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. 07:00Der 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."