Det er vigtigt at huske, hvor ydmygende markedet kan være, siger han. Jeg vil sige, du skal ikke klappe dig selv for meget på skulderen, men du skal heller ikke blive for modløs.

skjule