Хедж-фонды готовят конкурента человеку
--
Хедж-фонды отстают от технологических компаний, уже использующих подобные алгоритмы, поскольку у них нет опыта применения глубокого обучения (deep learning) для анализа комплексных финансовых данных. Однако первые шаги в сторону освоения новых технологий уже делают WorldQuant, Man AHL, Winton и Two Sigma.
Что такое глубокое обучение
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.
Как это работает
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 предполагают, 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.
[#интересное]
