Bank of America оголосив про початок використання машинного навчання для аналізу валютних стратегій
Bank of America оголосив про початок використання машинного навчання для аналізу валютних стратегій
Bank of America оголосив про початок використання машинного навчання для аналізу валютних стратегій. Приводом для проведення дослідження в галузі штучного інтелекту, яке аналітики банку розпочали у червні 2018 року, стала нестабільна політична обстановка в Італії — фахівці побоювалися, що вона вплине не лише на євро, а й на решту європейських валют, а це загрожує черговою фінансовою кризою.
У першому дослідженні Bank of America алгоритми машинного навчання оцінюються щодо ефективності роботи з фундаментальними та оглядовими даними, наприклад, що стосуються державних витрат та очікувань споживача. Завдання ІІ - скласти прогноз відносин валютної пари євро-долар. Команда використовувала як контрольоване навчання, коли машина має проаналізувати промарковані людиною дані та виявити закономірності, так і неконтрольоване навчання, коли людина вже не контролює процес і не дає ІІ жодних вказівок.
Через характер ринку іноземних валют передбачити його майбутнє тільки на основі відомих ситуацій досить складно, тому ми намагаємося залучити машинне навчання для альтернативних стратегій оцінки, — зазначила фахівець із валютної стратегії Еліс Ленг (Alice Leng), яка розробила дослідження ринку на основі ІІ в Bank of America.
Застосування машинного навчання для складних аналізів - не нововведення у фінансовій сфері. Але, за словами Васан Дхара (Vasant Dhar), професора інформатики Нью-Йоркського університету та засновника SCT Capital Management – хедж-фонду, який протягом двох десятиліть покладався на програми для машинного навчання, – валютні ринки все ще представляють особливу проблему для алгоритмів ІІ. Складність і різноманітність макроекономічних факторів, які можуть впливати на міжвалютні відносини, можуть значно утруднити аналіз у цій сфері, на відміну від звичайних біржових ринків, які давно застосовують ІІ та машинне навчання.
Незважаючи на активне використання ІІ, більшість банків поки що не встигла впровадити його у свою роботу на глобальному рівні. У звіті про цифрове банківське обслуговування восени 2017 року переважна більшість фінансових установ відзначила, що тією чи іншою мірою використовувала машинне навчання, але, як зазначають аналітики, лише менше 20% вийшли за рамки найпростіших методик роботи з ІІ.
Серед трьох найбільших банків США Bank of America першим увімкнув розробки моделей машинного навчання у публікації результатів валютних досліджень. Дослідницька група фінансового холдингу JP Morgan вивчала програми для машинного навчання, але використовувати їх поки що не наважилася. Банківська компанія Wells Fargo заявляє, що дотримується фундаментального економічного підходу для аналізу валютних ринків, оскільки довіряє своєму досвіду у цій сфері. Багато хто не довіряє комп'ютерам, які аналізують інформацію способами, недоступними розумінню людини, і стверджують, що не готові прийняти прогностичні висновки ІІ, що обробляє дані поза причинно-наслідковими зв'язками.
Проте зміни вже будуть - наприклад, комерційний банк Morgan Stanley найняв професора прикладної інформатики Пенсільванського університету Майкла Кернса (Michael Kearns), який раніше працював у хедж-фонді, щоб розширити використання ІІ, а команда Deutsche Bank включила машинне навчання в аналіз своїх даних .
Деякі аналітики стверджують, що завдяки загальнодоступності інструментів машинного навчання дослідження Уолл-стріт втратить свою актуальність, оскільки інвестори зможуть розробити власні методики аналізу на основі ІІ. Але Пітер Уодкінс (Peter Wadkins), аналітик FX Aite Group, вважає, що це не так ймовірно, як здається, адже для машинного навчання потрібні досить великі обсяги даних та високотехнологічні методи їх обробки
