Algoritminė prekyba ir automatizuotos sistemos finansų pasaulyje nėra naujiena. Kompiuteriniai kodai, sudėtingi matematiniai modeliai ir ekspertiniai patarėjai jau daugelį metų vykdo didžiąją dalį sandorių pasaulio biržose. Tačiau iki šiol tai buvo mechaninė automatizacija, kuri tik pagreitindavo žmogaus sprendimų įgyvendinimą. Tikrasis lūžis įvyksta tik dabar, kai fiksuota programuojama logika keičiama tikru dirbtiniu intelektu ir mašinomis, gebančiomis savarankiškai įvertinti rinkos kontekstą.
Išeiti iš „jei A, tai B“ eros
Klasikinės automatizuotos sistemos, kurias mažmenininkai ir instituciniai prekiautojai naudoja nuo tūkstantmečio pradžios, veikia pagal tiksliai apibrėžtų taisyklių principą. Kūrėjas į kodą įrašo aiškias sąlygas, pavyzdžiui, dviejų slenkamųjų vidurkių susikirtimą arba tam tikros techninio indikatoriaus vertės pasiekimą, o sistema jas vykdo mechaniškai. Problema su šia tradicine automatizacija kyla tada, kai pasikeičia rinkos pobūdis ir aiškios tendencijos fazę pakeičia šoninis judėjimas. Statinis algoritmas negali prisitaikyti prie naujos realybės, negali mąstyti už savo šaltinio kodo ribų ir toliau veikia nuostolingai, kol žmogus jo rankiniu būdu neperprogramuoja.
Dirbtinis intelektas ir mašininis mokymasis visiškai pakeičia šį požiūrį, nes sistema nebelaužo programuotojo nustatytų taisyklių. Vietoj to ji gauna prieigą prie milžiniško istorinių ir realaus laiko duomenų kiekio ir pati ieško optimalių taisyklių. Šis poslinkis reiškia, kad technologija pereina nuo aklo komandų vykdymo prie nepriklausomos tikimybių analizės, o tai radikaliai keičia sistemų sėkmės rodiklį kintančioje rinkos aplinkoje.
Iš ko susideda dirbtinio intelekto evoliucinis šuolis?
Perėjimas nuo grynos automatizacijos prie dirbtinio intelekto atneša esminius technologinius skirtumus, iš kurių pirmasis yra dinamiškas prisitaikymas realiuoju laiku. Nors klasikinis robotas yra testuojamas remiantis istoriniais duomenimis, optimizuojamas naudojant praeities duomenis ir patenka į realią rinką su šiais fiksuotais parametrais, dirbtinis intelektas gali iš karto koreguoti savo vidinius nustatymus. Jei sistema nustato, kad rinkos kintamumas smarkiai padidėjo arba pasikeitė bendra užsakymų struktūra, ji prisitaiko prie naujos situacijos be kūrėjo įsikišimo į kodą.
Kitas milžiniškas šuolis – gebėjimas apdoroti nestruktūruotus duomenis naudojant pažangius kalbos modelius. Senosios algoritmų versijos galėjo skaityti tik tikslius skaičius, būtent kainą, apimtį ir laiką. Tačiau šiuolaikinis dirbtinis intelektas per milisekundę gali perskaityti naujausius centrinio banko posėdžio protokolus, pasaulinių agentūrų ataskaitas ar ekonomines analizes. Sistema supranta teksto kontekstinę prasmę, įvertina bendrą nuotaiką ir nedelsdama atitinkamai pakoreguoja savo pozicijas rinkoje, o žmogui tai užtruktų nepalyginamai ilgiau. Be to, šios sistemos gali iš karto atpažinti itin sudėtingus modelius ir netiesinius ryšius tarp dešimčių skirtingų priemonių, kurie yra visiškai nematomi žmogaus akiai ar paprastam kodui.
Kita medalio pusė ir naujojo požiūrio rizika
Nors dirbtinis intelektas žymiai išplečia prekybos galimybes, jis kelia specifines rizikas, su kuriomis klasikinė automatika neturėjo kovoti tokiu mastu. Didžiausia kliūtis yra vadinamoji sistemos peroptimizavimas naudojant istorinius duomenis. Dirbtinis intelektas turi tokį milžinišką skaičiavimo pajėgumą, kad gali rasti tobulą matematinį šabloną bet kuriame praeities kainų pavyzdyje. Tačiau šis šablonas dažnai yra nenaudojamas realioje rinkoje, nes vietoj to, kad išmoktų tikrąją rinkos logiką, sistema tiesiog išmoko tobulai kopijuoti istorinius triukšmus ir anomalijas, kurios niekada nepasikartos tokiu pačiu būdu.
Antrasis rimtas pavojus yra „juodosios dėžės“ efektas, kai sprendimų priėmimo procesas tampa neskaidrus žmonėms. Naudojant klasikinę automatizuotą sistemą, jūs tiksliai žinote, kodėl kodas nupirko ar pardavė tam tikrą turtą, nes sąlygos yra aiškiai išdėstytos skripte. Tačiau naudojant pažangius neuroninius tinklus sprendimų priėmimas grindžiamas milijonais kintamųjų ir jų tarpusavio ryšiais. Dėl to susidaro situacija, kai net kūrėjas dažnai negali atgaline data tiksliai nustatyti, kodėl dirbtinis intelektas priėmė konkretų prekybos sprendimą, o tai žymiai apsunkina rizikos kontrolę.
Kaip šis pokytis naudingas šiuolaikiniam prekiautojui?
Dirbtinio intelekto pritaikymas praktikoje nereiškia, kad nepriklausomų prekiautojų era galutinai baigiasi. Dabartinė tendencija krypsta link hibridinio modelio, kuriame žmogus veikia kaip strateginis vadovas, o dirbtinis intelektas – kaip jo aukštos kokybės vykdomasis komponentas. Šiandien paprastiems mažmeniniams prekiautojams nebereikia kurti savo superkompiuterių ar įvaldyti sudėtingų programavimo kalbų, nes technologija tampa vis labiau prieinama.
Dauguma prekiautojų praleidžia laiką analizuodami grafikus, stebėdami rodiklius ir reaguodami į naujienas. Tačiau už kiekvieno reikšmingo kainos pokyčio slypi jėga, kurią vien techninė analizė retai atskleidžia. Tai apgalvotas, kruopščiai valdomas institucinio kapitalo įėjimas į rinką arba išėjimas iš jos. Kai rizikos draudimo fondas, investicinis bankas ar didelis turto valdytojas nusprendžia perkelti poziciją, vertą šimtų milijonų dolerių, rinka ne tik reaguoja. Ji pasikeičia. Suprasti, kodėl tai vyksta ir kokius pėdsakus tai palieka, yra vienas iš praktiškiausių dalykų, kuriuos prekiautojas gali išmokti.
Skaityti daugiau →Kai kalbama apie Federalinę rezervų sistemą, dauguma žmonių įsivaizduoja Federalinio atviros rinkos komiteto (FOMC) posėdžius, palūkanų normų grafikus ir spaudos konferencijas, kurios daro įtaką akcijų rinkoms. Tačiau pinigų kainos stebėjimas yra tik ledkalnio viršūnė. Po šios institucijos paviršiumi slypi sudėtingas mechanizmas, kuris iš esmės daro įtaką ne tik Jungtinių Valstijų ekonomikai, bet ir pasaulinės prekybos stabilumui. Iš tiesų Fed veikia kaip pagrindinis finansinės realybės kūrėjas, kurio sprendimai formuoja aplinką visiems, kurie investuoja kapitalą į rinką.
Skaityti daugiau →