Почему искусственный интеллект ошибается на бирже

Сегодня почти в любой индустрии мы видим, как быстро внедряются и с разной степенью успеха используется Data Science инструменты, каждый из которых является отдельной поднаукой будь то Machine Learning, Data Mining, Big Data или что-то другое.

Возможности, которые сегодня можно выжимать с помощью компьютерных технологий в науке, медицине, спорте и других отраслях – оставляют ощущение, что мы живем уже где-то в будущем. Экспоненциальное развитие цифровой индустрии во всех отраслях еще сильнее приближает это ощущение.

Можно приводить различные примеры совершенствования цифровых прорывов: распознавание лиц, алгоритмы ИИ помогают врачам выявлять аневризмы мозга и другие болезни (в том числе рак) на ранних стадиях, с помощью стерео чувствительного смартфона можно будет с точностью до 95% определить заболевание дыхательных путей (по кашлю), алгоритмы могут переводить младенческий плач и так во многих отраслях экономики, в том числе прогнозирование каких-то финансовых показателей. Однако, несмотря на скорость развития технологий ИИ пока слабы с точки зрения предсказаний поведения рынка акций, валютного и товарно-сырьевого рынка без участия человека в этих прогнозах.

В свою очередь, при внедрении новых продуктов в компании мы глубоко анализируем те или иные акции, облигации, создавая разного уровня рисковые продукты для клиентов. Например, риски при оценке акций оцениваются опытным путём и для минимизации рисков создаются различные пакеты, которые помогают диверсифицировать убыток в случае наступления негативного сценария по одним из бумаг. Поэтому благодаря качественной работе нашей команды аналитиков это довольно часто приносит хороший результат, как для самой компании, так и для клиента в плане дивидендов.

С чем это связаны слабые перспективы алгоритмов?

Дело все в том, что в случае с рынками приходится учитывать слишком много факторов и если, какие-то из них можно спрогнозировать, то другие спонтанные – не подвергаются никаким алгоритмам. На сегодняшний день способности искусственного интеллекта основываются на шести фундаментальных технологиях: машинное обучение, глубинное обучение, компьютерное зрение, обработка естественного языка, машинная аргументация и сильный ИИ.

В ситуации с прогнозированием цены алгоритмы машинного обучения могут качественно работать в условиях технического анализа(на коротких промежутках времени), но не фундаментального. Иными словами, технический анализ – это метод прогнозирования вероятного изменения цен на основе закономерностей, в виде аналогичных изменений цен в прошлом, в схожих обстоятельствах. Чаще всего работа ведется в структуре какого-то тренда с допустимыми уровнями коррекции.

Конъюнктура мировых и региональных рынков сегодня такова, что на цену влияют в разной степени несколько фундаментальных факторов, которые трудно анализировать даже машинам: экономический рост; геополитика или политическая стабильность; денежная политика; импорт и экспорт; процентные ставки. Таким образом, учитывая сложность понимания для машины многих факторов в ближайшее время, даже учитывая стремительное развитие технологий искусственного интеллекта, ситуация с точки зрения прогнозирования в данной сфере кардинально не изменится.