Los hedge funds han estado tratando de enseñar a las computadoras a pensar como los traders durante años. Ahora, después de muchos amaneceres falsos, una tecnología de inteligencia artificial llamada aprendizaje profundo que imita a las neuronas de nuestro cerebro está acercando esta promesa a las empresas.
WorldQuant lo está utilizando para el trading a pequeña escala, según una persona con conocimiento de la empresa. Man AHL pronto puede comenzar a apostar con este sistema también. Winton y Two Sigma también están entrando en el brain game.
Las firmas cuantitativas esperan que esta Inteligencia Artificial les dé una ventaja en la creciente carrera de armamento tecnológico en las finanzas globales. Si tienen razón, las redes neuronales podrían ayudar a impulsar la transformación de las finanzas, enfrentando a la máquina contra los humanos y amenazando los empleos de inversión de la vieja escuela. Pero los investigadores de hoy tienen cuidado en no exagerar los beneficios de esta tecnología - es sólo otra flecha potencial en su arsenal - después de decepciones anteriores.
"Después de haber presenciado en los años 90 el boom y posterior fracaso de los fondos de cobertura que usaban redes neuronales, tendemos a ser escépticos con las afirmaciones de que el" aprendizaje profundo "solucionará el problema general de la administración de inversiones", indicó Winton.
Los fondos de Quant están siguiendo el liderazgo de gigantes tecnológicos como Google, que han demostrado el valor del aprendizaje profundo. La tecnología, que necesita computadoras súper potentes y troves de datos, ya permite los automóviles autodirigidos de Tesla y el Echo de Amazon, un altavoz inteligente activado por la voz. Está a unos cinco años de convertirse en una herramienta principal en los fondos de cobertura, dijo Nicolás Chapados, un informático que colabora con el profesor Yoshua Bengio, pionero en el aprendizaje profundo.
"Hay una gran clase de modelos del aprendizaje profundo utilizados en empresas tecnológicas que pueden adaptarse al procesamiento financiero", dijo Chapados, que co-lidera el fondo Quantos Chapados Couture Capital, una firma de investigación que utiliza esta tecnología.
Los fondos de cobertura están retrasados en el despliegue del aprendizaje profundo porque carecen de experiencia en su aplicación a datos financieros complejos. El reconocimiento de imagen de Facebook - la capacidad de identificar a un perro en una foto, por ejemplo - ha tenido éxito porque se basa en cantidades ilimitadas de datos, con puntos fijos como píxeles, cargados por usuarios de redes sociales. Por otro lado, los datos del mercado son limitados y cambian constantemente, haciendo que las predicciones de eventos como los movimientos de acciones sean más difíciles.
El aprendizaje profundo imita libremente la actividad de las múltiples capas de neuronas de nuestro cerebro. Las neuronas están densamente interconectadas de maneras complejas, intercambiando señales a otras células y forjando nuevas conexiones a medida que aprendemos. El poder del aprendizaje profundo proviene de un procesamiento no lineal, multi-capas de datos, que permite a los ordenadores construir conceptos sofisticados a partir de los básicos.
Considere una búsqueda cuantitativa de factores que podrían impulsar a una acción. Hoy en día un analista tiene que seleccionar manualmente factores como las relaciones precio/beneficios para compara acciones. Un quant que utiliza el aprendizaje profundo da a la red neural un precio objetivo y luego alimenta el modelo con la información de la empresa y del mercado. Las neuronas artificiales son funciones de matemáticas que exprimen los datos. A medida que se mueve a través de capas, las neuronas se autoajustan - o aprenden - para acercarse a su meta: encontrar factores que pronostiquen cuando la acción alcanzará el objetivo.
Desafíos del aprendizaje profundo
Anthony Ledford, científico jefe de Man AHL en Londres, dijo que sus investigadores han pasado más de un año desarrollando un aprendizaje profundo y la firma espera comenzar a operar en vivo con este sistema pronto. El hedge fund ha estado asignando dinero a una estrategia de aprendizaje de máquina.
"En el aprendizaje profundo, uno no tiene que definir las características de antemano, el aprendizaje profundo tiene como objetivo identificarlas para usted", dijo Ledford, cuya unidad de Man Group gestiona cerca de 18.300 millones de dólares. "Conocemos muchos rasgos potencialmente predictivos que ya dieron la historia de AHL hace tres décadas, por lo que el verdadero reto está a menudo en configurar la metodología, los datos y los cálculos para descubrir nuevas características, no las que ya conocemos, lo cual es muy desafiante en sí mismo."
Winton también está experimentando con esa tecnología. Dos Sigma, el hedge fund de 40 mil millones de dólares, está contratando a investigadores para un nuevo equipo de aprendizaje profundo, de acuerdo con su sitio web. Una portavoz de WorldQuant, que gestiona fondos para Millennium Management, se negó a comentar este aspecto.
Los investigadores académicos han encontrado que el aprendizaje profundo puede generar beneficios sobre las apuestas en eventos corporativos como las opas. En un estudio de 2015 sobre la capacidad de la tecnología para predecir movimientos de 15 acciones en el Índice S&P 500, se obtuvieron más de 10 millones de eventos de las noticias financieras como parte de la capacitación del sistema informático. Al simular el trading con esas acciones, el modelo obtuvo un beneficio acumulado, según los investigadores liderados por Xiao Ding del Instituto de Tecnología de Harbin del Centro de Investigación para la Computación Social y Recuperación de Información en China.
"Si bien las técnicas de aprendizaje profundo pueden funcionar muy bien utilizando millones, si no miles de millones, de puntos de datos en los mercados de divisas y materias primas que están correlacionados entre sí, es difícil construir un buen modelo utilizando sólo mil puntos de datos de los datos de una sola acción", dijo Hitoshi Harada, co-fundador de Alpaca, una startup que vende plataformas de trading de aprendizaje profundo a bancos y otras empresas financieras.
Los investigadores de Winton, a pesar de los desafíos, siguen estudiando el aprendizaje profundo, no como una fuerza revolucionaria sino como un arma útil.
"Sin embargo, creemos que la tecnología ha avanzado suficientemente en los últimos años para sugerir que tales métodos tienen el potencial de mejorar elementos de nuestro proceso, y el aprendizaje profundo es un área activa de investigación a largo plazo para Winton", dijo el fondo de cobertura.
Fuentes: BBG
No hay comentarios:
Publicar un comentario