AI w tradingu - 6 najgorętszych tematów (cz. 2 z 2)
Dane Alternatywne
AD pozwalają uzyskać lepszy obraz sytuacji firmy, surowca, waluty, pozwalają też ocenić „stan obecny” (nowcasting) ważnych dla nas wskaźników. Dzięki nim sygnały tradingowe są lepsze, precyzyjniejsze, mniej ryzykowne i bardziej zyskowne.
Jest to rewolucja towarzysząca rewolucji AI, a nawet ją poprzedzająca. Moim zdaniem jest dzisiaj ważniejsza niż AI, które jest dopiero na wczesnym etapie rozwoju (pomimo wielu imponujących osiągnięć). W mojej opinii to właśnie dzięki AD fundusze są w stanie zarabiać
więcej i budować swoją przewagę konkurencyjną nad innymi.
AD nie są częścią Artificial Intelligence. Przykładem AD są dane sprzedażowe z kart kredytowych. Dane te można wykorzystać do prognozowania wyników finansowych firm. Jeśli mamy dane historyczne to w najprostszym przypadku do wykonania prognoz wystarczy nam… arkusz kalkulacyjny.
A gdy interesują nas bardziej zaawansowane wskaźniki przyszłej zyskowności (consumer spending paterns, brand loyalty, switching between products/brands, trending moods, competitors performance) do gry mogą wejść modele tworzone przy pomocy Machine Learning.
Wraz z rosnącą liczbą źródeł danych i komplikacją modeli prognozowania tradycyjne z nich zostaną w bardzo dużej części lub nawet całkowicie zastąpione przez modele oparte o AI/ML.
W niedalekiej przyszłości tradycyjne modele prognozowania zostaną w bardzo dużej części zastąpione przez modele oparte o AI/ML.
Wizualizacja
Ludziom łatwiej przychodzi patrzenie niż myślenie. „Analiza” wzrokowa wykształciła się na długo wcześniej niż myślenie abstrakcyjne.
Za tą uwagą stoi coś bardzo poważnego: znacznie łatwiej przychodzi nam zrozumieć sytuację, gdy mamy ją pokazaną przy użyciu obrazów, a nie opisu słownego. Dlatego, na ile jest to możliwe, należy używać pomocy graficznych – grafik, obrazków, schematów, czy wykresów do zilustrowania danych, sytuacji i procesów.
Z całą pewnością dobre praktyki to zastanowienie się, jaki cel chcemy osiągnąć, kto i co ma lepiej zrozumieć dzięki ilustracji graficznej? Podobnie, szanowanie prostoty przekazu, gra kolorów i dbanie o maksymalną czytelność.
Kolejną dobrą praktyką jest dostarczenie benchmarku, czyli punktu odniesienia, do którego porównujemy jakąś wielkość. Nasz umysł lepiej radzi sobie obserwując różnice pomiędzy jakimś poziomem referencyjnym, a aktualnym wskazaniem. Bardzo dobra praktyka to ułatwianie odbiorcom szybkiego zrozumienia sytuacji. Przygotowując pomoce wizualne staraj się pomóc zrozumieć sytuację jak najszybciej – czy jesteśmy w sferze „normalności”, czy już poza nią wyszliśmy.
Wszystkie kluczowe procesy, o krytycznym znaczeniu powinny mieć jakieś odwzorowanie graficzne. Powinno ono pozwalać na szybką ocenę sytuacji szczególnie w sytuacjach niecodziennych lub kryzysowych. Jako przykład podam schemat kolorów: zielony gdy wszystko idzie dobrze, pomarańczowy gdy coś wymaga uwagi a czerwony, gdy mamy sytuację krytyczną.
Brzmi znajomo? Powinno.
Wraz z dojrzewaniem AI ilość informacji i komplikacja systemów (i portfolio) będzie tylko rosła, dlatego zastosowanie ustandaryzowanych wskaźników w firmie dla zobrazowania kluczowych procesów jest czymś, co warto rozwijać, jako wartościową umiejętność.
Powiem to jeszcze inaczej, aby podkreślić szczególną ważność tego tematu – umiejętność prezentacji graficznej ważnych procesów dla firmy jest kompetencją, jaką warto rozwijać. Warto dyskutować, jakie wskaźniki zastosować, jakie typy wykresów, jakie kolory, jakie schematy – po to, aby ułatwiać i wzmacniać zrozumienie, umiejętność i szybkość podejmowania decyzji.
To jeden z bardzo ważnych elementów budowania i utrwalania inteligencji strukturalnej firmy.
Umiejętność prezentacji graficznej ważnych procesów to jeden z kluczowych budowania i utrwalania inteligencji strukturalnej firmy.
Automatyzacja
Automatyzacja to kluczowy proces leżący u podstaw wykorzystania sztucznej inteligencji.
Polega na tym, aby stopniowo uczyć się i automatyzować kolejne funkcje ludzkiej inteligencji. Ostatecznym etapem rozwoju AI w tradingu jest pełna autonomia maszyn z poziomem percepcji, „myślenia”, decydowania daleko przekraczającym możliwości ludzkie pod każdym względem.
Co to znaczy dla traderów i funduszy teraz i w przyszłości?
Dziś automatyzacja jest jednym z głównych tematów, ponieważ zdejmuje ciężar rutynowych działań i obowiązków z barków traderów. Jednym z głównych problemów na jaki skarzą się traderzy to nadmierne obciążenie obowiązkami i przeładowanie informacyjne.
Główni kandydaci do automatyzacji to czynności rutynowe, które nie wymagają wkładu intelektualnego. A z czasem coraz więcej czynności będzie automatyzowanych – i o tym za chwilę.
Jeśli mamy świetnego tradera to tylko jakaś część jego czynności rzeczywiście wnosi dużą wartość i tę część powinien wykonać sam. W przypadku pozostałych rzeczy można myśleć o wsparciu przy użyciu automatu lub kogoś dodatkowego do pomocy.
Przykład czego nie automatyzować: decyzji nie rutynowych, decyzji w sytuacjach wyjątkowych lub krytycznych oraz wymagających syntetycznej wiedzy specjalistycznej poza zasięgiem narzędzi AI.
Można za to ze spokojem zautomatyzować wykonanie decyzji w sytuacjach krytycznych.
W sytuacji ekstremalnej trader tylko naciska odpowiedni klawisz, a automat stara się w jak najszybszy sposób uciec z rynku. Stara się wykorzystać płynność, zmniejszyć koszty i zminimalizować negatywny wpływ dużego zlecenia z jakiego wychodzi. W 9 na 10 automat sytuacji zrobi to lepiej niż trader, a w przypadku bardzo dużych zleceń – w 10 na 10.
Automatyzacja będzie się powiększała i obejmowała coraz więcej czynności, z czasem również te nie-rutynowe.
W przyszłości
Aby zrozumieć, jak będzie wyglądała automatyzacja w funduszu w przyszłości musimy najpierw dowiedzieć się czym jest proces decyzyjny tradera dyskretnego albo systemu automatycznego.
Proces decyzyjny składa się ze wszystkich elementów, jakie prowadzą od wstępnej analizy (na co i gdzie zagrać) przez wybór miejsca, wejścia, zarządzania pozycją, wyjścia, po analizy post trade wszystkich czynników, które złożyły się na wejście.
Tych etapów może być oczywiście znacznie więcej, jeśli podejdziemy bardziej szczegółowo (a największe fundusze tak właśnie robią).
Automatyzacja tutaj polega na tym, że bierzemy pojedynczy element procesu decyzyjnego i staramy się go najpierw udoskonalić, a potem zautomatyzować. Dobrze byłoby tez zapewnić jakiś kanał informacji zwrotnej tak abyśmy my, a z czasem też system AI, byli w stanie ulepszać ten element na podstawie napływających i analizowanych danych. Chcemy, aby system sam się uczył.
W skrócie – automatyzujemy najlepsze praktyki na każdym etapie i zapewniamy feedback, aby system się uczył i ulepszał.
Z kolei automatyzacja wejść może polegać na rozbijaniu pozycji na mniejsze, badaniu struktur zleceń powyżej i poniżej, tworzeniu i wykonaniu strategii wejścia, aby zminimalizować koszty oraz ruch przeciwny rynku. Częścią automatyzacji może być też ukrywanie pozycji oraz maksymalizacja pozycji dla najlepszych sygnałów.
Podsumowanie
Omówiliśmy sześć „najgorętszych” tematów jakie obecnie występują w obszarze Artificial Intelligence. Dla osoby z zewnątrz zajmującej się tradingiem na pewno dwa będą najważniejsze: XAI oraz Alternative data.
Pierwszy – bo otwiera nowy, potężny trend dostosowania nowych narzędzi do poziomu zrozumienia tradera, ponieważ rozumiemy, że zejście gradientowe na rozmaitości różniczkowalnej nic mu nie mówi.
Drugi – bo to właśnie alternatywne dane dają dziś główną przewagę konkurencyjną traderom i funduszom.
Na zakończenie warto powtórzyć jedną ważną myśl: rewolucja AI dopiero się zaczyna. Ona zupełnie zmieni nasz świat i sposoby inwestowania. Ten proces jest niesamowicie fascynujący.
Jeśli podoba Ci się ten materiał - daj boosta 🚀 lub komentarz, żebyśmy wiedzieli by publikować dalej. Dzięki!
Zaobserwuj: https://pl.tradingview.com/u/drSwierk/
AD pozwalają uzyskać lepszy obraz sytuacji firmy, surowca, waluty, pozwalają też ocenić „stan obecny” (nowcasting) ważnych dla nas wskaźników. Dzięki nim sygnały tradingowe są lepsze, precyzyjniejsze, mniej ryzykowne i bardziej zyskowne.
Jest to rewolucja towarzysząca rewolucji AI, a nawet ją poprzedzająca. Moim zdaniem jest dzisiaj ważniejsza niż AI, które jest dopiero na wczesnym etapie rozwoju (pomimo wielu imponujących osiągnięć). W mojej opinii to właśnie dzięki AD fundusze są w stanie zarabiać
więcej i budować swoją przewagę konkurencyjną nad innymi.
AD nie są częścią Artificial Intelligence. Przykładem AD są dane sprzedażowe z kart kredytowych. Dane te można wykorzystać do prognozowania wyników finansowych firm. Jeśli mamy dane historyczne to w najprostszym przypadku do wykonania prognoz wystarczy nam… arkusz kalkulacyjny.
A gdy interesują nas bardziej zaawansowane wskaźniki przyszłej zyskowności (consumer spending paterns, brand loyalty, switching between products/brands, trending moods, competitors performance) do gry mogą wejść modele tworzone przy pomocy Machine Learning.
Wraz z rosnącą liczbą źródeł danych i komplikacją modeli prognozowania tradycyjne z nich zostaną w bardzo dużej części lub nawet całkowicie zastąpione przez modele oparte o AI/ML.
W niedalekiej przyszłości tradycyjne modele prognozowania zostaną w bardzo dużej części zastąpione przez modele oparte o AI/ML.
Wizualizacja
Ludziom łatwiej przychodzi patrzenie niż myślenie. „Analiza” wzrokowa wykształciła się na długo wcześniej niż myślenie abstrakcyjne.
Za tą uwagą stoi coś bardzo poważnego: znacznie łatwiej przychodzi nam zrozumieć sytuację, gdy mamy ją pokazaną przy użyciu obrazów, a nie opisu słownego. Dlatego, na ile jest to możliwe, należy używać pomocy graficznych – grafik, obrazków, schematów, czy wykresów do zilustrowania danych, sytuacji i procesów.
Z całą pewnością dobre praktyki to zastanowienie się, jaki cel chcemy osiągnąć, kto i co ma lepiej zrozumieć dzięki ilustracji graficznej? Podobnie, szanowanie prostoty przekazu, gra kolorów i dbanie o maksymalną czytelność.
Kolejną dobrą praktyką jest dostarczenie benchmarku, czyli punktu odniesienia, do którego porównujemy jakąś wielkość. Nasz umysł lepiej radzi sobie obserwując różnice pomiędzy jakimś poziomem referencyjnym, a aktualnym wskazaniem. Bardzo dobra praktyka to ułatwianie odbiorcom szybkiego zrozumienia sytuacji. Przygotowując pomoce wizualne staraj się pomóc zrozumieć sytuację jak najszybciej – czy jesteśmy w sferze „normalności”, czy już poza nią wyszliśmy.
Wszystkie kluczowe procesy, o krytycznym znaczeniu powinny mieć jakieś odwzorowanie graficzne. Powinno ono pozwalać na szybką ocenę sytuacji szczególnie w sytuacjach niecodziennych lub kryzysowych. Jako przykład podam schemat kolorów: zielony gdy wszystko idzie dobrze, pomarańczowy gdy coś wymaga uwagi a czerwony, gdy mamy sytuację krytyczną.
Brzmi znajomo? Powinno.
Wraz z dojrzewaniem AI ilość informacji i komplikacja systemów (i portfolio) będzie tylko rosła, dlatego zastosowanie ustandaryzowanych wskaźników w firmie dla zobrazowania kluczowych procesów jest czymś, co warto rozwijać, jako wartościową umiejętność.
Powiem to jeszcze inaczej, aby podkreślić szczególną ważność tego tematu – umiejętność prezentacji graficznej ważnych procesów dla firmy jest kompetencją, jaką warto rozwijać. Warto dyskutować, jakie wskaźniki zastosować, jakie typy wykresów, jakie kolory, jakie schematy – po to, aby ułatwiać i wzmacniać zrozumienie, umiejętność i szybkość podejmowania decyzji.
To jeden z bardzo ważnych elementów budowania i utrwalania inteligencji strukturalnej firmy.
Umiejętność prezentacji graficznej ważnych procesów to jeden z kluczowych budowania i utrwalania inteligencji strukturalnej firmy.
Automatyzacja
Automatyzacja to kluczowy proces leżący u podstaw wykorzystania sztucznej inteligencji.
Polega na tym, aby stopniowo uczyć się i automatyzować kolejne funkcje ludzkiej inteligencji. Ostatecznym etapem rozwoju AI w tradingu jest pełna autonomia maszyn z poziomem percepcji, „myślenia”, decydowania daleko przekraczającym możliwości ludzkie pod każdym względem.
Co to znaczy dla traderów i funduszy teraz i w przyszłości?
Dziś automatyzacja jest jednym z głównych tematów, ponieważ zdejmuje ciężar rutynowych działań i obowiązków z barków traderów. Jednym z głównych problemów na jaki skarzą się traderzy to nadmierne obciążenie obowiązkami i przeładowanie informacyjne.
Główni kandydaci do automatyzacji to czynności rutynowe, które nie wymagają wkładu intelektualnego. A z czasem coraz więcej czynności będzie automatyzowanych – i o tym za chwilę.
Jeśli mamy świetnego tradera to tylko jakaś część jego czynności rzeczywiście wnosi dużą wartość i tę część powinien wykonać sam. W przypadku pozostałych rzeczy można myśleć o wsparciu przy użyciu automatu lub kogoś dodatkowego do pomocy.
Przykład czego nie automatyzować: decyzji nie rutynowych, decyzji w sytuacjach wyjątkowych lub krytycznych oraz wymagających syntetycznej wiedzy specjalistycznej poza zasięgiem narzędzi AI.
Można za to ze spokojem zautomatyzować wykonanie decyzji w sytuacjach krytycznych.
W sytuacji ekstremalnej trader tylko naciska odpowiedni klawisz, a automat stara się w jak najszybszy sposób uciec z rynku. Stara się wykorzystać płynność, zmniejszyć koszty i zminimalizować negatywny wpływ dużego zlecenia z jakiego wychodzi. W 9 na 10 automat sytuacji zrobi to lepiej niż trader, a w przypadku bardzo dużych zleceń – w 10 na 10.
Automatyzacja będzie się powiększała i obejmowała coraz więcej czynności, z czasem również te nie-rutynowe.
W przyszłości
Aby zrozumieć, jak będzie wyglądała automatyzacja w funduszu w przyszłości musimy najpierw dowiedzieć się czym jest proces decyzyjny tradera dyskretnego albo systemu automatycznego.
Proces decyzyjny składa się ze wszystkich elementów, jakie prowadzą od wstępnej analizy (na co i gdzie zagrać) przez wybór miejsca, wejścia, zarządzania pozycją, wyjścia, po analizy post trade wszystkich czynników, które złożyły się na wejście.
Tych etapów może być oczywiście znacznie więcej, jeśli podejdziemy bardziej szczegółowo (a największe fundusze tak właśnie robią).
Automatyzacja tutaj polega na tym, że bierzemy pojedynczy element procesu decyzyjnego i staramy się go najpierw udoskonalić, a potem zautomatyzować. Dobrze byłoby tez zapewnić jakiś kanał informacji zwrotnej tak abyśmy my, a z czasem też system AI, byli w stanie ulepszać ten element na podstawie napływających i analizowanych danych. Chcemy, aby system sam się uczył.
W skrócie – automatyzujemy najlepsze praktyki na każdym etapie i zapewniamy feedback, aby system się uczył i ulepszał.
Z kolei automatyzacja wejść może polegać na rozbijaniu pozycji na mniejsze, badaniu struktur zleceń powyżej i poniżej, tworzeniu i wykonaniu strategii wejścia, aby zminimalizować koszty oraz ruch przeciwny rynku. Częścią automatyzacji może być też ukrywanie pozycji oraz maksymalizacja pozycji dla najlepszych sygnałów.
Podsumowanie
Omówiliśmy sześć „najgorętszych” tematów jakie obecnie występują w obszarze Artificial Intelligence. Dla osoby z zewnątrz zajmującej się tradingiem na pewno dwa będą najważniejsze: XAI oraz Alternative data.
Pierwszy – bo otwiera nowy, potężny trend dostosowania nowych narzędzi do poziomu zrozumienia tradera, ponieważ rozumiemy, że zejście gradientowe na rozmaitości różniczkowalnej nic mu nie mówi.
Drugi – bo to właśnie alternatywne dane dają dziś główną przewagę konkurencyjną traderom i funduszom.
Na zakończenie warto powtórzyć jedną ważną myśl: rewolucja AI dopiero się zaczyna. Ona zupełnie zmieni nasz świat i sposoby inwestowania. Ten proces jest niesamowicie fascynujący.
Jeśli podoba Ci się ten materiał - daj boosta 🚀 lub komentarz, żebyśmy wiedzieli by publikować dalej. Dzięki!
Zaobserwuj: https://pl.tradingview.com/u/drSwierk/
Powiązane publikacje
Wyłączenie odpowiedzialności
Informacje i publikacje przygotowane przez TradingView lub jego użytkowników, prezentowane na tej stronie, nie stanowią rekomendacji ani porad handlowych, inwestycyjnych i finansowych i nie powinny być w ten sposób traktowane ani wykorzystywane. Więcej informacji na ten temat znajdziesz w naszym Regulaminie.