Клон Уоррена Баффета: предсказание фондового рынка

Кори Скамман, Ярек Гоздиески, Джордж Маццео и Джо Элвин

Уолл-Стрит всегда была быстро развивающейся средой с безумными суммами капитала, движущимися вправо и влево. Уолл-Стрит, казалось бы, физическое воплощение фондового рынка США, всегда была направлена ​​на зарабатывание денег. С появлением ИИ и ростом числа его приложений ИИ начинает прочно закрепляться на Уолл-стрит. ИИ и машинное обучение имеют множество применений на Уолл-стрит, начиная от автоматической торговли большими объемами с прибылью в центах и ​​заканчивая предсказателями акций, пытающимися угадать тенденции на рынке. Мы сосредоточимся на последнем. Предсказатели фондового рынка на основе ИИ в настоящее время становятся нормой, поскольку в Интернете есть учебные пособия и статьи о том, как их создать. Хедж-фонды и инвестиционные банки в настоящее время вкладывают больше ресурсов в использование компьютерных технологий и искусственного интеллекта, чтобы улучшить свои инвестиции и управление рисками. Однако предсказывать цены на акции чрезвычайно сложно и трудно, поэтому рыночным предсказателям еще многое предстоит сделать.

Акции представляют собой сложные финансовые активы. Цены на акции определяются доходами компаний, потенциалом роста, политическим климатом, состоянием экономики, общественным мнением и рядом других факторов. По этой причине предсказать их — очень сложная задача. Чтобы предсказать акции ИИ, чтобы быть эффективными и даже, возможно, успешными, они должны быть обширными. В нашей реализации нашего ИИ-предсказателя акций мы пытаемся включить как можно больше этих факторов.

В нашем последнем проекте мы попытались создать предсказатель рынка акций с помощью ИИ, используя нейронные сети, обработку естественного языка и системы, основанные на правилах, чтобы создать более целостную модель и включить многие факторы, влияющие на цены акций. Мы работаем с данными об акциях Apple, взятыми из Yahoo Finance. Наши данные непрерывны с января 2000 года по ноябрь 2019 года и говорят нам об открытии, закрытии, максимуме, минимуме и объеме. Мы передаем эту информацию в нейронную сеть LSTM. Мы используем модель LSTM, потому что эти модели основаны на предыдущей итерации, а поскольку наши данные представляют собой непрерывную информацию о запасах, это имело наибольший смысл. Мы хотели использовать обработку естественного языка для использования анализа тональности и анализа статей в Интернете. Что касается акций, статьи и спекуляции уважаемых инвесторов могут повлиять на цены акций, поэтому, обрабатывая эти статьи, наша цель состояла в том, чтобы учесть эти спекуляции. В нашей системе, основанной на правилах, мы использовали отдельные состояния для имитации состояний экономики. Например, одно состояние будет, когда экономика находится на бычьем рынке. Когда экономика находится на бычьем рынке, рынок чувствует себя хорошо, и люди ожидают более высокого уровня потребления и увеличения расходов. Это приведет к росту цен на акции. Для более подробного объяснения нашей реализации и результатов см. наш окончательный исследовательский отчет.

Предикторы акций произвели революцию на Уолл-Стрит, но им свойственны некоторые недостатки, связанные с самим принципом их работы. Все машинное обучение учится делать что-то, перебирая массивные наборы данных и определяя закономерности в данных. Это ничем не отличается от фондовых предикторов. Предикторы акций должны обучаться индивидуально для каждой акции, поскольку не все акции одинаковы. Наблюдение за разницей в траекториях между акциями Amazon и Snapchat с легкостью доказывает это. Кроме того, все специалисты по прогнозированию акций не обучены данным с 2008 по начало 2010-х годов из-за краха рынка жилья. Предсказатели, обученные на этих данных, будут возвращать некоторые искаженные и неправильные прогнозы. Они подвержены предвзятости в данных, а преднамеренная подача дезинформации также может повредить целостности предикторов запасов. Самым пугающим недостатком предсказателей акций является их способность разрушать экономику и создавать финансовые пузыри. Примером этого являются массовые выкупы и распродажи. В дополнение к тому, что я упоминал ранее, цены на акции также зависят от участников рынка. Если у многих игроков на рынке есть предсказатели акций, которые все предсказывают, что акции x будут падать, все они будут продавать акции x, что заставит акции x падать независимо от других факторов. Если это сделает достаточное количество людей, они могут обрушить акции.

Когда дело доходит до науки и революционных технологических достижений, мы часто спрашиваем себя, можем ли мы это сделать, а не должны ли мы это делать. Автоматизация приносит так много финансовых и социальных выгод, что мы редко задумываемся о последствиях. Предикторы запасов, даже в подростковом возрасте, могут разрушить и негативно повлиять на жизнь людей. Автоматизация может лишить людей работы, и в этом случае это будут низкоуровневые инвестиционно-банковские и биржевые рабочие места. Кроме того, предсказатели акций могут увеличить и без того огромный разрыв в доходах в нашем обществе. Фондовый рынок — это игра с нулевой суммой. Чтобы кто-то зарабатывал на акциях, кто-то другой должен терять деньги на тех же самых акциях. Те, у кого есть ресурсы, чтобы иметь предсказатели акций, будут иметь преимущество по сравнению с теми, у кого их нет, и если предсказатели акций будут работать так, как мы надеемся, те, у кого есть предсказатели, будут большую часть времени зарабатывать деньги на тех, у кого их нет. тем самым увеличивая разрыв в доходах. Это может привести к ряду сценариев, таких как появление еще более мощных и крупных хедж-фондов, чем сегодня.

Во многих других утопических и антиутопических сценариях машинного обучения есть четкое различие между хорошим и плохим. Например, утопия автоматизированного вождения привела бы к полному исчезновению дорожного движения, аварий и появлению парка автономных транспортных средств, подчиняющихся воле общества. Антиутопия будет представлять собой парк автономных автомобилей, которые взломаны и сеют хаос в обществе. Для предсказателей запасов существует только антиутопия, поскольку даже предполагаемая утопия приведет к антиутопии. Если мы будем думать о 100% точности предсказания акций, как о предполагаемой утопии, то при дальнейшем размышлении мы увидим, что это будет конец фондового рынка. Есть два сценария, и они зависят от информационного равенства. Если предсказатели акций будут иметь 100% точность тренда и только избранные хедж-фонды будут иметь доступ к этой информации, они будут зарабатывать деньги на каждой сделке, а все остальные за пределами этих организаций не будут иметь никаких шансов заработать деньги и вообще остановятся. Если бы каждый имел доступ к точным прогнозам акций, люди перестали бы покупать и продавать. Если у кого-то есть акции x, и прогнозируется, что они будут расти, и все это знают, никто не будет покупать акции. В обоих сценариях вся торговля на фондовом рынке останавливается. Денег не будет, и фондовый рынок рухнет, что в конечном итоге приведет к краху всей экономики. Ради всех нас мы надеемся, что биржевые прогнозы не будут слишком точными.

использованная литература

Мнение: почему нас должен волновать искусственный интеллект на Уолл-Стрит. (2019, 1 ноября). Получено с https://www.latimes.com/opinion/story/2019-11-01/artificial-intelligence-ai-wall-street.