Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3741
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
не интеллект, а интуиция
Имхо, одно другому никак не мешает.
Одно дело знать что-то и совсем другое - осознавать это знание. Можно же считать, что интуиция это знание без осознания его наличия.
Intelligence is not what you know, it's what you do when you don't know.
"Интеллект — это не то, что ты знаешь, а то, что ты делаешь, когда не знаешь" — это изречение часто приписывают швейцарскому психологу Жану Пиаже, изучавшему развитие детского мышления. Даже если оригинальная цитата звучала немного иначе, сама фраза прекрасна тем, что наталкивает на определение интеллекта, неразрывно связанное с понятием цели. Попросил ИИ набросать краткое эссе на эту тему:
Телеология разума: почему интеллект измеряется только целью
В попытках определить интеллект наука часто заходит в тупик, называя его «способностью к обработке информации». Однако это определение малоосмысленно. Любой калькулятор, термостат или лист бумаги, на котором сохнут чернила, технически обрабатывают информацию, преобразуя входные сигналы в выходные. Подобный подход размывает границы термина и, главное, лишает нас возможности объективно измерить разумность системы.
Наиболее глубоким, строгим и операциональным является телеологически ориентированное определение: интеллект — это способность системы строить, перестраивать и эффективно реализовывать иерархию целей в условиях неопределённости.
Шкала измеримости: от калькулятора до человека
Именно привязка к понятию цели превращает абстрактное философствование в точную метрику. Интеллект становится измеримым, поскольку степень его развития прямо пропорциональна сложности задач, которые система способна решить. Это позволяет выстроить единую непрерывную шкалу эволюции разума:
Заключение
Интеллект — это не пассивный процесс «пережёвывания» данных, а активная экспансия воли в среду. Определяя интеллект через целеустремлённость, мы получаем универсальный инструмент оценки. Мы можем измерить разум математически — как эффективность максимизации целевой функции в широком спектре сложных сред. Без вектора цели интеллект слеп, неизмерим и неотличим от фонового шума Вселенной.
Попросил ИИ набросать коротенький текст по теме, как математика лишает нас мечты о скором AGI. Это конечно не поможет против вангователей оного, но пусть будет:
Математический тупик: континуум сред против алгоритмов
Если оцифровать бесконечный поток воздействий среды и ответов системы в целые числа, то любое «правильное» поведение — это функция от целых чисел в целые. Из математики известен простой факт: количество всех возможных функций имеет мощность континуума, в то же время количество любых мыслимых алгоритмов (программ, весов нейросети) строго счётно. Почти все теоретически возможные функции адаптации принципиально неалгоритмизируемы.
Отсюда следует неизбежность «галлюцинаций» современных ИИ-чат-ботов. Нейросеть — это конечный статичный алгоритм. Стоит ей выйти за пределы области, на которой её затачивали, она математически обязана выдать ошибку, так как физически не может содержать в себе траектории для бесконечного многообразия среды.
Игры рефлексии: почему эвристики не спасают
Можно предположить, что для создания сильного ИИ (AGI) достаточно найти работающие «эвристики» — грубые упрощения среды. Однако ситуации, моделируемые теорией игр (например, биржевой трейдинг, военная стратегия или геополитика), доказывают ложность этого допущения. В средах с активным противодействием любые «правильные» алгоритмы мгновенно убивают собственную правильность из-за рефлексии. Как только система вычисляет рынок, другие игроки вычисляют систему и меняют правила игры.
Это означает принципиальную невозможность создания AGI в виде какого-то фиксированного, пусть даже очень сложного алгоритма. Настоящий интеллект — это не база готовых эвристик, а непрерывный мета-процесс. Он должен находиться в состоянии перманентного репланирования, где прошлая «правильная» модель стирается, как только среда совершает рефлексивный виток.
Вот интересная статья: https://arxiv.org/pdf/2304.07619
Наш ключевой вывод заключается в том, что GPT-4 демонстрирует высокую способность прогнозировать немедленную реакцию рынка на заголовки новостей, достигая ежедневной точности прогнозов по портфелю примерно 90% при правильном определении направления первоначальной реакции цен. Этот результат примечателен по двум причинам. Во-первых, не очевидно, что универсальная языковая модель, обученная без явного финансового контроля, должна преуспевать в этой задаче. Тот факт, что она справляется, свидетельствует о том, что сложное финансовое мышление — понимание не только того, является ли новость положительной или отрицательной, но и того, как рынки её интерпретируют, — естественным образом возникает в результате общего языкового обучения модели.¹ Во-вторых, и что ещё важнее для финансовой экономики, такая высокая точность открывает уникальное окно в процесс обработки рыночной информации.
достигая ежедневной точности прогнозов по портфелю примерно 90% при правильном определении направления первоначальной реакции цен.
почитал. Прикольно, интересно, но содержание новостей может оказаться и не при чём. LLM могла схватить прогноз волатильности, просто по их числу и разнообразию.
Новостей много и они в разнотык значит волатильность растёт, когда мало или почти одинаковые/солидарные тогда низкая.
А высокая волатильность - это разворот, низкая это продолжение. И как раз примерно на 1-2 дня.
Вот интересная статья: https://arxiv.org/pdf/2304.07619
Поздновато спохватились. Оттуда:
Our theoretical framework posits that LLMs can increase investors’ information processing capacity and reduce market inefficiencies. As a result, the return predictability should weaken as LLMs’ size increases and more investors start using them. While testing this hypothesis represents an empirical challenge, we find some suggestive evidence: a general decline in the performance of the ChatGPT-based strategy during our sample period, over which GPT models’ capabilities and adoption skyrocketed. For example, its annualized Sharpe ratio drops from 6.54 in 2021Q4 to 3.68 in 2022, 2.33 in 2023, and to 1.22 over January-May 2024.
ее годовой коэффициент Шарпа снизился с 6,54
6,54 - ой ли?!
Ну это не ко мне вопрос - там в сноске на первой странице приведены контактные данные авторов.
Не знаю насколько в принципе возможен бэктест для проверки - нужны те же данные, модель и ТС.
Интересная статья про технические новинки в Астре. Суть - зациклили трансформер как в старой доброй RNN.
Прироста интеллекта нет, есть удешевление работы агентов. Ещё есть опасения по поводу безопасности.
Имхо, пора задуматься о принудительном лечении электричеством "создателей AGI" 😝