Нейросеть для инвестирования. Стоит ли полагаться на искусственный интеллект? Часть 2.Продолжение. Чего не может нейросеть? Нейросеть не предсказатель, суть ее работы — аппроксимация. Это означает, что она может по результатам анализа предшествующих данных аппроксимировать (то есть рассчитать с некоторой погрешностью) следующие. Однако работает это только в том случае, если эти результаты вообще поддаются аппроксимации. Интересный факт! В обоснование применения нейросетей в инвестициях и трейдинге нередко приводят пример использования их для составления прогнозов погоды. Самое интересное, что с погодой это действительно работает! Однако те, кто проводит такие аналогии, редко задумываются о том, что условия прогнозирования этих явлений кардинально различаются. В целом теория говорит, что моделированию поддается любая система. Нужно только, чтобы она была самодостаточной. Это означает, что ее описание (или данные для анализа) представляют в полной мере всю возможную информацию о системе. В результате она перестает нуждаться в других внешних данных, кроме начального состояния. Именно в этом случае нейросеть или искусственный интеллект за счет аппроксимации предыдущих состояний может давать верные прогнозы. В случае с анализом и прогнозированием финансовых рынков система далека от самодостаточности. Котировки, на каком бы историческом интервале они ни были собраны, являются всего лишь следствием множества событий, которые в этой статистике никак не учитываются. Даже если дополнить историю котировок множеством данных из экономической, финансовой, политической, социальной сфер, все равно система не станет самодостаточной. Дело в том, что в этой системе главным компонентом, который должен быть введен в модель, является человек. Именно его реакция задает в дальнейшем поведение рынка (то есть является и причиной, и следствием). Это обязательно учитывать наряду с внешними воздействиями (например, новостями), являющимися причинами изменения поведения системы. Но моделировать придется не отдельного человека, а всю совокупность участников рынка, и не только рынка (например, требуется учет менеджмента компании на изменение курса ее акций). Таким образом, ИИ сможет прогнозировать поведение рынка только в случае, если сможет аппроксимировать поведение участников и других людей. Задача не выглядит нерешаемой, однако на современном этапе это потребует многократного увеличения потока обрабатываемых данных и, соответственно, вычислительных мощностей системы. Фактически это означает, что прямую задачу прогнозирования нейросеть выполнить пока не в состоянии. Есть ли у нейросетей в инвестировании перспективы уже сегодня? Однако для энтузиастов использования ИИ следует сказать, что все далеко не так плохо. Хотя нейросеть и не может пока прогнозировать поведение рынка, она вполне способна решать другие задачи. Например, вполне возможно провести обучение нейросети, после которого она сможет с высокой долей вероятности выделять тренды и участки флэта на рынке. Только решение этой задачи уже позволит использовать ИИ в торговых системах, причем с достаточно высоким уровнем доходности. Специалисты, которые занимаются вопросом нейросетей в трейдинге и инвестировании, говорят, что научить искусственный интеллект торговать гораздо проще, чем прогнозировать рынок. Действительно, в большинстве случаев принятие торговых решений (вход в рынок, фиксация прибыли, ограничение убытков) может быть формализовано в ограниченном наборе правил. Даже если человек их не в состоянии сформулировать, эта задача как раз для нейросети. Достаточно для обучения взять исторические данные (возможно, с дополнениями внешних факторов, таких как новости) и точно сформулировать условия извлечения прибыли и ограничения убытков. В результате будет получен вполне приличный торговый робот. Многие из таких уже вполне успешно работают на благо инвесторов крупных хедж-фондов и других участников рынка того же масштаба. #нейросеть и трейдинг