Фактчекинг: нейросети могут предсказывать биржевые котировки?
В Сети обсуждается вопрос, может ли ИИ предсказать динамику фондового рынка с точностью до 100%. Так ли это, разбираемся в совместном проекте НИУ ВШЭ и АНО «Диалог Регионы» по проверке достоверности информации в рамках фактчекинговой платформы «Лапша Медиа».
Интерес к использованию искусственного интеллекта в экономике растет с огромной скоростью. Нейронные сети уже широко применяются финансовыми корпорациями. Так, компания Citicorp с помощью нейрокомпьютера для анализа и краткосрочного прогнозирования колебания курсов валют обошла по точности предсказаний ведущих брокеров страны. Лондонская фондовая биржа (LSE) внедрила автоматизированную систему с элементами искусственного интеллекта на базе нейронных вычислений для контроля внутреннего дилинга. Вычислительные комплексы на базе нейронных сетей также нашли применение на фондовых биржах США и Японии.
Специалисты Московского государственного университета им. М.В. Ломоносова разработали систему, позволяющую прогнозировать изменения цен на акции за счет анализа экономических новостей с помощью технологий искусственного интеллекта. Использование нейросетей позволило авторам выявлять больше сложных взаимосвязей между различными данными и учитывать влияние внешних событий на фондовый рынок. Ученые разработали инновационный метод прогнозирования движения цен акций Российской торговой системы, используя сочетание временных рядов и текстовых данных из финансовых новостей. Такой подход позволяет использовать для анализа не только исторические данные, но и текущие события, что делает метод особенно ценным в условиях быстро меняющегося рынка. При этом анализ со стороны человека не требуется, что облегчает задачу инвесторам и экономистам.
Российские программисты Дмитрий Луковкин и Петр Пермяков еще в 2016 году предложили готовое решение для трейдеров, не желающих связываться с техническими индикаторами и финансовыми показателями компаний, — онлайн-сервис StocksNeural. Он прогнозирует движение цен на инструменты фондового рынка и выдает рекомендации об их покупке или продаже, используя глубинное машинное обучение (Deep Learning) и искусственные нейронные сети.
Использование подобных систем действительно дает положительный эффект, но результаты не всегда соответствуют ожиданиям. Большинство методов имеют существенный недостаток — описание экономических процессов линейной зависимостью, что в условиях изменяющейся внешней среды делает эти модели недостаточно корректными.
С помощью ИИ можно проводить прогнозирование цен на акции, определять тренды движения рынка и выявлять паттерны, которые могут указывать на возможные перспективные инвестиционные возможности. Нейронные сети могут обработать огромное количество данных в режиме реального времени и выявить важные тренды и взаимосвязи в реальном времени.
Использование искусственного интеллекта имеет ряд преимуществ.
Более точный анализ данных. Искусственный интеллект может проанализировать большие объемы данных, чтобы выявить скрытые тренды и связи, которые могут оставаться незамеченными при традиционных методах анализа.
Более быстрая реакция на изменения рынка. Искусственный интеллект может быстрее и точнее реагировать на изменения на фондовом рынке, чем аналитик, что может непосредственно повлиять на принятие инвестиционных решений.
Прогнозирование трендов. Искусственный интеллект может проанализировать большие объемы данных и выявить шаблоны поведения и тренды, которые могут использоваться для прогнозирования будущих движений на фондовом рынке.
Оптимизация инвестиционного портфеля. Искусственный интеллект может помочь оптимизировать инвестиционный портфель, учитывая цели и риски, а также прогнозы о будущих трендах.
Автоматизация торговли. Искусственный интеллект может быть использован для автоматического выполнения определенных инвестиционных стратегий на основе предварительно заданных правил и параметров.
На фондовом рынке можно применить следующие методы искусственного интеллекта и машинного обучения. Прежде всего это анализ данных. Использование машинного обучения для анализа большого объема информации, таких как биржевые котировки и новости, может помочь в принятии более эффективных решений. Все активнее используются нейронные сети. Этот метод обеспечивает более точный анализ и прогнозирование будущих тенденций на рынке.
Генетический алгоритм использует эволюционный процесс для выработки оптимальных решений. Роботы-трейдеры применяются для автоматизации торговли на фондовом рынке, для этого используются алгоритмы машинного обучения. Обработка естественного языка позволяет легко анализировать новостные статьи и другие материалы, которые могут оказать влияние на фондовый рынок. Метод случайного леса может использоваться для прогнозирования реакции на определенную новостную статью или событие, что может помочь в принятии взвешенных решений. Кластерный анализ используется для сегментирования данных на подходящие группы, что, в свою очередь, позволяет построить более точные модели предсказания рыночных тенденций.
Все эти методы могут помочь инвесторам и трейдерам принимать более точные и эффективные решения на фондовом рынке, что может привести к увеличению прибыли и снижению рисков. Но они могут служить лишь как вспомогательный инструмент, благодаря которому можно минимизировать риски.
Нейронные сети эффективны в поиске связей между данными и способны на их основе прогнозировать (или классифицировать) новые данные. Обычно проект Data Science состоит из следующих операций:
сбор данных — обеспечивает набор необходимых свойств;
предварительная обработка данных;
разработка и реализация модели — выбор типа нейронной сети и ее параметров;
бэктестинг (тестирование на исторических данных) — ключевой шаг любой торговой стратегии;
оптимизация — поиск подходящих параметров.
На прогноз влияют три фактора. Во-первых, известные экономико-математические факторы: на рынках присутствуют закономерности, поддающиеся анализу (например, выходят данные по инфляции, которые определенным образом влияют на цену актива). Во-вторых, неизвестные экономико-математические факторы — труднодоступные или недоступные данные (например, инсайдерская торговля или спутниковые снимки плантаций и логистических терминалов). В-третьих, белый шум — информация, не поддающаяся анализу и прогнозу (к примеру, хаотичные действия физлиц, не имеющие отношения к финансово-экономическим факторам). Влияние последних двух факторов просчитать нельзя.
В данный момент эффективные подходы к решению задачи предсказания биржевых котировок позволяют достигать точности в районе 60%.
Исследование, опубликованное в Journal of Financial Economics, показывает, что в ситуациях, требующих глубоких знаний, человек по-прежнему незаменим. Совместная модель, объединяющая ИИ и человеческие прогнозы, уменьшила количество ошибок на 90%. Это подтверждает, что наилучшие результаты достигаются при сочетании аналитических способностей человека и вычислительной мощи ИИ.
На самом деле искусственный интеллект не может предсказать будущее с 100-процентной точностью. Рынки подвержены влиянию множества факторов, многие из которых непредсказуемы. Даже самая сложная система не сможет предвидеть неожиданные события, такие как политические потрясения или природные катастрофы.
Вместе с тем ИИ может помочь трейдерам в анализе рыночных данных и определении тенденций. Однако, хотя ИИ может дать преимущество, его использование не является универсальным решением. Для успешной торговли все равно требуется надежная стратегия и глубокое понимание рынков.
Андрей Столяров
ИИ сегодня в моде: во многих инвестиционных банках и компаниях появились подразделения, работающие с ним, говорит заместитель заведующего базовой кафедрой инфраструктуры финансовых рынков, академический руководитель образовательной программы «Инвестиции на финансовых рынках» НИУ ВШЭ Андрей Столяров. «ИИ позволяет убрать субъективность в постановке и решении проблемы. Очевидно, что использование ИИ позволит расширить инструментарий прогноза, но вот насчет точности есть большие сомнения. Дело в том, что на фондовом рынке нет и, как мне кажется, не будет точных прогнозов. Как только они появятся, он умрет», — убежден эксперт.