Hooepage Cybersecuritv Cyberpace Menschen
Nachrichtendienste kybernetische Waffen Bildung
A I   oder K I Wirkungsweise Quo vadis Beispiele Politik Realisierungen Militär Unternehmen Finanz. Banken Forschung Geheimdienste Schwachstellen
Künstliche Intelligenz 
Banken
Börsen
Finanzen

 

Der Aufstieg des künstlichen intelligenten Hedge Fonds

Spitzentechnologien des nächsten Jahrzehnts

 

 

 

 

 

 

 

 
 
W I R E D

Künstliche Intelligenz und die Banken, Börsen und Finanzen Wirtschaft

⦁ Autor: Cade Metz. ⦁ Cade Metz Business
⦁ Datum der Veröffentlichung: 01.25.16. 01.25.16
⦁ Zeitpunkt der Veröffentlichung: 07:00. 07:00

Der Aufstieg des künstlichen intelligenten Hedge Fonds

Letzte Woche, Ben Goertzel und seine Firma, Aidyia, wandte sich an einen Hedge-Fonds, die alle Aktienhandel mit künstlicher Intelligenz macht – ohne menschlichen Eingriff erforderlich. "Wenn"wir alle sterben, sagt Goertzel, ein langjähriger AI-Guru und Chefwissenschaftler des Unternehmens, "Es würde den Handel halten."
Er bedeutet wörtlich. Goertzel und anderen Menschen das System aufgebaut, und sie werde weiterhin es ändern Sie nach Bedarf. Aber ihre Schöpfung identifiziert und führt Geschäfte ausschließlich auf seine eigene, gestützt auf mehrere Formen von AI, darunter eine genetische Evolution und anderen basierend auf probabilistische Logikinspiriert. Jeden Tag, nach der Analyse alles aus marktüblichen Preisen und Mengen auf makroökonomische Daten und corporate Buchhaltungsbelege, diese AI-Motoren ihren eigenen Markt Vorhersagen zu machen und dann über die beste Vorgehensweise Aktion "abstimmen".
Wenn wir alle sterben, würde es den Handel zu halten. Ben Goertzel, Aidyia
Obwohl Aidyia ihren in Hongkong Sitz hat, das automatisierte System mit US-Aktien handelt und am ersten Tag, nach Goertzel, es erzeugt zurück 2 Prozent auf einen ungenannten Pool an Geld. Das ist nicht gerade beeindruckend, oder statistisch relevant. Aber es stellt einen bemerkenswerten Wandel in der Welt der Finanzen. Unterstützt durch $ 143 Millionen bei der Finanzierung, hat San Francisco Start Fühlenden Technologien ruhig mit einem ähnlichen System seit dem letzten Jahr gehandelt. Datenorientierte Hedge-Fonds wie zwei Sigma und Renaissance Technologies haben gesagt, dass sie auf AI verlassen. Und zwei weiteren Berichten zufolge – Bridgewater Associates und Point72 Asset Management von großen Wall-Street-Namen Ray Dalio und Steven A. Cohen laufen — in die gleiche Richtung bewegen.
Automatische Verbesserung
Hedge-Fonds haben lange verlassen sich auf Computern, um Trades zu machen. Laut Marktforschungsunternehmen Preqin, machen einige 1.360 Hedge-Fonds einen Großteil ihrer Geschäfte mit Hilfe von Computermodellen — etwa 9 Prozent aller Fonds – und gelingt es Ihnen etwa $ 197 Milliarden insgesamt. Aber dies beinhaltet in der Regel Datenanalysten — oder "Quants," Wall Street "Lingo" – Einsatz von Maschinen, um große statistische Modelle zu bauen. Diese Modelle sind komplex, aber sie sind auch etwas statisch. Wenn der Markt sich ändert sie funktioniert möglicherweise nicht so gut wie sie in der Vergangenheit gearbeitet. Und nach Preqins Forschung, der typische systematische Fonds nicht immer durchzuführen sowie Mittel betrieben durch menschliche Manager (siehe Tabelle unten)

Klicken Sie auf Overlay-Galerie öffnen Preqin/KABELGEBUNDEN
In den letzten Jahren Mittel umgezogen in Richtung wahre maschinelles lernen, wo künstlich intelligente Systeme analysieren können verbessern jedoch große Mengen an Daten mit Geschwindigkeit und sich durch eine solche Analyse. Das New York Unternehmen Rebellion Forschung, gegründet vom Enkel des Baseball Hall von Famer Hank Greenberg, unter anderem stützt sich auf eine Form der Maschine lernen Bayes-Netzegenannt, verwenden eine Handvoll Maschinen zu Markttrends vorherzusagen und bestimmte Berufe zu lokalisieren. Unterdessen sind Outfits wie Aidyia und Sentient auf AI gelehnt, die über Hunderte oder sogar Tausende von Maschinen ausgeführt wird. Dazu gehören Techniken wie evolutionary Computation, inspiriert von Genetik, und Tiefe lernen, eine Technologie, die jetzt verwendet, um Bilder, erkennt gesprochene Wörter zu identifizieren und andere Aufgaben in Internet-Unternehmen wie Google und Microsoft.
Die Hoffnung ist, dass solche Systeme automatisch Veränderungen im Markt erkennen und Möglichkeiten, die Quant-Modelle nicht anpassen können. "sie versuchen, Dinge zu sehen, bevor sie zu entwickeln," sagt Ben Carlson, der Autor des A Wealth of Common Sense: Warum Einfachheit Trumpf Komplexität in Any Investitionsoffensive, verbrachte ein Jahrzehnt mit einem Stiftungsfonds, die in einer Vielzahl von Vermögensverwaltern investiert.
Diese Art der AI-driven Fund Management sollte nicht mit High Frequency trading verwechselt werden. Es ist nicht auf die Front-Runhandel oder anderweitig damit Geld verdienen Geschwindigkeit der Aktion. Es ist auf der Suche nach den besten Trades auf längere Sicht-Stunden, Tage, Wochen, sogar Monate in die Zukunft. Und mehr auf den Punkt, Maschinen – nicht Menschen – sind die Wahl der Strategie.
Sich entwickelnde Intelligenz
Obwohl die nicht offen seine Fonds vertrieben hat, sagt fühlenden CEO Antoine Blondeau, es offizielle Trades seit letztem Jahr mit dem Geld von privaten Investoren (nach einer längeren Test Trades) gemacht hat. Laut einem Bericht von Bloomberghat das Unternehmen mit dem Hedge-Fonds-Geschäft in JP Morgan Chase in Entwicklungsländern AI-trading-Technologie gearbeitet, aber Blondeau lehnt seine Partnerschaften zu diskutieren. Er sagt jedoch, dass der Fonds ausschließlich über künstliche Intelligenz arbeitet.
Die ganze Idee ist, etwas zu tun, kein anderer Mensch – und keine andere Maschine — tut.
Das System ermöglicht das Unternehmen bestimmte Risiko-Einstellungen anpassen, sagt chief Science Officer Babak Hodjat, war Teil des Teams, die Siri gebaut, bevor die digitale Assistenten von Apple aufgekauft wurde. Aber ansonsten funktioniert es ohne menschliche Hilfe. "Es Befehle automatisch Autoren eine Strategie, und es gibt uns", sagt Hodjat. "Er sagt:"Kaufen Sie dieses viel jetzt, mit diesem Instrument, mit dieser bestimmten Reihenfolge Art." Es sagt uns auch wann man beenden, reduzieren Sie Belichtung und solche Sachen."
Nach Hodjat greift das System ungenutzte Rechenleistung von "Millionen" von Computer-Prozessoren in Rechenzentren, Internet-Cafés und Computer Gaming-Zentren von verschiedenen Unternehmen in Asien und anderswo betrieben. Die Software-Engine, unterdessen basiert auf evolutionäre Berechnung — die gleiche Genetik-inspirierte Technik, die in Aidyia System spielt.
In einfachen Worten ausgedrückt bedeutet dies eine große und zufällige Sammlung von digitalen Aktienhändler erstellt und testet ihre Performance auf der historischen Bestandsdaten. Nach der Ernte die besten Darsteller, verwendet es dann ihre "Gene" erstelle ich eine neue Reihe von überlegenen Händler. Und der Vorgang wiederholt. Schließlich das System Häuser in auf eine digital-Händler, der eigenständig erfolgreich agieren kann. "Über Tausende von Generationen, Billionen und Billionen von"Wesen"zu konkurrieren und gedeihen oder sterben," sagt Blondeau, "und schließlich bekommen Sie eine Bevölkerung von smart Händler, die Sie tatsächlich bereitstellen können."
Tiefe zu investieren
Obwohl evolutionäre ´Berechnung das System heute fährt, sieht Hodjat auch Versprechen in tiefen Lernalgorithmen-Algorithmen, die nachweislich bereits enorm geschickt zu identifizieren, Bilder, gesprochene Wörter zu erkennen und auch die natürliche Art und Weise verstehen wir Menschen sprechen. Wie tief lernen Besonderheiten genau, die in einem Foto einer Katze zeigen bestimmen kann, erklärt er, könnte es Besonderheiten einer Aktie identifizieren, die Sie Geld verdienen können.

Goertzel – Wer überwacht auch die OpenCog Foundation, dem Bemühen, ein open-Source-Framework für allgemeine künstliche Intelligenz zu erstellen – nicht einverstanden ist. Dies ist zum Teil, weil tief Lernalgorithmen eine Ware geworden. "Wenn jeder etwas verwendet, seine Vorhersagen in den Markt Preisen erhältlich sein werden," sagt er. "Du musst etwas seltsam zu tun." Er weist auch darauf hin, dass, obwohl Tiefe lernen geeignet ist, um die Analyse von Daten, die durch eine ganz besondere Reihe von Mustern, wie z. B. Fotos und Worten definiert, diese Arten von Mustern unbedingt an den Finanzmärkten zeigen sich nicht. Und wenn sie es tun, sie sind nicht so nützlich – wieder, weil jemand sie finden kann.
Für Hodjat ist jedoch die Aufgabe, heute zu verbessern Tiefe lernen. Und dies kann bedeuten, kombiniert die Technologie mit evolutionären Berechnung. Wie er es erklärt, können Sie evolutionäre Berechnung besser tief Lernalgorithmen bauen . Dies nennt man Neuroevolution. "Sie entwickeln können die Gewichte , die auf den tiefen Lernenden zu betreiben", sagt Hodjat. "Aber Sie können auch die Architektur des tiefen Lernenden selbst weiterentwickeln." Microsoft und andere Outfits sind bereits Gebäudesysteme Tiefe lernen durch eine Art natürliche Selektion, obwohl sie nicht evolutionären Berechnung per se verwenden können.
Preise in AI
Welche Methoden werden verwendet, einige Frage ob AI an der Wall Street wirklich gelingen kann. Auch wenn ein Fonds mit AI Erfolg erzielt, besteht die Gefahr, dass andere das System zu duplizieren und somit ihren Erfolg zu untergraben. Wenn ein großer Teil des Marktes auf die gleiche Weise verhält, ändert sich der Markt. "Ich bin ein wenig skeptisch, dass AI wirklich dies herauszufinden kann", sagt Carlson. "Findet jemand einen Trick, der funktioniert, nicht nur werden anderen Fonds Riegel auf, es aber andere Investoren werden Geld in Gießen. "Es ist wirklich schwer, eine Situation vorstellen, wo es nur entfernt Arbitrage erhalten nicht."
Goertzel sieht dieses Risiko. Thats, warum Aidyia nutzt nicht nur evolutionäre Berechnung aber eine Vielzahl von Technologien. Und wenn andere Methoden des Unternehmens nachahmen, werden es andere Arten des maschinellen Lernens zu umarmen. Die ganze Idee ist, etwas zu tun, kein anderer Mensch – und keine andere Maschine — tut. "Finance ist ein Bereich, wo Sie profitieren nicht nur klug," Goertzel sagt, "aber von Smart in einer anderen Weise von den anderen."