Fra faste algoritmer til tænkende systemer: Hvordan erstatter kunstig intelligens den traditionelle automatisering inden for handel?

Væk fra æraen med »hvis A gælder, så gør B«

Klassiske automatiserede systemer, som detail- og institutionelle forhandlere har brugt siden årtusindskiftet, fungerer efter princippet om præcist definerede regler. En udvikler skriver klare betingelser ind i koden, såsom krydsning af to glidende gennemsnit eller opnåelse af en bestemt værdi af en teknisk indikator, og systemet udfører dem mekanisk. Problemet med denne traditionelle automatisering opstår, når markedets karakter ændrer sig, og en fase med en klar tendens afløses af en sideværts bevægelse. En statisk algoritme kan ikke tilpasse sig den nye virkelighed, kan ikke tænke uden for rammerne af sin kildekode og fortsætter med at operere med tab, indtil en person manuelt omprogrammerer den.

Kunstig intelligens og maskinlæring ændrer denne tilgang fuldstændigt, fordi systemet ikke længere venter på faste regler fra en programmør. I stedet får det adgang til en enorm mængde historiske og live data og søger selv efter de optimale regler. Dette skift betyder, at teknologien bevæger sig fra blind udførelse af kommandoer til uafhængig sandsynlighedsanalyse, hvilket radikalt ændrer systemernes succesrate i et skiftende markedsmiljø.

Hvad består det evolutionære spring inden for kunstig intelligens af?

Overgangen fra ren automatisering til kunstig intelligens medfører grundlæggende teknologiske forskelle, hvoraf den første er dynamisk tilpasning i realtid. Mens en klassisk robot testes på historiske data, optimeres ved hjælp af tidligere data og går ind på det aktive marked med disse faste parametre, kan kunstig intelligens justere sine interne indstillinger undervejs. Hvis systemet registrerer, at volatiliteten er steget kraftigt på markedet, eller at den overordnede struktur af ordrer har ændret sig, tilpasser det sig den nye situation, uden at udvikleren behøver at gribe ind i koden.

Et andet enormt spring er evnen til at behandle ustrukturerede data gennem avancerede sprogmodeller. Gamle algoritmer kunne kun læse eksakte tal, nemlig pris, volumen og tid. Moderne kunstig intelligens kan derimod læse de seneste referater fra et centralbankmøde, rapporter fra globale agenturer eller økonomiske analyser på et millisekund. Systemet forstår tekstens kontekstuelle betydning, vurderer den overordnede stemning og justerer straks sin markedseksponering i overensstemmelse hermed, hvilket tager et menneske uforligneligt længere tid. Derudover kan disse systemer identificere ekstremt komplekse mønstre og ikke-lineære sammenhænge mellem snesevis af forskellige instrumenter på én gang, som er fuldstændig usynlige for det menneskelige øje eller for simpel kode.

Den anden side af medaljen og risiciene ved den nye tilgang

Selvom kunstig intelligens i væsentlig grad udvider mulighederne for handel, medfører den specifikke risici, som klassisk automatisering ikke i samme omfang måtte kæmpe med. Den største faldgrube er den såkaldte overoptimering af systemet ved hjælp af historiske data. Kunstig intelligens har en så enorm regnekraft, at den kan finde en perfekt matematisk skabelon i enhver stikprøve af tidligere priser. Denne skabelon er imidlertid ofte ubrugelig på det virkelige marked, fordi systemet i stedet for at lære markedets sande logik blot har lært at kopiere historisk støj og afvigelser perfekt, som aldrig vil manifestere sig på samme måde igen.

Den anden alvorlige risiko er black box-effekten, hvor beslutningsprocessen bliver uigennemsigtig for mennesker. Med et klassisk automatiseret system ved man præcis, hvorfor koden købte eller solgte et givet aktiv, fordi betingelserne er tydeligt læselige i scriptet. Med avancerede neurale netværk er beslutningstagningen imidlertid baseret på millioner af variabler og deres indbyrdes forbindelser. Resultatet er en situation, hvor selv udvikleren ofte ikke efterfølgende kan afgøre præcist, hvorfor kunstig intelligens traf en bestemt handelsbeslutning, hvilket i væsentlig grad komplicerer risikostyringen.

Hvordan drager den moderne trader fordel af denne udvikling?

Anvendelsen af kunstig intelligens i praksis betyder ikke, at æraen med uafhængige tradere definitivt er ved at slutte. Den nuværende tendens går i retning af en hybridmodel, hvor en person fungerer som strategisk leder og kunstig intelligens som dennes højtydende udførende komponent. Almindelige detailhandlere behøver i dag ikke længere at bygge deres egne supercomputere eller mestre komplekse programmeringssprog, da teknologien bliver stadig mere tilgængelig.