Искусственный интеллект в трейдинге
В предыдущих разделах были представлены базовые принципы и алгоритмы построения нейронных сетей. Однако нас в большей степени интересует возможность практического использования представленных технологий. И, конечно, я не первый, кто задумывался об этом.
Компьютерные технологии уже давно вошли и успешно применяются в трейдинге. Я бы даже сказал, что сейчас трудно представить трейдинг без использования компьютерных технологий. В первую очередь, благодаря интернету и компьютерам трейдеру сейчас не нужно лично присутствовать на торговой площадке. Программа торгового терминала легко устанавливается на любом компьютере, а в последнее время такие программы стали доступны и для мобильных устройств (смартфоны, планшетные ПК). Это позволяет трейдеру анализировать рынок и совершать торговые операции практически из любой точки нашей планеты.
Упомянутые выше торговые терминалы позволяют не только совершать сделки. Они оборудованы всем необходимым для проведения детального анализа рыночной ситуации в режиме реального времени. В них есть и инструменты для построения графических объектов на ценовых графиках инструментов, и целый ряд индикаторов, способных на лету обновляться и отображаться на графике в соответствии с текущей рыночной ситуацией.
Еще одно направление применения компьютерных технологий в тейдинге является алгоритмический трейдинг. Алготрейдинг подразумевает создание компьютерных программ-роботов, которые в рамках заданной торговой стратегии выполняют торговые операции без участия человека. У данного метода есть свои преимущества и недостатки по сравнению с ручной торговлей человеком.
Созданная программа может работать без устали 24 часа в сутки 7 дней подряд, что невозможно для человека. Соответственно, программа не пропустит какой-либо сигнал на вход в позицию или выход из нее.
Робот будет работать четко по заданному алгоритму. Человек же, оценивая рыночную ситуацию, помимо оцениваемых стратегией показателей, учтет свой личный предыдущий опыт и свои субъективные ощущения. Их влияние может быть различно.
В первую очередь, отклонение от стратегии торговли нарушает баланс прибыльных и убыточных операций и на длительном временном интервале скорее всего окажет отрицательное влияние на баланс торгового счета.
С другой стороны, бывает довольно сложно четко описать математическим языком все аспекты торговой стратегии. В таком случае существенную роль будет иметь личный опыт трейдера и его личное ощущение рынка. Программа не обладает такими свойствами, а заложенные программистом допуски могут быть неидеальны.
К положительным сторонам алготрейдинга можно добавить отсутствие психологического фактора у программ. В то время, как именно психологический барьер часто является причиной нарушения торговой стратегии трейдерами, особенно новичками.
С другой стороны, временные ряды изменчивы. Поэтому любая торговая стратегия имеет ограниченный срок службы. Как следствие, с течением времени возникает необходимость адаптации торговых систем к текущим рыночным ситуациям, а классический робот не может оценивать свою результативность и вносить изменения в торговый алгоритм или его параметры без помощи человека.
Что же мы ожидаем от применения искусственного интеллекта и нейронных сетей в частности?
При построении математической модели с использованием нейронной сети мы не прописываем весь торговый алгоритм, как в классическом алготрейдинге. Мы лишь даем обучающую выборку и предлагаем нейронной сети самой найти закономерности и корреляцию между исходными данными и конечным результатом. При этом мы ожидаем, что нейронная сеть помимо очевидных закономерностей уловит и те мелкие колебания, которые позволят увеличить результативность торговой системы.
Создавая обучающую выборку для нейронной сети, мы можем не ограничиваться исходными данными какой-либо одной стратегии. Исходных данных может быть гораздо больше, чем способен оценить человек. При этом финальная математическая модель будет давать сигналы, не вписываемые ни в одну из ожидаемых стратегий. В итоге мы ожидаем получить результативность выше, чем у роботов, построенных по классической схеме алготрейдинга.
И конечно, свойство нейронных сетей к обучению позволяет создать методы оценки результативности работы стратегии и своевременного запуска процесса обучения нейронной сети для адаптации к текущим рыночным условиям.
Таким образом, мы ожидаем снижение отрицательных сторон алготрейдинга при сохранении его положительных аспектов.