Naga Markets


Sztuczna inteligencja rozgryzła język banków centralnych?Roboty są na najlepszej drodze do złamania jednego z najtrudniejszych kodów świata: zawiłego języka banków centralnych. W ciągu milisekund maszyny naśladujące ludzki mózg mogą odczytywać zagmatwane i często niejasne stwierdzenia polityki pieniężnej, w efekcie produkując prognozy lub od razu otwierać pozycje na realnym rynku. Ludzie, którzy je rozwijają i używają ich na co dzień twierdzą, że sztuczna inteligencja na obecnym etapie rozwoju ma rację w większości przypadków, nadal pozostało jednak wiele do zrobienia.


Sztuczna inteligencja vs banki centralne – szybciej i lepiej niż ludzie?

Roboty, które uczą się w miarę upływu czasu “nie tylko analizują komunikację szybciej niż człowiek, ale także potrafią wykluczyć niedociągnięcia charakterystyczne dla ludzi”, powiedział Evan Schnidman, założyciel firmy Prattle Analytics LLC z siedzibą w St. Louis, która opracowuje i sprzedaje generowane komputerowo badania dotyczące 15 największych banków centralnych na świecie w celu zabezpieczenia funduszy klienckich na Wall Street. “Ludzkie uprzedzenia lub chęć potwierdzenia własnych tez często prowadzą do poważnych błędów analitycznych. Sztuczna inteligencja jest odporna na subiektywną ocenę”

Dla bankierów centralnych, którzy już dawno zrozumieli jak duże znaczenie na rynku mają nawet pojedyncze słowa, ciągle rosnące wykorzystanie technologii oznacza, że będą oni musieli zwrócić jeszcze większą uwagę na to jak formułują zdania, zwłaszcza jeśli komputery wykorzystują również wzorce historyczne, których człowiek nie jest po prostu w stanie dostrzec. Niektóre banki centralne już zaczynają sprawdzać komunikację za pomocą własnych algorytmów, aby ocenić, jak będzie ona interpretowana przez sztuczną inteligencję rynkową.

Schnidman, który obronił doktorat na Uniwersytecie Browna na temat wpływu komunikacji z bankami centralnymi na rynki finansowe przed uruchomieniem projektu Prattle w 2014 r., pobiera opłatę w wysokości 60 tysięcy dolarów rocznie za analizę danych banków centralnych. Jak na razie z usługi korzysta około 3-5 użytkowników. W obecnym momencie sieć neuronowa potrzebuje 45 sekund, aby zapoznać się z dokumentem o długości 500 słów i dokonać mapowania z około 80 miliardami połączeń. Następnie wykorzystuje treść historycznych oświadczeń banku centralnego, aby określić jaki będzie ich przewidywany wpływ na rynek. W przypadku protokołów Rezerwy Federalnej narzędzie działania zdecydowanie szybciej – klienci otrzymują pierwsze analizy po upływie… niespełna milisekundy.

Zobacz również: Sztuczna inteligencja w tradingu – jak wytrenować AI?

Teoria stóp procentowych według Maradony?

Szybkość jest jedną z głównych przyczyn postępu w dziedzinie sztucznej inteligencji rozwijającą obszar badań, który jeszcze kilka lat temu wydawałby się niemożliwy do zrealizowania bez zaangażowania czynnika ludzkiego.

Dzieje się tak dlatego, że zadanie to wymaga nie tylko dynamicznej reakcji, ale i kreatywności. Decydenci polityczni historycznie bywali trudni do zrozumienia, częściowo z powodu złożoności tematu, a czasami celowo. Były przewodniczący Rezerwy Federalnej, Alan Greenspan, powiedział w 1987 roku, że “nauczył się bełkotać z wielką niespójnością” w celu ukrywania głównego przekazu instytucji, chcąc tym samym zmniejszać jego bezpośredni wpływ na Wall Street.

W dzisiejszych czasach bankierzy centralni starają się zmieniać ten trend, aby ich komunikacja była bardziej przejrzysta dla szerokiego grona odbiorców. Zostając prezesem FED, Jerome Powell powiedział, że będzie próbował komunikować się  “zwykłym angielskim” i podwoił liczbę konferencji prasowych.

Decydenci polityczni od dawna byli świadomi, że ich słowa mogą być równie potężne jak same działania w zakresie wywierania wpływu na rynku. Prezes Banku Anglii Mervyn King zilustrował to w 2005 r. swoją “teorią stóp procentowych według Maradony“. Zainspirował go argentyński piłkarz Diego Maradona, który na Mistrzostwach Świata w Piłce Nożnej w 1986 r. uśpił czujność pięciu angielskich piłkarzy, mimo że biegł cały czas po linii prostej. Jak tłumaczył King, obrona Anglii spodziewała się, że Maradona wykona charakterystyczne dla siebie dryblingi, czego po prostu nie zrobił. Podobnie, jeśli inwestorzy oczekują od banku centralnego dostosowania polityki w celu ujarzmienia inflacji, wtedy same się zacieśniają lub rozluźniają, a bank nie musi robić tak naprawdę nic.

Zobacz również: Sztuczna inteligencja pomogła w złapaniu twórców piramidy finansowej

Jak bardzo inteligentny może stać się robot analizujący banki centralne?

Zdaniem analityków Natixis, sztuczna inteligencja rynkowa nie jest jeszcze tak bardzo rozwinięta, aby wyłapywać subtelne niuanse. Pytanie brzmi więc jak bardzo inteligenta może stać się w swoim zakresie. Natixis uważa, że obecnie pełni głównie rolę dodatkowego potwierdzenia i narzędzia analitycznego dla inwestorów, którzy i tak samodzielnie analizują opinie i stwierdzenia banków centralnych.

Główną przewagą, jaką ludzie wciąż posiadają nad maszynami, jest umiejętność czytania i rozumienia dwuznaczności – komentuje Natixis. Podczas gdy system Natixis potrafi określić, jak optymistycznie lub pesymistycznie nastawieni są decydenci EBC patrząc na wybór słów i ich intensywność, to nie jest w stanie rozpoznać, czy polityk powiedział coś ironicznego: “Nie jest to nauka doskonała i trudno zakładać, że ludzie zostaną zastąpieni sztuczną intelicencją w najbliższym czasie”

Zobacz również: Sztuczna inteligencja przewidzi dla Ciebie kursy walut i indeksów

Skuteczność 9 na 10?

Technologia z pewnością rozwija się szybko i z czasem może być w stanie uchwycić bardziej zróżnicowaną komunikację, taką jak sarkazm, metafora i humor. Prattle, który został niedawno przejęty przez Liquidnet, twierdzi, że jego oprogramowanie dokładnie przewiduje zmiany stóp procentowych gospodarek G10 9,7 razy na 10. System tworzy unikalny leksykon dla każdego członka zarządu banku centralnego i analizuje wzorce językowe w czasie. Narzędzie rzekomo jest w stanie wyłapywać często używany przez prezydenta FED z Chicago, Charlesa Evansa, wybieg retoryczny, który celowo wyolbrzymia pozycję przeciwnika, aby ją podważyć.

Algorytm stosowany przez Nordea Bank, największego kredytodawcę w regionie nordyckim, jest wystarczająco inteligentny, aby zauważyć, czy zdanie znacząco wyróżnia się na tle reszty tekstu, według Kristin Magnusson Bernard, szefowej globalnych badań makro w Nordei. Backtesting pokazuje, że podkreśliłby znaczenie słynnych trzech słów “cokolwiek będzie potrzebne”, które wypowiedział w lipcu 2012 r. prezes EBC Mario Draghi, przygotowując rynki do silnego luzowania polityki.



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