Польза ИИ для технического анализа

 

Создание персональной модели на основе ИИ

 

Польза ИИ для технического анализа

 

Часть 1. Не факт

 

Улучшают ли инструменты ИИ результаты альфа- и бета-доходности трейдеров? Если нет, то почему?

 

Несмотря на стремительный рост компаний, связанных с искусственным интеллектом (ИИ), и мощь современных генеративных инструментов, таких как ChatGPT, остается актуальным вопрос: может ли ИИ стать более полезным для технического анализа, чем традиционные методы обработки сигналов и продвинутые статистические инструменты (такие как ARIMA и k-NN)?

 

В данной серии статей я рассмотрю эти вопросы и покажу, как запускать персонализированные модели ИИ на компьютере. В 1-й части я расскажу, почему инструменты ИИ почти не улучшили результаты альфа- и бета-доходности трейдеров. Улучшения были очень скромными по сравнению с традиционными методами технического анализа. Чего же нам не хватает?

 

«Интеллект» – ложь утверждений ИИ

 

Одной из причин скептического отношения к использованию ИИ в трейдинге (или в любой другой области) является семантический обман в самом термине «искусственный интеллект». Единого, общепринятого определения термина «интеллект» не существует. Как и в случае с понятием «сознание», в научном мире нет консенсуса относительно определения и измерения этих терминов.

 

Хотя подобные проблемы делают науку увлекательной, в коммерческом мире отсутствие чёткого определения приводит к ложной рекламе и ответственности за продукт.

 

Как компании, работающие с ИИ, могут утверждать, что их продукты «интеллектуальны», если у них нет определения термина «интеллект» и способов его измерения для сравнения с другими продуктами? Они не могут утверждать этого. Следовательно, термины типа «суперинтеллект» становятся ещё менее понятными.

 

Поэтому скептицизм в отношении использования ИИ в трейдинге вполне оправдан: вы не знаете, какой «интеллект» покупаете для своих торговых операций. Например, вы не знаете, на каких данных обучалась та или иная модель ИИ – а это важный аспект тестирования любой торговой системы.

 

ETF, управляемые ИИ, в основном уступают индексам

 

Но кого волнует определение «интеллект», если с помощью ИИ можно зарабатывать больше денег на рынках? Некоторые люди для принятия инвестиционных решений используют астрологию, несмотря на то, что она не является научным, математически обоснованным подходом и не выдерживает двойного слепого тестирования.

 

Один из способов понять, помогает ли ИИ кому-либо зарабатывать – это изучить успехи ETF, которые используют ИИ для принятия инвестиционных решений. (Я не говорю о фондах, инвестирующих в компании, которые управляются моделями ИИ – это совсем другая тема.)

 

Как и многие управляющие на Уолл-стрит, ETF, управляемые ИИ, не превзошли индексные фонды, такие как SPY.

 

Например, в 2017 году трейдер Джим Роджерс запустил ETF BIKR, управляемый проприетарной моделью ИИ, основанной на его опыте управления портфелем. С 2017 года цены фондов SPY и GLD выросли примерно на 100%, в то время как фонд BIKR прекратил своё существование. Также в 2017 году был запущен Amplify AI Powered Equity ETF (AIEQ), который с самого начала уступал фондам SPY и GLD.

 

Qraft Technologies имеет два фонда, управляемых ИИ: QRFT и AMOM. QRFT демонстрирует результаты, сопоставимые с GLD и SPY, в то время как AMOM немного уступает QRFT. «Интеллект», управляющий фондом, не показал значительных преимуществ в отношении альфа-доходности по сравнению с простой покупкой SPY или GLD.

 

В статье на сайте MarketWatch, опубликованной в сентябре 2024 года, были приведены данные о результативности восьми ETF, управляемых ИИ (включая AIEQ). Из них пять были закрыты в течение двух лет из-за плохих показателей. Три оставшихся фонда (AIEQ, AIVL и AIVI) показали доходность вдвое ниже, чем индекс S&P 500.

 

Не сомневаюсь, что есть фонды, управляемые ИИ, которые превосходят SPY и GLD. Но в целом за семь лет существования таких фондов их результаты не впечатляют, а в некоторых случаях просто неприемлемы.

 

И такая слабая результативность оскорбительна для авторов и читателей этого журнала, так как за последние 20 лет в статьях журнала «Акции и сырьевые товары» были представлены как минимум две системы на основе SPY, которые с небольшими доработками стабильно превосходят SPY – без использования ИИ!

 

ИИ против ARIMA, GARCH, k-NN и т.п.

 

Существует множество традиционных многомерных статистических методов для получения дополнительной прибыли в трейдинге, не требующих огромных вычислительных ресурсов для обучения своих моделей.

 

ARIMA и GARCH – это два мощных метода анализа временны́х рядов с прогнозированием. И если можно, к примеру, спрогнозировать цену закрытия некой акции на следующий день, то эти методы работают достаточно хорошо. То есть если за ночь не произойдёт серьёзных изменений (экономических, политических, экологических и т. д.), эти методы смогут дать разумный прогноз цены закрытия на следующий день.

 

В последние годы для прогнозирования цен акций начали применять различные модели машинного обучения (ML), такие как нейронные сети с долгой краткосрочной памятью (LSTM). Эти модели тоже неплохо работают. Однако, как показывает множество исследовательских работ, которые мне встречались, ИИ-модели не очень сильно превосходят традиционные статистические методы.

 

Одним из непараметрических многомерных статистических методов, которые я использую, является k-NN – метод k ближайших соседей. Рассмотрим базу данных векторов, элементы которых представляют собой изменения цен открытия, максимума, минимума, закрытия и объёмов изо дня в день плюс изменение цены закрытия на день вперед (предиктор). Когда появляется вектор нового дня, он сравнивается с k – ближайшими векторами из базы данных (сама процедура сравнения – это искусство). Если предикторы в базе данных схожи по значению и направлению, есть высокая вероятность того, что они будут предикторами изменения цены закрытия завтрашнего дня.

 

Сравнения метода k-NN и моделей машинного обучения показывают, что последние не дают многократного увеличения эффективности. Это не значит, что ИИ-методы бесполезны для трейдинга, но они ненамного эффективнее традиционных методов, более простых в применении и понимании.

 

Обучение с подкреплением на основе ИИ

 

В сентябре 2024 года банк ING объявил об успешном применении ИИ в трейдинге: с помощью методов подкрепления на основе ИИ удалось превзойти результаты работы людей в ценообразовании валют, мониторинге рынка, корректировке спредов и управлении рисками. Но насколько «умно» было объявить об этом успехе, учитывая, что другие банки и трейдеры вскоре смогут сделать то же самое, особенно если это будет несложно и устранит выявленное преимущество в трейдинге? Или финансовые выгоды оказались не столь значительными, что банк решил поделиться коммерческой тайной ради хорошего пиара, а также чтобы послать сигнал рынку труда?

 

Полезны ли ChatGPT и подобные инструменты ИИ для трейдинга?

 

Фондовые рынки оказались в эпицентре большого пузыря вокруг ИИ. Акции, связанные с ИИ, такие как Nvidia (производитель чипов), за последние годы показали значительный рост (впрочем, сейчас их рост пошёл на спад).

 

Генеративные большие языковые модели (LLM), хотя их обучение является крайне дорогостоящим и энергозатратным, всё же находят применение в «интеллектуальных» приложениях. Например, Amazon недавно выпустил инструмент, который на основе фотографии вашего продукта генерирует видеопрезентацию для его рекламы (устраняя необходимость задействовать в этом человеческий интеллект).

 

Неудивительно, что сейчас можно встретить системы консультирования по трейдингу, работающие на базе LLM. Если ввести в поиске запрос “ChatGPT stock trading”, вы получите огромное количество ссылок на сайты, предлагающие такие системы. Некоторые из этих систем ИИ анализируют и резюмируют финансовые новости, предоставляя советы или инвестиционные рекомендации. Но чем эти рекомендации лучше тех, которые давно доступны на таких платформах, как Barron’s, MarketWatch, SeekingAlpha, Reddit и другие? Особенно учитывая, что некоторые системы ИИ обучены на анализах, созданных людьми, о которых только что упоминалось. 

 

Для технического анализа уже есть множество инструментов, усовершенствованных с помощью ChatGPT или LLM. Например, на платформе TradingView, которая предоставляет удобные инструменты и множество скриптов с открытым исходным кодом, всё больше появляется скриптов, использующих ChatGPT. Другие платформы и программное обеспечение тоже внедряют подобные инструменты.

 

Но полезны ли продукты, созданные ChatGPT, и будут ли они более ценными, чем те, что у нас уже есть? Я так не думаю по следующим причинам.

 

Во-первых, более ранние системы ИИ были математически сложнее, чем многие нынешние чатоподобные системы (большинство из которых представляют собой не более чем алгоритмы «угадай следующее слово»). И, откровенно говоря, их знание фондового рынка является слишком поверхностным. Например, 24 сентября 2024 года я задал вопрос ChatGPT: «Когда лопнет пузырь ИИ на фондовых рынках?» «Интеллектуальные» ответы могли быть следующими: «когда стабилизируются доходы Nvidia», «когда будет перекуплено достаточное количество акций компаний, связанных с ИИ», «когда их индексы денежного потока превысят 70-й уровень», «когда ФРС будет вынуждена снова поднять процентные ставки из-за чрезмерной инфляции» или любая другая теория. Однако вот что предложил ChatGPT в ответ на мой вопрос:

 

Предсказать точное время колебаний рынка, включая потенциальный «пузырь ИИ», крайне сложно. Рыночные тренды зависят от множества факторов, таких как технологический прогресс, изменения в регулировании, настроения инвесторов и общие экономические условия. Хотя некоторые аналитики выражают обеспокоенность по поводу переоценки отдельных акций технологических компаний, другие видят сильные фундаментальные факторы, поддерживающие их рост. Отслеживание этих факторов и поддержание диверсифицированной инвестиционной стратегии может помочь справиться с потенциальной волатильностью. Если вы хотите инвестировать в акции компаний, основанных на ИИ, или технологических компаний, рекомендуем вам быть в курсе событий и проконсультироваться с финансовым советником.

 

Как видите, результат больше похож на красиво сформулированное, но бессодержательное предсказание из куки или на шаблонные предупреждения в инвестиционных проспектах. В них нет ничего неправильного, но в то же время нет ничего полезного для трейдинга.

 

Во-вторых, если потребителям действительно нужно больше «интеллекта» в их продуктах (чтобы они покупали ИИ-продукты и обеспечивали доходы ИИ-компаний), будут ли полезны эти продукты ИИ для чего-то большего, чем просто развлечение? В недавней статье в “New York Times” Джим Ковелло, руководитель отдела исследований рынка акций Goldman Sachs, высказал обеспокоенность,  отметив, что многие современные разработки ИИ включают «слишком много того, что миру не нужно» и это «обычно заканчивается плохо» для рынков. Рекламные билборды, которые я вижу на шоссе 101 в Силиконовой долине, раньше рекламировали криптопродукты, а теперь все они связаны с ИИ. Видимо, для возврата $ 1 трлн вложений в ИИ-продукты потребуется как минимум $ 1 трлн доходов.

 

Примерно в то же время венчурный фонд Sequoia Capital опубликовал комментарий в блоге под названием «Вопрос на $ 600 млрд, адресованный ИИ: пузырь ИИ достигает переломного момента». Данный вопрос снова звучал так: «Где весь этот доход?», особенно доход от потребителей (который составляет около 70% ВВП/заработков).

 

Если новые «интеллектуальные» приложения ИИ не могут генерировать достаточные доходы, чтобы оправдать триллионные инвестиции, достаточно ли в этих новых ИИ-продуктах «интеллекта», чтобы они оказались более полезными, чем предыдущие поколения ИИ-систем для трейдинга? Ведь последние модели ненамного «интеллектуальнее», чем традиционные методы технического и статистического анализа.

 

Заключение

 

Так стоит ли использовать ИИ в трейдинге? Конечно, если вы найдете способ зарабатывать больше денег. В конце концов, если астрология (или любой другой нетрадиционный подход) помогает вам получать прибыль, хоть это и вызывает сомнения у других, дерзайте. Как однажды сказал покойный президент США Рональд Рейган: «Доверяй, но проверяй». Думаю, относительно ИИ и трейдинга он бы сказал: «Не доверяй, а проверяй, проверяй и проверяй».

 

Во 2-й части я покажу, как загрузить одну из таких чатоподобных моделей, основанных на ИИ, на свой компьютер, использовать её приватно и обучить с помощью тщательно отобранных данных.

 

Переведено специально для TLAP,

Грегори Ахаронян –

основатель американской компании KukaXoco Finance.