Naga Markets



Firma z branży technologii finansowej Capital.com wierzy, że sztuczna inteligencja może pomóc traderom podejmować lepsze decyzje inwestycyjne. Błędy poznawcze mogą szkodliwie wpłynąć na wyniki tradingowe inwestora. Capital.com wykorzystuje sztuczną inteligencję do obejścia tych błędów.

Biorąc pod uwagę pieniądze leżące na szali, trading jest jedną z aktywności, które mogą stać się ofiarą błędów poznawczych. To, co traderzy uważają za podparte dowodami poglądy, może być rezultatem mechanizmów działających w mózgu. Z pozoru racjonalne decyzje mogą pochodzić z tego, że mózg chodzi na skróty, przez co ignoruje dużą część informacji, które mogą mieć znaczący wpływ na wyniki tradingowe.

Ostatnie badania dotyczące ekonomii behawioralnej zidentyfikowały dziesiątki powszechnych błędów poznawczych, które mogą wpłynąć na decyzje oraz działalność inwestycyjną. Jednym z najbardziej powszechnych jest efekt dyspozycji, gdzie traderzy decydują się sprzedać i zarobić na akcjach, które pną się w górę już od jakiegoś czasu, a trzymają akcje, które stabilnie spadają, ponieważ liczą, że się one w końcu kiedyś odbiją. Statystycznie patrząc, takie zachowanie nie ma żadnego sensu: akcje, które wzrastają, mają większe szanse na dalszy wzrost w ciągu najbliższego pół roku niż te spadające mają szanse na odbicie.

W badaniu zatytułowanym „Czy straty się utrzymują? Dowody na przykładzie zawodowych inwestorów giełdowych”, Ryan Garvey, Anthony Murphy oraz Fei Wu sprawdzili, w jaki sposób profesjonalni traderzy na akcjach na Nasdaq sugerują się ostatnimi wynikami tradingowymi. Odkryto, że traderzy, którzy doznali porażki z samego rana, z powodu chęci zamknięcia dnia na plusie są skłonni do bardziej agresywnej gry po południu. Według pracy: „Analiza indywidualnych wyników tradingowych pokazuje, że traderzy, na których bardziej wpływają ich poprzednie porażki tradingowe mają gorsze wyniki od osób, na które wpływ ten nie jest tak duży”.

Kolejnym rozpowszechnionym błędem poznawczym jest nadmierna pewność siebie, która prowadzi do zbyt mocnego opierania się na swoich przekonaniach czy przeczuciach niż opiniach eksperckich prognozach inwestycyjnych, oraz błąd statusu quo, gdzie inwestorzy wolą pozostać przy swoim ustabilizowanym portfelu zamiast dokonać jakichś zmian.

Viktor Prokopenya – venture inwestor i założyciel VP Capital – uważa, że „ludzkie uczucia nie są zaprojektowane do handlu na rynkach finansowych. Proces ewolucji zaprogramował nas do walki o przetrwanie i pożywienie. Dla porównania, globalne rynki kapitałowe są całkiem niedawnym odkryciem, dlatego nasze wzorce zachowań nie są adekwatne do zwyczajów rynków finansowych”.

Sztuczna inteligencja dla funduszy hedgingowych i inwestorów detalicznych

Minął już jakiś czas, odkąd profesjonalni traderzy zaczęli wykorzystywać komputery do pomocy, albo nawet zastąpienia ich na coraz bardziej złożonych rynkach finansowych. Trading algorytmiczny obecnie odpowiada za blisko 90% rynku, tak wynika z badania Mortona Glantza i Roberta Kissella. Podczas gdy narzędzia tradingu wysokiej częstotliwości są przeznaczone do kupowania i sprzedawania instrumentów finansowych w ułamku sekundy, modele oparte na sztucznej inteligencji szukają najlepszych godzin do tradingu, dni, tygodni, a nawet miesięcy.

Wiele funduszy przechodzi teraz na prawdziwy machine learning. Jednymi z pionierów na tym polu są Bridgewater Associates, Renaissance Technologies oraz the Medallion Fund at Renaissance. Ostatni z nich osiągał roczny zysk w wysokości 35% przez ponad 20 lat – jeden z najlepszych wyników w historii według forum inwestycyjnego Nanalyze.

Kolejny hedge fund w całości zarządzany przez SI został uruchomiony przez Babaka Hodjata, analityka danych, który pomógł stworzyć podłoże należącego do Apple Siri. ”Dla mnie, straszniejsza wydaje się perspektywa opierania się na ludzkiej intuicji oraz przekonaniach zamiast opierania się wyłącznie na danych i statystyce”, powiedział w wywiadzie dla Bloomberga.

Co więcej, start-upy również korzystają z trendu dotyczącego SI. Do firm takich należy Alpaca, Binatix, Sentient, Walnut Algorithms and Capital.com.

Ostatni z nich został uruchomiony w tym roku po otrzymaniu 25 mln USD dofinansowania od dwóch głównych inwestorów – jednym z nich jest Prokopenya. To jedno z pierwszych narzędzi przybliżających SI inwestorom detalicznym, których działania są znacznie bardziej okupione błędami poznawczymi niż w przypadku profesjonalistów, tak mówi COO firmy, Anastasia Akula.

Aplikacja Capital.com jest bardzo podobna do amerykańskiego Robinhood czy europejskiego Trading212, ale posiada konkretne funkcje obsługiwane przez SI, która dostarcza inwestorom skrojoną na miarę treść opartą na analizie behawioralnej. SmartFeed pomaga użytkownikom zidentyfikować powszechne błędy poznawcze oraz wzorce behawioralne, a także dostarczają im wiadomości edukacyjnych za każdym razem, gdy te błędy zostaną wykryte.

W rozmowie z World Finance, Akula opisała główne funkcje SI aplikacji: „SmartFeed monitoruje aktywność tradingową użytkownika, dostarcza wszystkich niezbędnych danych, statystyk oraz materiałów edukacyjnych. Analizując dane, aplikacja identyfikuje błędy poznawcze, które mogą wpływać na zachowania traderów oraz ostrzec ich przed nimi. Aplikacja może również dokonać finansowych obliczeń opartych na dostępnych danych oraz dostarczyć edukacyjnych materiałów w celu naprawienia błędów poznawczych. Dzięki temu użytkownicy mogą unikać mentalnych pułapek, w które ludzie mają w zwyczaju wpadać w trakcie tradingu, oraz pomaga w podejmowaniu bardziej racjonalnych decyzji inwestycyjnych”.

Argumenty Akuli zostały ostatnio potwierdzone przez włoskich badaczy, którzy odkryli, że dzięki przypominaniu traderom o błędach poznawczych, ich wydajność na rynkach znacznie się poprawia.

Co więcej, ważne jest zwrócenie uwagi na fakt, że traderzy indywidualni są bardziej narażeni na konsekwencje błędów poznawczych niż profesjonalne zespoły tradingowe. Akula stwierdziła: „Jest to faktem, że indywidualni traderzy mają mniej więcej taką samą proporcję wygrywających i przegrywających pozycji co profesjonaliści. Jednakże, wielkość straconych pieniędzy jest z zasady znacznie wyższa w przypadku indywidualnych inwestorów. Jest to wynik efektu dyspozycji, który nie ma znaczenia w przypadku profesjonalistów. Nasza technologia pomaga uniknąć tej dysproporcji”.

Czy można ufać SI?

SI potrafi być wydajna w tradingu, ponieważ posiada dostęp do olbrzymiej ilości dobrze ustrukturyzowanych danych. „Finanse mają takie dane, w przeciwieństwie do wielu innych sektorów, gdzie zalety korzystania z SI są przeszacowane”, powiedział Prokopenya.

Jednakże, ostatnia ewolucja dotykająca sieci społecznościowych, mediów, polityki oraz innych sfer nauczyła nas, że na SI da się wpłynąć. Tolga Bolukbasi, Kai-Wei Chang, James Zou, Venkatesh Saligrama oraz Adam Kalai w badaniu z 2016 roku napisali: „Ślepe kierowanie się machine learningiem doprowadza do ryzyka wdrożenia błędów poznawczych w danych”.

Nie wspominając już nawet o przypadkach komputerowych systemów tradingowych wpadających w obłęd, generujących olbrzymie straty na rynkach akcji, jak to już miało miejsce kilka razy na największych światowych giełdach.

Gdy zapytano ją o to, czy wierzy, że pewnego dnia SI zastąpi ludzki umysł na takim poziome, że traderzy będą zarabiać pieniądze śpiąc, Akula odpowiedziała: „Mam nadzieję, że nie stanie się to szybko i dalej będziemy mieli prace w naszych sektorach. Jednak szczerze mówiąc, technologia rozwija się błyskawicznie. Już istnieją algorytmy do całkowicie automatycznego tradingu znacznie wydajniejszego niż mogą osiągnąć ludzie. Nasz zespół w Capital.com wciąż pracuje, by dostarczyć naszym klientom najnowszych rozwiązań technologicznych oraz SI”.

Jaka płynie z tego lekcja? Należy pozwolić SI pomóc nam dokonywać coraz bardziej świadomych i racjonalnych decyzji, ale komputery nie powinny w pełni zastąpić naszych umysłów. Sztuczna czy nie, taka kombinacja może stać się definicją prawdziwej inteligencji.



tokeneo

Zostaw komentarz logując się za pomocą Facebook

To również Cię zainteresuje - Comparic24.tv

ZOSTAW ODPOWIEDŹ

Please enter your comment!
Please enter your name here