یادگیری ماشین برای معامله گری

پیشگفتار

تکنولوژی معنی می کند که کسب و کار در آینده به چه شکلی باید باشد.در دهه گذشته، دقیقا همین جمله نیروی محرکهِ هر چیزی که مرتبط به تکنولوژی، مانند سخنرانی و یا مقالات بود. اما با رشد انفجاری هوش مصنوعی (Artificial Intelligence) و زیر مجموعه های آن مانند یادگیری ماشین و یادگیری عمیق، در حال حاضر می توانیم با اطمینان بگوییم که آینده ساز ترین تکنولوژی ای که در مورد آن صحبت می کردیم دقیقا حالا پیش روی ماست. استراتژی های سرمایه گذاری هیچگاه خالی از ریسک و شک نبوده است حال این کار آسان ارزیابی می شود و غلبه بر آن ممکن شده است و بازگشتیِ سرمایه گذاری بسیار زیاد و قابل پیش بینی است. شکی نیست که ارزشی بالغ بر چند تریلیون دلارِ صنعت فینتکی، یکی از اولین نشانه های سازگاری تکنولوژی هوش مصنوعی و ترند اصلی بودن آن در تمامی عملیات ها برای تمامی دنیا می باشد. امروز می خواهیم به بررسی فواید یادگیری ماشین برای بحث برانگیز ترین قسمت فینتک یعنی معامله و ترید بپردازیم که با وجود این ابزار تغییرات بشدت سریعی در ترندهای این مسئله رخ داده است و تصمیماتی پرخطر و در عین حال امیدوار کننده در زمینه معامله گری و درنهایت داستان معامله گری اتفاق افتاده است.

معامله و یا ترید چیست و چگونه انجام می شود؟

قبل از اینکه به مبحث یادگیری ماشین و صحبت های در مورد آن ورود کنیم، در ابتدا می خواهیم اطلاعات اساسی ای همچون پایه و اساس تردینگ و معامله گری در بازار سهام را بررسی کنیم. به ساده ترین زبان، معامله به معنای خرید و فروش یک جنس می باشد. به طورطبیعی، معامله گران علاقه مندند تا از هر معامله که در آن حضور پیدا می کنند، سود کنند. این زمانی درست عمل می کند که دوطرف معامله یعنی خریدار و فروشنده احساس کنند که این معامله، معامله خوبی بوده است. (این دقیقا نکته و صفت کلیدی برای کیفیت و موثر بودن معامله می باشد.)

با چه کسی معامله می کنید؟ با دیگر افرادی که در بازار و مارکت حضور دارند و سعی در کسب درآمد، درست مثل شما دارند. بروکرها یا کارگزاری ها درست مثل واسطه در میان مردم برای معامله جدید و وصل کردن آنها به هم عمل می کنند. هم خریدار و هم فروشنده به طور ثابت به بروکر ها در معامله اتکا می کنند. موجودی کالا (دارایی فعلی و یا کالایی با ارزش در معاملات، چیزی که مردم می خرند یا می فروشند) نیز نامیده می شود.

موجودی از کالا و زمانی که باقی مانده است، نشان می دهد که تا چه میزان می توان در معامله تهاجمی برخورد کرد. (زمان کمتر و همچنین موجودی کمتر می تواند یک نیروی محرکه برای شما باشد!) همچنین اگر شما زمان بیشتری دارید و کالای موجود زیادی نیز دارید، می توانید صبور باشید و منتظر قیمت های بهتر بمانید.

دنیای معامله گری با قوانین ساده اقتصاد پیش می رود، مثل اینکه اگر خریداران بیشتری از چیزهایی که برای فروش هست وجود دارند، تقاضا بیشتر می شود و قیمت شروع به افزایش می کند. به عنوان یک معامله گر، شما می خواهید چیزهایی بخرید که انتظار دارید قیمتش افزایش پیدا کند. هنگامی که شما یک پوزیشن کوتاه باز می کنید (پوزیشن کوتاه به معنای باز کردن یک درخواست فروش است. در بازارهای دوطرفه امکان خرید و فروش وجود دارد یعنی می توان یک پوزیشن باز کرد که از پایین رفتن نمودار سود حاصل شود.) و قیمت شروع به افزایش می کند، شما پولی را که می توانستید بالقوه با فروش سهم، کمی بعدتر بدست آورید، از دست می دهید. همیشه در معامله یک نفر برنده و دیگری بازنده است و این قانون معامله در همه جا است. این غیرممکن است که همیشه در سمت برندگان باشید اما شما به عنوان یک تریدر و معامله گر تلاش می کنید که بیشتر برنده باشید و از سود خود نگهداری کنید و تعادل مالی برقرار کنید. وارد شدن به یک پوزیشن بلند (پوزیشن بلند به معنای درخواست خرید است.) در یک سهام یک تصمیم جدی است و نیازمند تحلیل و تجربه، برای ایمن ماندن از ریخت و پاش های غیر ضروری است.

پس چرا کسب و کار ها در وهله اول اول وارد بازار سهام می شوند؟ شما احتمالا از این غافلگیر نخواهید شد که حقیقت این است که شرکت ها برای افزایش درآمد عمومی، وارد می شوند. به طور پایه ای، آنها قسمت های کوچکی از خود را به شکل سهم برای کسانی که علاقه مند به خرید هستند، ارائه می دهند. زمانی که شما سهمی را می خرید این به معنای این است که شما صاحب جزئی از شرکت هستید. موقعیت شرکت در بازار امن تر است، قیمت سهم آن نیز بالاتر است. در همین زمان به طور تازه شرکت هایی که کمتر مشهورند و پایداری کمتری نیز دارند از قیمت های بسیار پایین شروع می کنند. زمانی که آنها رشد پیدا کردند، ارزش سهم آنها نیز افزایش پیدا می کند. چیزی که همیشه باید در ذهن داشت این است که هدف تمامی اعضای بازار سهام، رسیدن به قیمت بالاتر است. بی واسطه بودن و نرخ مبادله یکی از فاکتورهایی است که معامله گران و کارگزاری ها به آن توجه می کنند که ببینند این معامله بالقوه می تواند کار هوشمندانه باشد و یا خیر.

به هرحال با هرحرکتی معامله گران تلاش می کنند تا درآمد را حداکثر و هزینه را حداقل کنند که در معامله گری راه های متفاوتی وجود دارد که موفقیت را به خوبی اندازه گیری می کند. در اینجا چند سنگ محک رایج که در معامله گری استفاده می شود، وجود دارد:

• میانگین وزنی حجم (VWAP)
• میانگین وزنی زمان (TWAP)
• پیاده سازی به کمک کسری و فاصله (نقطه میانه گسترش پیشنهاد قیمت در ابتدا)

به کمک معیارهایی که در بالا لیست شدند، می توان یک دیتای آماریِ قابل مقایسه جمع آوری کرد که به عنوان یک رفرنس و مبنا برای فرصت های پیشرفت آینده استفاده شود.

اگر یک نفر عمیق تر وارد بازار سرمایه شود، سوال های بیشتری نسبت به شروع خواهد داشت. به طور مثال، چرا یک نفر سهمی از یک شرکت معتبر که جایگاه پایداری در بازار دارد را، به فروش می رساند؟ دو پاسخ اصلی که مردم تصمیم می گیرند سهم های خود را بفروشند این است که: الف) یک فرد به پول در حال حاضر نیاز دارد و مبتدی ها نمی دانند که سهم ها تا زمانی که بفروش نرسند هیچ ارزش واقعی ای ندارند. سهم ممکن است ارزش زیادی داشته باشد ولی تا زمانی که سهامدار به پول واقعی آن را تبدیل نکند، ارزشش قفل است. امروزه، صنعت معامله گری پر از رازهای مختلف است و مهندسان نرم افزار در کنار هم به کمک تحلیل های فینتکی به سرعت دریافتند که برنامه های کاربریِ یادگیری ماشین پتانسیل اعجاب انگیزی در تردینگ دارند و آنها فقط قادر به انجام تسک های پیچیده برای انسان ها نیستند و میتوان به کمک توجهِ تازه واردان این صنعت، کار را راحت تر کرد و امنیت بیشتری در معامله پیدا کرد.

یادگیری ماشین در مبحث معامله گری به چه معناست؟

از زمان پیدایش یادگیری ماشین، هوش مصنوعی به شکل گسترده در صنعت فینتک استفاده شده است. مدل های پیشگو اولین استفادهِ هوش مصنوعی در این صنعت بودند که مزیت های خود را به کمک هوش مصنوعی در مسائل مالی آوردند. پس از آن، صنعت مالی شروع به سرمایه گذاری در زمینه نرم افزار های هوش مصنوعی کرد که در آن زمان بیش از اندازه معقول، دارای ریسک و همچنین غیرقطعی تلقی می شد. هوش مصنوعی به بانک ها اجازه داد که بودجه های خود را با کاهش سرمایه نیروی انسانی ذخیره کنند و میزانی از آن را به فعالیت هایی مثل نرم افزارهای تحلیلی و کاهش ریسک اختصاص دهند. در آن دوره، این مسئله به شروع یک ترند الگوریتمی در تمامی حوزه فینتک کمک نکرد ولی صنعت صندوق های پوشش ریسک به خوبی شروع به حرکت در زمینه معاملات الگوریتمی کردند.

تنها مشکلی که با بازارهای سرمایه وجود داشت این بود که آنها مناطقی بودند که بشدت پویا و به سختی قابل پیش بینی بودند. این به معنای این است که معاملات الگوریتمی باید در طول زمان تغییر کند و در تمام اوقات سازگار شود. نیازی به گفتن نیست که برای انسان ها بسیار سخت بود که به موقع بتوانند (تحرکات بازار برای تغییر استراتژی را) دنبال کنند. در اینجا بود که یادگیری ماشین تبدیل به یک ضرورت شد و الگوریتم ها در آن می توانستند به طور خودکار تغییر کنند و عملکرد آنها به طور خودکار بررسی می شد.

قدرت های هوش مصنوعی در تردینگ

بررسی جزئیِ بازار: یادگیری ماشین می تواند در لحظه فعالیت بازار را زیر نظر بگیرد پس می تواند قیمت را به کمک وضعیت بازار، به درستی پیش بینی کند، زمانی که تصمیم، یک پوزیشن کوتاه باشد. این بی واسطه بودن با قیمت، یک صفت است که عملکرد یک معامله گر را نشان می دهد و تجربه ی مثبت و منفی را حتی در زمان طولانی، از یکدیگر جدا می کند.

تحلیل سابقهِ گذشته برای معامله های آینده: تحلیل سابقهِ گذشته یکی دیگر از ملاک های مهم می باشد، زمانی که آن، به یک رویکرد سیستماتیک برای رسیدن به معامله موفق در آینده تبدیل شود. صرف نظر از چیزی که ربات های هوش مصنوعیِ ساخته و توسعه یافته شده، برای معامله گری توسط شرکت ها به شما می گویند، معاملات الگوریتمی نیازمند ساعت های زیادی برای تست کردن می باشد و برای تست کردنِ یک مدل یادگیری ماشین، شما در حقیقت نیازمند شروع تردینگ هستید، پس بهتر است در ابتدا با حجم های کوچک شروع کنید. حتی زمانی که با حجم های کوچک شروع می کنید، یک مدلِ یادگیری ماشینِ به طور کامل تست شده، به شما امکان سفارش گذاری از یک دفتر که به کمک تاریخچه معاملات، شناسایی شده است را می دهد که یکی از مسائل کلیدی برای عملیات های کم ریسک با سهم ها می باشد. به آسودگی شما می توانید یک سری الگوریتم های جدید را بر روی بازار های شبیه سازی شده تست کنید. این امکان به نظر کم ریسک تر می آید، اما باید به یاد داشته باشید که بازار شبیه سازی شده با بازار واقعی تفاوت زیادی دارد.

یادگیری تقویتی: ربات هوش مصنوعی می تواند یاد بگیرد تا قیمت ها را از نمودار های مالی بخواند. به هرحال هیچکس نمی تواند همه چیز را یکجا بداند، درمیان شک و تردید است که آیا قدرت پردازش نرم افزارهای هوش مصنوعیِ مدرن بیشتر است یا مغز انسان.

اجرای بهینه: برخی از معامله گران برایشان سخت است تا بپذیرند اما حقیقت به آنها نشان می دهد که هوش مصنوعی، عملیات های سهم را بهتر از یک انسان معامله گر در اکثریت حالت ها انجام می دهد. هوش مصنوعی تنها قادر نیست که یک مدل رگرسیون خطی دقیق رسم کند بلکه می تواند دیتاهایی که از قبل درست شده است را بخواند و با یکدیگر برای تحلیل ادغام کند.برخلاف تصمیمات شخصی نرم افزار های یادگیری ماشین بر اساس اعداد سخت بنا شده اند و بدور از هرگونه تردیدِ "اگر اینطور شد.."، هستند.

توجه به ریسک:تحلیل های حجم های زیاد بر اساس سابقه تاریخیِ دیتای آنها به ما این امکان را می دهد که ریسک را ارزیابی کنیم و تغییرات را پیش بینی کنیم. این مشاهدات کانالیزه شده به ما اجازه رفتن در مسیری هوشمند تر را می دهد، بدین معنی که هوش مصنوعی حتی می تواند بدون دخالت انسانی سفارشات را بخرد یا بفروشد و اشتباهات کمتر آماری (معاملات بدون سود)،نسبت به انسان انجام دهد.

پیش بینی قیمت های سهام: شبکه عصبی به فینتک با کمک یادگیری عمیق معرفی شد که این علم اجازه می داد قیمت ها را ارزیابی و پیش بینی کنیم. عجالتاً افرادی که آماده سرمایه گذاری در هوش مصنوعی برای تجارت هستند به کمک انبوه توان محاسباتی مورد نیاز برای هر برنامه یادگیری عمیق، می توانند به این فعالیت بسیار پیچیده دسترسی داشته باشند، به هرحال مزیت هایی که این تکنولوژی آورده است شوک برانگیز است و بازگشت سرمایه ی زیادی این ریخت و پاش خواهد داشت.

یادگیری عمیق برای عملیات های بازار سهام

به هرحال بیشتر برنامه ها از منطقی که مهندسان از پیش در آن قرار می دهند استفاده می کنند مثل ربات تردینگ که بدون در نظر گرفتن مبحث هر چیزی که شما دستور بدهید را انجام می دهد. نرم افزار های بر پایه یادگیری عمیق برای خودشان فکر می کنند و سابقه قیمت ها را تحلیل می کنند، نمودار معامله را بررسی می کنند و خیلی کارهای دیگر برای معامله بهتر انجام می دهند. تفاوت کلیدی بین یک انسان معامله گر و هوش مصنوعی در اعداد پنهان می شود: هنگامی که یک نفر به طور میانگین در پنج سال 5000 ترید انجام می دهد، ربات معامله گر می تواند تا 1 میلیون تراکنش را در یک شب انجام دهد. این به معنای این است که ربات های هوش مصنوعی، در روند بازار دستکاری میکنند، در یک ثانیه می خرند و می فروشند که به معاملات با فرکانس بالا شناخته می شود. علاوه بر این اتفاق به کمک یادگیری عمیق، برنامه های معامله تجربه خود را با هر ترید افزایش می دهند و باهوش تر می شوند و شما خواهید فهمید که چرا متخصصان می گویند که هوش مصنوعی 3.5 تریلیون دلار از صندوق های پوشش ریسک را شامل می شود.

به هرحال، همه ما باید در ذهن بدون در نظر گرفتن قدرت پردازش درنظر داشته باشیم، ماشین های می توانند تنها خارج از زمینه اجتماعی پردازش کنند. به این معنا که اقتصاد، سیاست، فاکتور های اجتماعی و احساسات و یا بینش صنعت را از بیرون تغییر می دهد و نباید از تصمیمات هوش مصنوعی در این زمینه غفلت کرد.این می تواند به شکل اشکال غیر تهدید آمیز باشد زمانی که این در عملیات های با اعداد باشد اما اگر به چند موقعیت گذشته دراماتیک در دنیای اقتصاد نگاه کنیم، خواهید دید که گاهی اوقات ارزش احساسات از عقلانیت بالاتر است و احساسات به سادگی قابل شبیه سازی نیست.

مقاله اصلی: Machine Learning for Trading

مترجم: محمدامین مرتضایی - گروه مالی صدرا