28 марта 2017 Finanz.ru
(Bloomberg) -- Хедж-фонды долгие годы пытаются научить компьютеры думать, как трейдеры.
Теперь, после многих ложных проблесков надежды, технология искусственного интеллекта, получившая название "глубокое обучение", начинает обещать компаниям нечто более конкретное. WorldQuant использует ее для небольших торговых сделок, сообщил источник, знакомый с ситуацией. Представитель инвесткомпании отказалась от комментариев.
Специализирующиеся на количественном анализе фирмы надеются, что эта усовершенствованная версия машинного обучения обеспечит им преимущество в гонке технологий, которая разворачивается в мировой финансовой отрасли. Если они окажутся правы, нейронные сети смогут трансформировать этот сектор, сталкивая компьютерный интеллект с человеческим и ставя под угрозу работу традиционных инвестменеджеров. Однако после прежних разочарований разработчики опасаются рекламировать новую технологию слишком активно, предпочитая рассматривать ее как всего лишь один из потенциальных инструментов в своем арсенале.
Алгоритмы глубокого обучения приблизительно повторяют работу слоев нейронов в человеческом мозге. Нейроны, сложным образом переплетенные между собой, передают сигналы другим клеткам и формируют новые связи, когда мы учимся. Процессы глубокого обучения основываются на схожей нелинейной, многослойной обработке данных, которая позволяет компьютерам выстраивать сложные модели на основе простых входных сигналов.
Нейронные сети
Внедрить эти практики вскоре может и Man AHL. Кванты из Winton и Two Sigma тоже стремятся вступить в игру.
Представьте, что аналитику-кванту нужно найти факторы, которые могут поднять акцию выше индекса-бенчмарка. В наши дни ему придется вручную отбирать показатели для тестирования, такие как соотношение "цена/прибыль" и другие. Используя технологию глубокого обучения, аналитик мог бы дать компьютерной нейронной сети целевую цену, а затем ввести в модель необработанные данные о компании и рынке. Искусственные нейроны представляют собой математические функции, которые позволяют проанализировать полученную информацию. При этом по мере продвижения от слоя к слою нейроны будут самокорректироваться, или учиться, чтобы подойти ближе к решению задачи: обнаружению факторов, предсказывающих, когда цена акции достигнет целевого уровня.
Хедж-фонды отстают от технологических компаний, уже использующих подобные алгоритмы, поскольку у них нет опыта применения глубокого обучения для анализа комплексных финансовых данных. На некоторых рынках также отмечается нехватка информации для построения эффективных моделей. Кроме того, инвесткомпаниям приходится соперничать за ученых с работодателями из технологического сектора, отмечает Николас Чападос, специалист по вычислительным системам, работающий вместе с пионером глубокого обучения, профессором Йошуа Бенджио.
/templates/new/dleimages/no_icon.gif (C)
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Отправить жалобу
Теперь, после многих ложных проблесков надежды, технология искусственного интеллекта, получившая название "глубокое обучение", начинает обещать компаниям нечто более конкретное. WorldQuant использует ее для небольших торговых сделок, сообщил источник, знакомый с ситуацией. Представитель инвесткомпании отказалась от комментариев.
Специализирующиеся на количественном анализе фирмы надеются, что эта усовершенствованная версия машинного обучения обеспечит им преимущество в гонке технологий, которая разворачивается в мировой финансовой отрасли. Если они окажутся правы, нейронные сети смогут трансформировать этот сектор, сталкивая компьютерный интеллект с человеческим и ставя под угрозу работу традиционных инвестменеджеров. Однако после прежних разочарований разработчики опасаются рекламировать новую технологию слишком активно, предпочитая рассматривать ее как всего лишь один из потенциальных инструментов в своем арсенале.
Алгоритмы глубокого обучения приблизительно повторяют работу слоев нейронов в человеческом мозге. Нейроны, сложным образом переплетенные между собой, передают сигналы другим клеткам и формируют новые связи, когда мы учимся. Процессы глубокого обучения основываются на схожей нелинейной, многослойной обработке данных, которая позволяет компьютерам выстраивать сложные модели на основе простых входных сигналов.
Нейронные сети
Внедрить эти практики вскоре может и Man AHL. Кванты из Winton и Two Sigma тоже стремятся вступить в игру.
Представьте, что аналитику-кванту нужно найти факторы, которые могут поднять акцию выше индекса-бенчмарка. В наши дни ему придется вручную отбирать показатели для тестирования, такие как соотношение "цена/прибыль" и другие. Используя технологию глубокого обучения, аналитик мог бы дать компьютерной нейронной сети целевую цену, а затем ввести в модель необработанные данные о компании и рынке. Искусственные нейроны представляют собой математические функции, которые позволяют проанализировать полученную информацию. При этом по мере продвижения от слоя к слою нейроны будут самокорректироваться, или учиться, чтобы подойти ближе к решению задачи: обнаружению факторов, предсказывающих, когда цена акции достигнет целевого уровня.
Хедж-фонды отстают от технологических компаний, уже использующих подобные алгоритмы, поскольку у них нет опыта применения глубокого обучения для анализа комплексных финансовых данных. На некоторых рынках также отмечается нехватка информации для построения эффективных моделей. Кроме того, инвесткомпаниям приходится соперничать за ученых с работодателями из технологического сектора, отмечает Николас Чападос, специалист по вычислительным системам, работающий вместе с пионером глубокого обучения, профессором Йошуа Бенджио.
/templates/new/dleimages/no_icon.gif (C)
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Отправить жалобу