ทำไม Machine Learning ใช้ในการเงิน ไม่ Work ?

หลายวันก่อนใน Quant CU มีน้องคนหนึ่งถามว่าทำไม Machine Learning ใช้ในการเงิน ไม่ Work ? ผมเข้าใจว่าคำถามนี้เกิดจากการที่เห็น Quant (ทั้งในไทยและต่างประเทศ) อคติกับกองทุนที่ใช้ Machine Learning

มันไม่ Work จริงหรอ?

สำหรับผมจริงๆแล้ว Machine Learning สำหรับการลงทุนมันไม่ใช่ไม่ Work แต่มันมีปัญหาบางอย่างที่ทำแล้วไม่ง่าย ที่มันจะเกิดในการนำมาใช้ทางการเงินเท่านั้น ดังนั้นเมื่อ Quant เห็นผู้คนจากนอกสายงาน Quant ใช้ Machine Learning ทำให้เรา Implied(ตั้งสมมุติฐานได้ว่า)มันจะไม่ WORK

อยากแรกเลยในข้อมูลทางการเงินเรามักมีข้อมูลค่อนข้างจำกัด อย่างมากเรามีข้อมูลแค่ 10–20 ปี หากเราใช้ข้อมูลรายวัน เราก็น่าจะมีข้อมูลไม่เกิน 20 x 252 = 5040 data point ซึ่งดูเหมือนเยอะ แต่หากเราเทียบกับข้อมูลด้าน Marketing ที่เรามีเป็น 10 -100 ล้าน พอร์ต มันเทียบกันไม่ได้เลย มันทำให้หากเราใช้เทคนิคที่มีพลังการทำนายสูงอย่าง deep learning มันจะเกิดสิ่งที่เรียกว่า Overfiting

อย่างต่อมาข้อมูลที่เป็นอนุกรมเวลามักจะมีปัญหา stationary

stationary หรือความนิ่งหมายความว่าข้อมูลในอนาคตจะมีรูปแบบ หรือ ค่า เหมือนในอดีต ผมอาจจะไม่ลงรายละเอียดเยอะ แค่จะบอกว่าการจะนำตัวแปรมาใช้ในทางการเงินเราต้องมีกระบวนการจัดการตรงนี้ในการเปลี่ยนตัวแปรให้มีรูปแบบที่เกิดซำ้ ซึ่งไม่ง่ายเหมือนกัน

Regime shift : ตลาดการเงินมีการเปลี่ยนแปลงตลอดเวลาและอาจมีการเปลี่ยนแปลงในสภาวะตลาด กฎระเบียบ และปัจจัยทางเศรษฐกิจ โมเดล ML ในอดีตอาจประสบปัญหาในการปรับให้เข้ากับการเปลี่ยนแปลงเหล่านี้ ส่งผลให้ประสิทธิภาพลดลงเมื่อเวลาผ่านไป

แล้วใช้ Machine Learning กับงานอะไรถึง Work ?

Alternative data และ Now Casting เป็นสองพื้นที่ที่ Quant ใช้ Machine Learning แล้ว Work มากที่สุด บริษัทอย่าง ravenpack ให้บริการข้อมูลทางเลือกในการทำนายกำไร/รายได้ค่าใช้จ่ายของบริษัทในอนาคตได้อย่างแม่นยำ

ถ้าอยากใช้ Machine Learning ต้องทำยังไง

เราไม่ได้มี Tool วิเศษ ที่จะตอบได้ขนาดนั้น(ในปัจจุบัน) แต่หนึ่งหนังสือที่ชี้ให้เห็นถึงปัญหาคือหนังสือของ Lopez (ที่ชี้ให้เห็นถึงปัญหา แต่ไม่ค่อยบอกทางแก้)

ทิ้งทาย

ผมของทิ้งท้ายด้วยข้อความสรุปของวิทยานิพนต์ของ บาเซลิเยร์

อิทธิพลที่กำหนดความเคลื่อนไหวของตลาดมีมากมายนับอนันต์ ทั้งเหตุการณ์ในอดีต ปัจจุบัน หรือแม้แต่ที่คาดการณ์ว่าจะเกิดในอนาคต และไม่มีความสำพันธ์กับการเคลื่อนที่ของราคา แต่กลับส่งผลกระทบต่อทิศทาง

นอกจากความผันผวนจากสาเหตุทางธรรมชาติแล้ว สาเหตุที่ถูกสร้างขึ้นก็ยังเกี่ยวข้องด้วย ตลาดมีพฤติกรรมตามการเปลี่ยนแปลงที่เกิดขึ้นก่อนหน้านี้เท่านั้น แต่ยังรวมถึงตำแหน่งในปัจจุบันด้วย

การทำนายราคาขึ้นอยู่กับปัจจัยจำนวนนับอนันต์ ดังนั้นจึงเป็นไปไม่ได้ที่จะคาดหวังการพยากรณ์ที่แม่นยำทางคณิตศาสตร์ ความคิดเห็นที่ขัดแย้งกันเกี่ยวกับทิศทางราคาถูกแบ่งแยกออกไปในเวลาเดียวกันผู้ซื้อเชื่อว่าตลาดจะขึ้นในขณะที่ผู้ขายก็เชื่อว่ามันจะลง(ฟังดูเหมือนเรากำลังเสียเวลากับผู้คน)

การใช้ ML ในงานอื่นๆดูเหมือนเป็น holy grail แต่ในทางการเงินแล้วการใช้ คณิตศาสตร์ในการศึกษาสภาวะของตลาดในกรอบเวลาที่กำหนดและประเมินความน่าจะเป็นนี้สามารถประเมินด้วยคณิตศาสตร์ อาจจะง่ายกว่า