Ar pasitarnaus DI techninei analizei?

Dirbtinio intelekto nauda techninei analizei

1 dalis. Ne faktas

Ar dirbtinio intelekto (DI) įrankiai pagerina treiderių alfa ir beta grąžą? Jei ne – kodėl?

Nepaisant milžiniško dirbtinio intelekto (DI) industrijos augimo ir pažangių generatyvinių įrankių, tokių kaip ChatGPT, iškilimo, vis dar aktualus klausimas – ar DI gali būti naudingesnis techninei analizei nei tradiciniai signalų apdorojimo metodai ar sudėtingi statistiniai įrankiai (pvz., ARIMA ar k-NN)?

Šioje straipsnių serijoje nagrinėsiu šį klausimą ir parodysiu, kaip susikurti asmeninį DI modelį kompiuteryje. Pirmojoje dalyje paaiškinsiu, kodėl DI įrankiai beveik nepadidino treiderių alfa ir beta grąžos. Pagerėjimas, palyginti su tradiciniais techninės analizės metodais, buvo labai menkas. Ko gi mums trūksta?

„Intelektas“ – miglotas terminas

Viena iš priežasčių, kodėl į DI taikymą treidinge žiūrima skeptiškai – pati sąvoka „dirbtinis intelektas“. Nėra vieningo, visuotinai priimto „intelekto” apibrėžimo. Kaip ir „sąmonės” sąvoka, lieka ginčytinas klausimas mokslo bendruomenėje.

Komercinėje aplinkoje toks neapibrėžtumas sukelia klaidinančias reklamas ir atsakomybės stoką. Kaip DI kompanijos gali tvirtinti, kad jų produktas „intelektualus“, jei neturi apibrėžimo, ką reiškia „intelektas“, ir būdų tai išmatuoti? Jos negali to padaryti. Todėl terminai kaip „superintelektas“ tampa dar miglotesni.

Dėl to skeptiškas požiūris į DI treidinge yra visiškai pagrįstas: nežinote, kokį „intelektą“ įsigyjate. Pavyzdžiui, neaišku, kokiais duomenimis modelis buvo apmokytas – o tai esminė bet kurios prekybos sistemos testavimo dalis.

DI valdomi ETF dažnai nusileidžia indeksams

Tačiau kam rūpi apibrėžimai, jei DI padeda uždirbti daugiau? Juk kai kurie žmonės priima investicinius sprendimus pagal astrologiją, nors ši neturi nei mokslinio pagrindo, nei atlaiko aklus testus.

Vienas iš būdų įvertinti DI naudą – pažvelgti į ETF, kurių sprendimus priima DI modeliai. (Nesupainiokite su fondais, investuojančiais į DI įmones – tai visai kita tema.)

Kaip ir daugelis Wall Street valdytojų, DI valdomi ETF neaplenkė indeksinių fondų, tokių kaip SPY.

Pvz., 2017 m. treideris Džimas Rodžersas paleido ETF „BIKR“, kurį valdė DI modelis, pagrįstas jo portfelio valdymo patirtimi. Nuo 2017 m. SPY ir GLD išaugo ~100 %, o BIKR fondas buvo uždarytas. Tais pačiais metais startavo ir „Amplify AI Powered Equity ETF“ (AIEQ), kuris visą laiką atsiliko nuo SPY ir GLD.

Qraft Technologies valdo du DI fondus – QRFT ir AMOM. QRFT pasirodė panašiai kaip SPY ir GLD, o AMOM – silpniau. DI neparodė reikšmingos alfa grąžos.

2024 m. rugsėjo straipsnyje „MarketWatch“ analizuoti 8 DI valdomi ETF (įskaitant AIEQ). Penki buvo uždaryti per 2 metus dėl prastų rezultatų. Trys likę (AIEQ, AIVL, AIVI) generavo dvigubai mažesnę grąžą nei S&P 500.

Be abejo, yra DI fondų, kurie aplenkė rinką. Tačiau bendras vaizdas per 7 metus – miglotas ar net nepriimtinas.

Tai ypač ironiška, nes žurnalo „Akcijos ir žaliavos“ straipsniuose per 20 metų buvo pristatytos bent dvi SPY pagrįstos sistemos, kurios stabiliai jį lenkė – ir be jokio DI!

DI vs ARIMA, GARCH, k-NN

Yra daugybė tradicinių daugiamatės statistikos metodų, kurie padeda pasiekti papildomą pelną ir nereikalauja gigantiškų resursų.

ARIMA ir GARCH – tai stiprūs laiko eilučių analizės metodai su prognozavimo funkcija. Jie gana gerai prognozuoja, pvz., kokios nors akcijos uždarymo kainą kitai dienai, jei neįvyksta drastiški pokyčiai.

Pastaraisiais metais atsirado DI metodai, tokie kaip LSTM neuroniniai tinklai. Jie taip pat veikia neblogai. Tačiau dauguma mokslinių darbų rodo, kad jų pranašumas prieš klasikinius metodus – nedidelis.

Vienas mano naudojamų metodų – k-NN (k artimiausių kaimynų). Metodas lygina dienos vektorių (kainos pokyčiai, apimtys ir kt.) su istorine baze. Jei rastas pakankamas panašumas, galima prognozuoti kitos dienos uždarymo kainą. Tačiau lyginant su DI modeliais, skirtumas efektyvume – labai mažas.

Sustiprinamuoju mokymusi paremtas DI

2024 m. rugsėjį ING bankas paskelbė apie sėkmingą DI taikymą valiutų treidinge: jie geriau nei žmonės sugebėjo nustatyti kainas, stebėti rinką, reguliuoti spredus ir valdyti rizikas.

Tačiau ar išmintinga buvo tai paviešinti? Gal kiti bankai greitai tai pakartos? O gal rezultatai buvo ne tokie jau įspūdingi ir viskas padaryta dėl gražaus piaro arba, kad pasiųsti signalą darbo rinkai?

Ar ChatGPT ir panašūs DI įrankiai naudingi treidingui?

Akcijų rinkose dabar – DI burbulas. Įmonės kaip „Nvidia“ ženkliai kilo, tačiau augimas jau stabtelėjo.

Dideli kalbiniai modeliai (LLM), tokie kaip ChatGPT, randa nišų – pvz., „Amazon“ pristatė įrankį, kuris pagal produkto nuotrauką generuoja reklaminį vaizdo įrašą.

Treidingo pasaulyje taip pat matome LLM pagrįstų sistemų, kurios analizuoja naujienas, duoda patarimus. Bet kuo jos geresnės už Barron’s, MarketWatch, SeekingAlpha ar Reddit? Juolab kad dažnai jos remiasi tais pačiais žmonių kurtais šaltiniais.

Pavyzdžiui, „TradingView“ platformoje jau yra daug ChatGPT pagrįstų atviro kodo skriptų. Tačiau ar jie tikrai naudingesni už esamus įrankius?

Mano nuomone, ne:

1. Ankstesni DI modeliai buvo matematiškai sudėtingesni. Dabartiniai modeliai – tik „atspėk sekantį žodį“ algoritmai. Jų žinios apie rinką – paviršutiniškos.

   Pavyzdžiui, 2024 m. rugsėjo 24 d. aš uždaviau ChatGPT klausimą: „Kada sprogs DI burbulas akcijų rinkose?“ „Intelektualūs“ atsakymai galėjo būti tokie: „Kai stabilizuosis „Nvidia“ pajamos“, „Kai bus nupirktas pakankamas kiekis su DI susijusių įmonių akcijų“, „Kai jų pinigų srautų indeksai viršys 70 lygį“, „Kai JAV Federalinė rezervų sistema bus priversta vėl padidinti palūkanų normas dėl pernelyg didelės infliacijos“ arba bet kuri kita teorija. Tačiau štai ką ChatGPT pasiūlė atsakydamas į mano klausimą:

   Numatyt tikslią rinkos svyravimų trukmę, įskaitant potencialų „DI burbulą“, yra labai sunku. Rinkos tendencijos priklauso nuo daugelio veiksnių, tokių kaip technologijų pažanga, reguliavimo pokyčiai, investuotojų nuotaikos ir bendros ekonominės sąlygos. Nors kai kurie analitikai reiškia susirūpinimą dėl atskirų technologijų bendrovių akcijų pervertinimo, kiti mato stiprius fundamentalius veiksnius, palaikančius jų augimą. Šių veiksnių stebėjimas ir diversifikuotos investavimo strategijos laikymasis gali padėti susidoroti su galimu svyravimu. Jei norite investuoti į DI pagrįstas bendroves ar technologijų bendroves, rekomenduojame sekti įvykius ir pasikonsultuoti su finansų patarėju.

   Kaip matote, rezultatas labiau primena gražiai suformuluotą, bet be turinio prognozę iš šabloninių įspėjimų investicijų prospektuose. Juose nėra nieko blogo, bet tuo pačiu nėra nieko naudingo prekybai.

2. Antra, jei vartotojams tikrai reikia daugiau „intelektualumo“ savo produktuose (kad jie pirktų DI produktus ir užtikrintų DI įmonių pajamas), ar šie DI produktai bus naudingi kažkam daugiau nei tik pramogai?

Neseniai „New York Times“ straipsnyje Jim Covello, „Goldman Sachs“ akcijų rinkos tyrimų skyriaus vadovas, išreiškė susirūpinimą, pažymėdamas, kad daugelis šiuolaikinių DI kūrinių apima „per daug to, ko pasauliui nereikia“, ir tai „paprastai baigiasi blogai“ rinkoms. Reklaminiai stendai, kuriuos matau greitkelyje 101 Silicio slėnyje, anksčiau reklamavo kriptovaliutos produktus, o dabar jie visi susiję su DI. Matyt, norint susigrąžinti 1 trilijoną dolerių investicijų į AI produktus, reikės mažiausiai 1 trilijono dolerių pajamų.

Maždaug tuo pačiu metu rizikos kapitalo fondas „Sequoia Capital“ savo tinklaraštyje paskelbė komentarą „600 mlrd. dolerių klausimas, skirtas DI: DI burbulas pasiekia lūžio tašką“. Šis klausimas vėl skambėjo taip: „Kur visos šios pajamos?“, ypač pajamos iš vartotojų (kurios sudaro apie 70 % BVP/pajamų).

Jei naujos „pažangios“ DI programos negali generuoti pakankamai pajamų, kad pateisintų trilijonines investicijas, ar šiuose naujuose DI produktuose yra pakankamai „intelekto“, kad jie būtų naudingesni už ankstesnes DI sistemų kartas prekybai? Juk naujausi modeliai nėra daug intelektualesni už tradicinius techninės ir statistinės analizės metodus.

Išvados

Tai ar verta naudoti DI prekyboje? Žinoma, jei rasite būdą uždirbti daugiau pinigų. Galų gale, jei astrologija (ar bet koks kitas netradicinis metodas) padeda jums gauti pelno, nors tai kelia abejonių kitiems, drąsiai tai darykite.

Kaip kartą pasakė velionis JAV prezidentas Ronaldas Reiganas: „Pasitikėk, bet tikrink“. Manau, apie DI ir prekybą jis būtų pasakęs: „Nepasitikėk, tikrink, tikrink ir dar kartą tikrink“.

2 dalyje parodysiu, kaip atsisiųsti vieną iš tokių DI pagrįstų pokalbių modelių į savo kompiuterį, naudoti jį privačiai ir mokyti naudojant kruopščiai atrinktus duomenis.

Išversta specialiai Spekuliantas.com
Gregory Aharonian –
KukaXoco Finance įkūrėjas (JAV)