استخدام الذكاء الاصطناعي في التداول أول عامل نجاح التداول عبر الإنترنت.
التجارة عالم تنافسي بشع. ومع رسم الذكاء الاصطناعي باعتباره السلاح الجديد لكل شيء ، من المفهوم أن هناك قدرًا كبيرًا من الاهتمام باكتشاف كيفية استخدام الذكاء الاصطناعي في التداول.
.jpg "استخدام الذكاء الاصطناعي في التداول")
وفي الوقت نفسه ، فإن المعارك التي يربحها الذكاء الاصطناعي في الواقع هي أكثر تدريجيًا - لكنها لا تزال مهمة. الذكاء الاصطناعي هو ركلة جانبية للمتداول أكثر من كونه بديلًا له.
فيما يلي أهم أربع طرق ينطبق عليها الذكاء الاصطناعي للتداول اليومي:
تحليل المشاعر
لا يمكن للبشر معالجة جميع المعلومات الموجودة هناك - ولكن يمكن للآلات الاقتراب. باستخدام الذكاء الاصطناعي ، يمكن للآلات الآن أن تفعل الكثير - بما في ذلك تحليل النصوص وتلخيصها.
يمكنهم تلخيص أشياء مثل المشاعر: يجمع الكاشطون الأخبار اليومية والتغريدات ومنشورات الوسائط الاجتماعية الأخرى حول موضوع معين ، ثم تلخص خوارزميات الذكاء الاصطناعي (على وجه الخصوص معالجة اللغة الطبيعية) ما إذا كانت الآراء الإيجابية أو السلبية أقوى.
يمكنهم حتى تصنيف النصوص إلى مواضيع وبناء ملخصات نصية يمكن للبشر قراءتها تلقائيًا.
هذه معلومات ذات قيمة عالية للمتداولين ، الذين يجب أن يكونوا على اطلاع دائم بما يحدث في أسرع وقت ممكن.
التنبؤ ببيانات العالم الحقيقي
يستخدم المتداولون أيضًا الذكاء الاصطناعي لتحسين موثوقية توقعات بيانات الإدخال - وهي عناصر في العالم الحقيقي تساعد المتداولين على النجاح.
مثل التنبؤ بـ:
- أنماط الطقس في الشمال الشرقي خلال الأسبوعين المقبلين ؛
- إمدادات الطاقة الشمسية في أوروبا.
- نتيجة الانتخابات السياسية.
تستند هذه التوقعات إلى خوارزميات أخرى طورتها شركات أخرى - لكن هذا لا يعني أنه لا يمكن تحسين هذه التنبؤات.
تتمثل إحدى الحيل المفيدة في تدريب خوارزمية على دمج تنبؤات الخبراء المتعددة في تنبؤ آخر - والذي يكون بعد ذلك أكثر دقة من أي من التوقعات التي استندت إليها. هذا يسمى التجميع ، وهو يعمل بشكل جيد.
إيجاد أنماط التداول
يدور التداول حول تحديد الأنماط المحلية - والتي غالبًا ما تكون محدودة في الزمان والمكان - ثم تخمين كيفية استغلالها. عملية العثور على الأنماط شاقة وتستغرق وقتًا طويلاً.
لكن خوارزميات الذكاء الاصطناعي هي في الأساس آلات لتحديد الأنماط . إذا اشتبه أحد المحللين في وجود مخالفات في مجموعة بيانات معينة ، فيمكنه توفير الوقت باستخدام الذكاء الاصطناعي للعثور عليها.
لذلك يمكن للذكاء الاصطناعي العثور على أنماط مفيدة ، طالما أنه يسترشد بمحلل متمرس يعرف ما الذي تبحث عنه.
ثم يتم استخدام هذه الأنماط من قبل المتداولين ، الذين يخلطونها مع خبرتهم وحدسهم ، ثم يطبقونها. أو يمكنك استخدامها لتصميم آلات التداول الآلية - انظر القسم التالي.
ضبط آلات التداول عالية التردد
في التداول عالي التردد - كما يوحي الاسم - تنفذ الآلات آلاف أو ملايين الصفقات يوميًا ، في محاولة للاستفادة من أوجه القصور التي لا توجد إلا في فترات زمنية قصيرة جدًا.
لا يستطيع البشر القيام بهذه المهن - هناك ببساطة الكثير منها - لكن البشر يحددون القواعد التي تعمل بها هذه الآلات.
ومع ذلك ، نظرًا لأن السوق يتغير باستمرار ، يجب تعديل هذه الآلات باستمرار. هذا يتطلب الكثير من الوقت والجهد.
يمكن للذكاء الاصطناعي أتمتة عمليات إعادة المعايرة هذه - والقيام بالكثير من العمل الإحصائي المتكرر الذي يحتاج المحللون إلى القيام به.
علامات التحذير - أشياء يجب الانتباه إليها
إن الوعد بإيجاد خوارزمية معجزة يمكنها حقًا طباعة النقود أمر مغري للغاية ، وقد اشترى الكثير من الأشخاص الأذكياء فيه. فيما يلي أهم الفخاخ التي يجب الانتباه إليها:
الذكاء الاصطناعي اليوم ليس "أذكى" من البشر
في الحقيقة ، حتى خوارزميات الذكاء الاصطناعي الأكثر تقدمًا اليوم ساذجة جدًا مقارنة بالعقول البشرية .
عندما تتغلب الخوارزمية على إنسان في لعبة الشطرنج أو GO ، فإن الأمر يشبه فوز سيارة على عداء بشري في سباق ربع ميل: نعم ، الآلة أسرع ، لكن هذا لا يجعلها متفوقة.
هذا يعني فقط أننا بنينا آلة يمكنها القيام بمهمة محددة بدقة - في ظل ظروف معينة محددة بدقة - بشكل جيد حقًا.
قد يبدو الأمر كذلك في البداية ، لكن التداول ليس مهمة محددة بدقة. لماذا ا؟ لأنك في التجارة تتنافس مع البشر الآخرين - الذين سيستخدمون كل قوتهم العقلية في محاولة للتغلب عليك.
غالبًا ما لا تعمل استراتيجيات التداول المنشورة في الحياة الواقعية
هناك الكثير من الأبحاث والكثير من مقالات المدونات التي تعد بخوارزمية تداول مربحة قائمة على الذكاء الاصطناعي. لكن هذه النماذج لا تميل إلى العمل في الحياة الواقعية ، لعدة أسباب.
الاجهزة الخاطئة
يخطئ عدد مذهل من الأوراق في كيفية إعداد إطار التدريب والاختبار. يستخدمون متغيرات لم تكن متاحة في الوقت الذي احتاج فيه الذكاء الاصطناعي إلى اتخاذ قرار (تسرب البيانات) أو تقييم التنبؤات مقابل السعر الحالي ، وليس السعر المستقبلي.
أخطاء مفاجئة - لكن مجموعات البيانات المتسلسلة الزمنية هي أمر معقد يجب على أدمغة الإنسان التعامل معه.
التحيز في الاختيار
غالبًا ما يتم انتقاد مديري الصناديق لأنهم يعزون عائداتهم الأفضل إلى المهارة الفائقة بدلاً من الحظ. ولكن إذا قام الكثير من مديري الصناديق بإجراء الكثير من التخمينات العشوائية ، فسيكون هناك في النهاية بعض التخمينات الجيدة.
يغلق الخاسرون ، ولا نسمع عنهم أبدًا - لذلك يبدو أن هناك الكثير من مديري الصناديق الذين لديهم المهارات اللازمة للتغلب على السوق.
على الرغم من ذلك ، في الواقع ، فإن عدد مديري الصناديق الذين تغلبوا على السوق يتماشى تمامًا مع ما تتوقعه بناءً على التخمينات العشوائية.
وينطبق الشيء نفسه على الأوراق البحثية. إذا جربت الكثير من الخوارزميات ، فستجد في النهاية واحدة يبدو أنها تحقق أرباحًا معينة. إذا لم تخبر الجميع بعدد التجارب التي كان عليك إجراؤها للوصول إلى هناك ، فسوف يبدو أنك تعثرت للتو في نهج متفوق.
ومع ذلك ، لا يوجد أي ضمان على الإطلاق بأن هذه الإستراتيجية ستعمل خارج البيانات المعينة التي اختبرتها عليها.
رسوم المعاملات والانزلاق السعري
في الواقع ، غالبًا ما يكون بناء إستراتيجية تداول تتفوق على السوق أمرًا بسيطًا للغاية - إذا نسيت تكاليف العالم الحقيقي لممارسة التداولات. تلتهم رسوم المعاملات (الرسوم التي تدفعها مقابل كل صفقة) والانزلاق (حقيقة أن السعر قد يتغير بين الوقت الذي تقدم فيه طلبك وعملية التداول) الكثير من الأرباح. وفي كل حالة تقريبًا ، هذا يكفي لحذف الربح الذي رأيته في المحاكاة.
تغير الأنماط بمرور الوقت
أحد أهم المفاهيم في التعلم الآلي هو العثور على أنماط في البيانات السابقة واستخدامها لعمل تنبؤات صحيحة للمستقبل.
ومع ذلك ، هذا لا يعمل في التداول. يتنافس متداولون آخرون للعثور على نفس الأنماط - لذلك يتم العثور على الأنماط ، واستغلالها ، ثم اختفائها. هذا يعني أن الأنماط نادرًا ما توجد لفترة طويلة ، وعليك أن تبحث باستمرار عن أنماط جديدة.
وهذا يتطلب قدرة هائلة على التكيف - وهو أمر يتفوق فيه البشر حاليًا على الآلات.
لن تمنحك الخوارزميات وحدها أي ميزة
من السهل الابتعاد والتركيز على الخوارزمية باعتبارها الميزة التنافسية الرئيسية بين إستراتيجية تداول وأخرى.
هذا في الأساس ما تقترحه شركات مثل Numerai :
اجمع بين الكثير من النماذج الجيدة في نموذج رائع.
تغلب على سوق الأسهم.
لكن هذا لا يعمل . لماذا ا؟ لأن البيانات تتفوق على الخوارزميات . البيانات التي تقدمها للخوارزمية لها تأثير أكبر بكثير على أداء النموذج الخاص بك من مدى جودة الخوارزمية. البيانات التي تمنحك Numerai ثابتة - لا يمكنك الإضافة إليها.
لذا فإن التوقعات التي يقومون بها ستكون دائمًا أسوأ من توقعات المتداولين ، الذين لا يقتصرون على البيانات التي يمكنهم استخدامها - المتداولون الذين لديهم إمكانية الوصول إلى مجموعة مفتوحة من البيانات ، والذين يمكنهم المحاولة والاختبار وإضافة نقاط بيانات جديدة إلى حساباتهم. الخوارزميات بشكل مستمر.
القليل من الأمل - قد تظل الأسواق غير الفعالة أرضًا خصبة
قد توفر الأسواق التي بها عدد قليل من المشاركين في التداول ، وحواجز عالية أمام الدخول ، وحجم تداول محدود ، وعدد قليل من اللاعبين القادرين على استخدام التعلم الآلي ، بعض الفرص للنجاح في تداول الذكاء الاصطناعي.
في هذه الأسواق ، لا يزال التداول الآلي - وخاصة استخدام التعلم الآلي - في بدايته ، ويمكن للمتداولين الذين يبنون محركات تداول آلية تحقيق ميزة كافية لتحقيق ربح جيد.