Prognozowanie kursów przez Sztuczną Inteligencję

Wyniki naszej twitterowej sondy w temacie prognozowania kursów giełdowych przez AI (sztuczną inteligencję) skłoniły mnie do sięgnięcia do klawiatury i krótkiego ich skomentowania oraz odniesienia tematu do praktyki.

Zacznijmy od wyników sondy:

Nieco jestem zaskoczony, że prawie połowa głosujących uważa, iż AI nie będzie w stanie prognozować i przy tym niekoniecznie chcieliby użycia owych prognoz przez każdego inwestora.

Sam głosowałem 2 x TAK i poniżej uzasadnię dlaczego.

     Ad 1/ Czyli czy AI będzie prognozować kursy?

Otóż odpowiedź może być tylko jedna: AI już to robi i będzie robić coraz lepiej!

Na podstawowym poziomie robią to zresztą sami inwestorzy np. w arkuszach kalkulacyjnych, modelach prognostycznych, programach analizujących dane (np.Amibroker) i wypluwających decyzje przesyłane wprost do brokera. Wszystko to opiera się na statystyce czy zwykłej matematyce, AI jest jedynie o kilka stopni wyżej rozwinięciem tych metod, aż po samodzielne uczenie się w trakcie tych procesów.

Zapytałem jednak ChatGPT o tę kwestię i dostałem poniższe odpowiedzi, które zacytuję, ponieważ zgadzam się z nimi i niewiele bym w nich cokolwiek poprawił:

Kat: Na ile szacujesz dokładność tych prognoz?

ChatGPT: Dokładność prognoz dotyczących rynków finansowych, generowanych przez systemy sztucznej inteligencji, zależy od wielu czynników, takich jak jakość danych wejściowych, jakość i kompletność algorytmów, dostępność informacji o rynkach i wiele innych. Nie ma jednoznacznej odpowiedzi na to pytanie, ponieważ dokładność prognoz będzie się różnić w zależności od wielu czynników.

Niektóre systemy prognozowania rynków finansowych oparte na sztucznej inteligencji mogą osiągnąć wysoką dokładność w przewidywaniu ruchów cenowych na rynkach finansowych. Na przykład, badania wykazały, że niektóre modele głębokiego uczenia były w stanie przewidywać zmiany cen akcji na rynku amerykańskim z ponad 80% dokładnością. Jednakże, dokładność takich modeli może być zmienna i uzależniona od okoliczności rynkowych, na które model jest szkolony.

Kat: Podaj źródła wspomnianych badań

ChatGPT: Przykłady badań nad zastosowaniem sztucznej inteligencji w przewidywaniu rynków finansowych to:

Ding et al. (2015) „Deep Learning for Event-Driven Stock Prediction”: Badanie to opisuje zastosowanie sieci neuronowej do przewidywania zmian cen akcji. W badaniu osiągnięto dokładność prognoz wynoszącą ponad 80%.

Heaton et al. (2017) „A Deep Learning Approach to Predicting Stock Prices”: W tym badaniu zastosowano głęboką sieć neuronową do przewidywania cen akcji na podstawie historycznych danych. Wyniki pokazały, że sieć neuronowa była w stanie dokładnie przewidzieć ruchy cenowe w krótkim okresie (np. 1 dzień), ale z mniejszą dokładnością w dłuższym okresie (np. 10 dni).

Feng et al. (2018) „Deep Learning for Short-Term Stock Price Prediction Using Recurrent Neural Network”: W badaniu tym autorzy wykorzystali sieci rekurencyjne (RNN) do przewidywania krótkoterminowych zmian cen akcji. Wyniki pokazały, że sieci RNN są w stanie osiągnąć wysoką dokładność prognoz, zwłaszcza dla akcji o niskiej zmienności.

Han et al. (2020) „Stock Price Prediction Using a Combination of Gated Recurrent Unit and Convolutional Neural Network”: W tym badaniu autorzy zastosowali połączenie sieci rekurencyjnej i sieci konwolucyjnej do przewidywania cen akcji. Osiągnięto dokładność prognoz wynoszącą około 70%.

Wszystkie wymienione badania można znaleźć w Internecie, np. w bazach danych naukowych takich jak IEEE Xplore, arXiv lub na stronach poszczególnych uniwersytetów.

Kat: Na czym polega generowanie automatycznych decyzji inwestycyjnych?

ChatGPT: Generowanie automatycznych decyzji inwestycyjnych polega na wykorzystaniu sztucznej inteligencji i algorytmów uczenia maszynowego do automatycznego podejmowania decyzji inwestycyjnych.

W ramach tego procesu, dane finansowe i inne informacje o rynku są zbierane i analizowane przez algorytmy sztucznej inteligencji, które na tej podstawie generują rekomendacje inwestycyjne. Decyzje inwestycyjne mogą być generowane w oparciu o określone cele inwestycyjne, takie jak maksymalizacja zysków, minimalizacja ryzyka, inwestowanie w określone branże czy spółki, czy inwestowanie w długoterminowe lub krótkoterminowe projekty.

Jednym z popularnych narzędzi wykorzystywanych w analizie technicznej jest analiza wykresów (charting), która polega na analizie wzorców w ruchach cenowych aktywów w przeszłości i szukaniu powtarzających się tendencji. Innym podejściem jest analiza fundamentalna, która polega na badaniu fundamentalnych wskaźników finansowych spółek, takich jak dochód, zysk, dywidenda, wskaźnik ceny do zysku (P/E) itp.

Generowanie automatycznych decyzji inwestycyjnych może przynieść wiele korzyści, takich jak szybsze i bardziej efektywne podejmowanie decyzji, wykorzystanie dużych ilości danych, które nie byłyby dostępne dla człowieka oraz eliminacja emocji, które często wpływają na decyzje inwestycyjne ludzi.

Jednakże, automatyczne decyzje inwestycyjne mają także swoje ograniczenia i ryzyka. Algorytmy sztucznej inteligencji mogą generować błędne decyzje, jeśli błędnie zinterpretują dane lub jeśli dane, na których są oparte, są niedokładne lub niewystarczające. Ponadto, wybór algorytmów, które będą wykorzystywane do generowania decyzji inwestycyjnych, wymaga wiedzy i doświadczenia z dziedziny finansów i programowania, aby zapewnić jakość i rzetelność wyników.

Kat: Czy rozwój nauki może doprowadzić do tego, że prognozy kursów przez sztuczną inteligencję będą w 100% trafione?

ChatGPT: Jest mało prawdopodobne, aby rozwój nauki doprowadził do sytuacji, w której prognozy kursów przez sztuczną inteligencję były w 100% trafione. Istnieje wiele czynników, które wpływają na rynki finansowe, takich jak zdarzenia polityczne, naturalne katastrofy, zmiany w sytuacji ekonomicznej kraju, decyzje podejmowane przez rządy i wiele innych czynników, które są trudne do przewidzenia.

Ponadto, sztuczna inteligencja działa na podstawie algorytmów, które są oparte na danych historycznych i innych informacjach. Chociaż algorytmy te mogą generować dobre prognozy w oparciu o wcześniejsze dane, to nie ma pewności, że te same wzorce i zależności zawsze będą występowały w przyszłości, co może prowadzić do błędów w prognozowaniu.

Niemniej jednak, rozwój technologii i algorytmów uczenia maszynowego może zwiększać skuteczność prognozowania kursów przez sztuczną inteligencję, co może pomóc inwestorom w podejmowaniu lepszych decyzji inwestycyjnych. Jednakże, nawet w przypadku wykorzystania najnowszych technologii, decyzje inwestycyjne zawsze będą obarczone pewnym stopniem ryzyka, a podejmowanie decyzji inwestycyjnych na podstawie wyłącznie automatycznych prognoz zawsze będzie wymagało umiejętności i wiedzy ekonomicznej, aby uzyskać najlepsze wyniki.

                  ***

Moim zdaniem, w dyskusjach na ten temat (a i w naszej sondzie), mylona jest nieco sama zdolność prognozowania z jej skutecznością. Prawdopodobnie przeciwnicy mają na myśli to, że nigdy nie uda się osiągnąć przez AI pożądanej trafności na poziomie 100%. Ale skutecznym traderom wystarcza trafność na poziomie 40-60% aby zyskownie działać. Oczekiwanie perfekcji jest więc nierealne, choć kto wie, co będzie za 30-50 lat przy tej szybkości rozwoju technologii?

A drugim czynnikiem niewiary w prognozowanie jest pewnie kwestia skutecznego zarządzania ryzykiem. Każda trafność poniżej 100% wymaga bowiem takiego operowania stopami i take- profitami, by wyjść na finał z zyskiem w ciągu transakcji. Bez tego trafność na poziomie 95% może skończyć się tragedią na rachunku, a trafność tylko 50% znakomitymi zyskami.

My przyzwyczailiśmy się traktować stopy jako proces statyczny, w jakiś sposób mechaniczną operację, nie wymagającą uruchomienia kolejnego procesu decyzyjnego. Po części tak jest, ale trzeba sobie uświadomić, że stawianie stopów to też rodzaj prognozy. Zapytałem o to zresztą ponownie ChatGPT.

Kat: Czy sztuczna inteligencja może skutecznie pomóc traderom w zyskownym zarządzaniu ryzykiem otwartej pozycji ?

ChatGPT: Tak, sztuczna inteligencja może pomóc traderom w zyskownym zarządzaniu ryzykiem otwartej pozycji. Sztuczna inteligencja może analizować duże ilości danych, wykrywać wzorce i wykorzystywać te informacje do podejmowania decyzji inwestycyjnych, co może pomóc w minimalizowaniu ryzyka związanego z otwartymi pozycjami.

Jednym ze sposobów wykorzystania sztucznej inteligencji w zarządzaniu ryzykiem otwartej pozycji jest tworzenie modeli predykcyjnych, które mogą przewidywać ruchy cenowe w przyszłości. Na podstawie tych modeli, sztuczna inteligencja może dokonywać automatycznych transakcji, zmieniając rozmiar pozycji lub zamykając je, w zależności od wyników prognoz. Dzięki temu traderzy mogą skutecznie reagować na zmiany rynkowe, minimalizując ryzyko strat.

Ponadto, sztuczna inteligencja może pomóc w identyfikowaniu wzorców i anomalii na rynku, co może pomóc w zrozumieniu, jak zmiany rynkowe wpływają na otwarte pozycje. W ten sposób traderzy mogą lepiej zrozumieć swoje pozycje i podejmować decyzje dotyczące zarządzania ryzykiem, co może pomóc w zyskownym zarządzaniu otwartymi pozycjami.

Mamy więc pomoc dwojakiego rodzaju:

  • nieustanne prognozowanie, co pozwoli wyjść z pozycji gdy AI uzna, że kierunek może się zmienić,
  • kontekstowe podpowiedzi inwestorowi odnośnie aktualnej sytuacji, np. wskazanie, że obecny ruch to anomalia, która w przeszłości kończyła się tak czy siak.

Ad 2/ Czyli czy każdy powinien mieć możliwość dostępu do wszystkich tych rodzajów prognoz wymienionych wyżej.

Odpowiedź i tutaj jest oczywista: już ma dostęp na podstawowym poziomie jeśli chce, czyli np. do automatów generujących na wszelkie sposoby decyzje z własnego komputera czy z chmury. Do tego nieuchronnie dojdzie właśnie prognozowanie za pomocą AI, albo w ramach podpowiedzi, albo zupełnie zastąpienia wszystkich decyzji.

Dlaczego takiej możliwości odmawiać? Ja bardziej bym się bał np. dostępu do czarnego rynku AI, które pokaże jak w prosty sposób skonstruować bombę, truciznę, broń czy narkotyki.

Zresztą cóż w tym złego, że AI zastąpi na początek robo-doradców pomagających w pasywnym inwestowaniu, bo to oni w pierwszej kolejności na tym stracą? Zaraz po nich analitycy robiący rekomendacje, którzy na podstawowym poziomie liczą przecież przyszłą wartość i porównują ją z bieżącą. AI zrobi to w kilka sekund, za darmo (oby), w każdej chwili i dla setek akcji. „Rekomendacja co dzień na Twoim biurku” – czy nie brzmi przyjemnie?

Może kwestią niepokojącą wydawać się wpływ tych prognoz generowanych wszystkim na same kursy. Przed oczami stają jakieś wojny maszyn rodem z filmów sci-fi. Tu już trzeba wyobraźni Lema czy Dukaja, ale na początek spytałem ChatGPT.

Kat: Jaki wpływ na kursy giełdowe będzie miała sytuacja gdy wszyscy inwestorzy zaczną korzystać z prognoz sztucznej inteligencji?

Chat GPT: Gdy wszyscy inwestorzy zaczynają korzystać z prognoz sztucznej inteligencji, można oczekiwać, że pojawią się nowe trendy na rynku finansowym, ponieważ decyzje inwestycyjne będą oparte na podobnych analizach danych. Może to prowadzić do większej stabilności i przewidywalności na rynku, ale może również wpłynąć na konkurencyjność inwestorów.

Jednakże, należy pamiętać, że sztuczna inteligencja działa na podstawie algorytmów i danych historycznych, a w przypadku wystąpienia nieoczekiwanych wydarzeń, takich jak nagłe spadki gospodarcze, kryzysy polityczne, klęski żywiołowe, algorytmy te mogą nie być w stanie przewidzieć skutków tych zdarzeń. W takich przypadkach, choć prognozy sztucznej inteligencji mogą być bardziej dokładne niż decyzje podejmowane przez ludzi, wyniki nadal będą obarczone pewnym ryzykiem.

Ponadto, jeśli wszyscy inwestorzy korzystają z podobnych algorytmów i analizują te same dane, to może to prowadzić do tworzenia tzw. baniek spekulacyjnych, gdzie ceny aktywów są zawyżane przez duże zapotrzebowanie na nie, niekoniecznie wynikające z rzeczywistej wartości. W przypadku, gdy podczas baniek spekulacyjnych zaczyna brakować kupujących, może dojść do nagłych spadków wartości aktywów, co może wpłynąć na cały rynek finansowy.

W związku z tym, chociaż sztuczna inteligencja może być pomocna w podejmowaniu decyzji inwestycyjnych, wciąż potrzebna jest ludzka wiedza i doświadczenie, aby podejmować decyzje oparte na różnorodnych źródłach informacji i zrozumieniu rynków finansowych jako całości.

Bańki? Ups, my już je mamy co kilka lat bez obecności AI! Sytuacja, gdy wszyscy otrzymują identyczny sygnał w tym samym czasie i następuje gwałtowny skok popytu lub podaży, z czego robi się ruch jednostronny prowadzący do bańki, jest oczywiście wielce prawdopodobna. Jednak przynajmniej część inwestorów prawdopodobnie zachowa jeszcze instynkt zachowawczy i poradzi sobie z tym tak, jak radzi sobie dzisiaj – dywersyfikując ryzyko na wszelkie sposoby.

A poza tym stawiam na zdrową konkurencję maszyn. Firmy będą wypuszczać lepsze lub po prostu inne AI, implementować różnorodne modele analityczne i decyzyjne, na różne aktywa, na różne perspektywy czasowe, na różne strategie zależne od preferencji. A także same AI będą wymyślać nowe podejścia, nowe możliwości gry, arbitrażu, zabezpieczeń itd.

Jednym słowem konkurencja może prowadzić do zdrowej różnorodności sygnałów i prognoz. Dużo bardziej obawiałbym się natomiast jakości tych podpowiedzi, która może być skrzywiona przez „tych złych”, czyli hakerów wszelkiej maści. Może jednak powstaną takie AI, których zadaniem będzie ochrona tych prognozujących AI?

Dajcie te prognozy, a potem zobaczymy

P.S. Obrazek wygenerowany przez sztuczną inteligencję na hotpot.ai w temacie „Wojny tradingowych algorytmów”:

—kat—

2 Komentarzy

  1. Tomasz

    Czy odnośniki, do których chat GPT się odwołał, są prawdziwe ? ChatGPT ma halucynować i ma wymyślać nie istniejące źródła.

    1. Tomasz Symonowicz (Post autora)

      Wystarczy kilka sekund w google żeby sprawdzić, że istnieją

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *


Twoje dane osobowe będą przetwarzane przez Dom Maklerski Banku Ochrony Środowiska S.A. w celu: zapewnienia najwyższej jakości naszych usług oraz dla zabezpieczenia roszczeń. Masz prawo dostępu do treści swoich danych osobowych oraz ich sprostowania, a jeżeli prawo na to pozwala także żądania ich usunięcia lub ograniczenia przetwarzania oraz wniesienia sprzeciwu wobec ich przetwarzania. Masz także prawo wniesienia skargi do organu nadzorczego.

Więcej informacji w sekcji "Blogi: osoby komentujące i zostawiające opinie we wpisach" w zakładce
"Dane osobowe".

Proszę podać wartość CAPTCHA: *