1. Süni intellektin və maşın öyrənməsinin ticarətə ümumi təsiri
Süni intellekt (AI) maşınlara insanların yerini tutmağa imkan verir. 1980-ci illərdə süni intellekt tədqiqatlarının önündə ekspert sistemləri və qeyri-səlis məntiq dayanırdı. Hesablama gücünün ucuzlaşması ilə irimiqyaslı optimallaşdırma məsələlərinin həllində maşınlardan istifadə iqtisadi cəhətdən mümkün oldu. Aparat və proqram təminatındakı irəliləyişlər sayəsində süni intellekt bu gün iqtisadi dəyərə malik olan və təsnifatçılarla birlikdə gəlirli modellər qurmağa imkan verən prediktorları — əlamətlər və ya faktorlar da adlandırılır — aşkarlayıb təhlil etmək üçün neyron şəbəkələrinə və digər öyrənmə metodlarına yönəlib. Süni intellektin bu cür tətbiqi çox vaxt Maşın Öyrənməsi (ML) adlanır.
Həm qısamüddətli zaman çərçivələrində, həm də uzunmüddətli investisiyalar üçün süni intellektə əsaslanan ticarət strategiyalarının qurulması metodologiyaları getdikcə populyarlaşır və bir neçə hedc-fond bu sahədə xüsusilə fəaldır. Lakin bu yeni texnologiyanın geniş miqyasda mənimsənilməsi müxtəlif səbəblərdən ləng gedir; ən mühüm səbəb odur ki, süni intellekt yeni alətlərə və insan ekspertizasına investisiya tələb edir. Fondların əksəriyyəti fundamental analizdən istifadə edir, çünki menecerlər MBA təhsilində məhz bunu öyrənirlər. Yalnız süni intellektə arxalanan hedc-fondlar azdır. Fərdi treyderlər arasında süni intellektdən istifadə artsa da, treyderlərin çoxu başa düşülməsi və istifadəsi asan olduğu üçün klassik texniki analiz kimi XX əsrin ortalarında yaranmış metodlara güvənməkdə davam edir.
Qeyd etmək lazımdır ki, AI və ML ticarət strategiyalarının hazırlanmasından kənarda da tətbiq olunur, məsələn, likvidlik axtaran alqoritmlərin qurulmasında və müştərilərə portfel tövsiyələrində. Nəticədə, süni intellekt tətbiqləri yayıldıqca ticarət və investisiya qərarlarında iştirak edən insanların sayı azalır, bu da bazarlara və qiymət hərəkətinə təsir göstərir. Bu yeni texnologiyanın sektor üçün ümumi nəticələri barədə mühakimə yürütmək hələ tezdir, lakin süni intellektin geniş istifadəsi uzun müddət aşağı volatillikli, daha səmərəli bazarlara, ardınca isə rejim dəyişiklikləri səbəbindən dövri volatillik sıçrayışlarına gətirib çıxara bilər. Bu mümkündür, çünki insanların informasiyanı subyektiv şərh etməsinin təsiri, onunla bağlı səs-küy də azalacaq. Amma bunun praktikada sübut olunması lazımdır.
2. AI və maşın öyrənməsinin alfa yaratmağa təsiri
Süni intellekt texnologiyasını anlayan və onun təhlükələrini idarə etməyi bacaranlar bu texnologiyanın mənimsənilməsinin ilkin mərhələlərində fürsət qazanacaqlar. Süni intellektə əsaslanan ticarət metodlarının bir problemi ondadır ki, onlar təsadüfidən də pis modellər verə bilər. Nə demək istədiyimi izah etməyə çalışım: ənənəvi texniki analiz uduzduran ticarət strategiyasıdır, çünki qrafik fiqurlarına və indikatorlara əsaslanan üsullar öz gəlirlərini hələ əməliyyat xərcləri çıxılmazdan əvvəl orta qiyməti sıfır olan paylanmadan alır. Bəzi treyderlər adətən paylanmanın sağ quyruğunda yerləşir və bu da həmin strategiyaların iqtisadi dəyərə malik olduğu barədə yanlış təəssürat yaradır. Fyuçers və valyuta bazarlarında yanaşmadan asılı olmayaraq uzunmüddətli gəlirliliyə nail olmaq çətindir, çünki bu bazarlar market-meykerləri mükafatlandırmaq üçün qurulub. Lakin şans sayəsində bəzi treyderlər leverecli bazarlarda qısa müddətdə böyük qazanc əldə edə bilər. Sonra isə bu treyderlər uğurlarını şansa deyil, strategiyalarına və istedadlarına bağlayırlar.
AI və ML ilə əlavə effektlər də ortaya çıxır, məsələn, meyillilik-dispersiya kompromisi. Data-mining meyilliliyi keçmiş verilənlərə həddindən artıq uyğunlaşdırılmış və yeni verilənlərdə uğursuz olan metodlara, yaxud həddindən artıq sadələşdirilmiş və verilənlərdəki iqtisadi dəyərə malik mühüm siqnalları tuta bilməyən üsullara səbəb ola bilər. Bu kompromis təsadüfidən pis taktikalar və hələ əməliyyat xərcləri nəzərə alınmazdan əvvəl bu treyderlərin gəlir paylanmasında mənfi asimmetriya yaradır. Kəmiyyət yumşalması sonrası dövrdə bu, iri fondlar və investorlar üçün qazanc potensialı deməkdir. Lakin təsadüfidən pis işləyən AI treyderləri bazardan sıxışdırılıb çıxarılanda və yalnız möhkəm modellərə sahib olanlar qalanda qazanc uğrunda rəqabət qızışacaq. Bu mübarizədə AI treyderlərinin, yoxsa iri investorların qalib gələcəyini proqnozlaşdırmaq üçün hələ çox tezdir.
Bu sahədə geniş yayılmış bir yanlış anlamaya da toxunmaq istəyirəm: bəziləri hesab edir ki, dəyər istifadə olunan ML alqoritmlərindədir. Bu, doğru deyil. Əsl dəyər istifadə olunan prediktorlardadır; onlara çox vaxt əlamətlər və ya faktorlar deyilir. Qızıl yoxdursa, ML alqoritmləri qızıl tapa bilməz. Problemlərdən biri odur ki, ML mütəxəssislərinin əksəriyyəti eyni prediktorlardan istifadə edir və ən yaxşı nəticələr üçün modelləri iterativ yanaşma ilə qurmağa çalışır. Bu üsul data-mining meyilliliyi ilə zəifləyir və son nəticədə uğursuz olur. Bir sözlə, data-mining meyilliliyi təlim və test seçmələrindəki nəticələr qənaətbəxş olana qədər eyni verilənləri çoxlu modellə təkrar-təkrar istifadə etmək kimi riskli praktikadan doğur. Bu sahədəki araşdırmalarıma görə, ikili logistik reqressiya kimi sadə təsnifatçı verilmiş prediktorlar dəsti ilə yaxşı işləmirsə, iqtisadi dəyərin olmaması ehtimalı yüksəkdir. Deməli, uğur həm elm, həm də sənət olan feature engineering-dən asılıdır; iqtisadi dəyərə malik əlamətlər tapmaq bilik, təcrübə və ilham tələb edir və mütəxəssislərin yalnız çox kiçik bir hissəsi bunu bacarır.
3. Süni intellektin və maşın öyrənməsinin texniki analizə təsiri
Qiymət və həcm seriyalarının təhlilinə əsaslanan bütün yanaşmalar bu kateqoriyaya aid olduğundan, ənənəvi və kəmiyyət texniki analizini bir-birindən ayırmalıyıq. Qrafik fiqurları, sadə indikatorlar, price action nəzəriyyələri və bu kimi ənənəvi texniki analiz elə əvvəldən səmərəsiz idi. Məhdud miqyaslı bir neçə qüsurlu təşəbbüs istisna olmaqla, bu yanaşmaları tərifləyən nəşrlər onların uzunmüddətli statistik gözləntilərini nadir hallarda açıqlayır, əvəzində bu və ya digər qaydaya əməl olunarsa, qazanc potensialının olacağına dair vədlərlə kifayətlənirdi. Bazar qazancları və itkiləri statistik paylanmaya tabe olduğundan, uğurlarını bu yanaşmalara bağlayanlar həmişə olub. Eyni zamanda, öyrənilməsi asan olduğu üçün bu üsulların ətrafında bütöv bir sənaye yarandı. Təəssüf ki, çoxları hamının istifadə etdiyi taktikaları başqalarından yaxşı tətbiq etməklə qazana biləcəklərinə inandı və nəticə bu sadəlövh treyderlərdən market-meykerlərə və digər məlumatlı peşəkarlara doğru nəhəng sərvət transferi oldu.
1990-cı illərin əvvəllərində bəzi bazar mütəxəssisləri çox sayda fərdi treyderin bu bəsit taktikalarla ticarət etdiyini aşkar etdilər. Bəziləri fiqurları proqnozlaşdırıb onların əksinə əməliyyat açan alqoritmlər və süni intellektli ekspert sistemləri qurdular və zəif əllər kimi tanınan fərdi treyderlərin tab gətirə bilmədiyi volatillik yaratdılar. Daha geniş mənada, ənənəvi texniki analizin uğursuzluğunu 1990-cı illərdən etibarən güclü ardıcıl korrelyasiyanın bazarlardan yox olması ilə izah etmək olar. Bu üsulların işlədiyi barədə yanlış təəssürat yaradan da məhz güclü ardıcıl korrelyasiya idi. Bir neçə istisna ilə, bazarlar hazırda ortaya qayıtma xarakteri daşıyır və bu da sadə texniki analiz alətlərini səmərəsiz edir. Bununla belə, ortaya qayıtma və statistik arbitraj modelləri kimi bəzi kəmiyyət texniki analiz alətləri, habelə iqtisadi dəyərə malik əlamətlərdən faydalanan ML alqoritmləri çox vaxt effektiv işləyir.
Modellərin geniş çeşidi və əksəriyyətinin məxfi saxlanması səbəbindən bu cür arbitrajın AI və ML halında təkrarlanması ehtimalı azdır; lakin bu yeni texnologiyanın əsas problemi ənənəvi texniki analizdəki kimi təsdiq meyilliliyi deyil, data-mining meyilliliyidir.
Fikrimcə, bazarı izləmək və qrafiklərə baxmaq artıq köhnəlir. Ticarətin gələcəyi real vaxtda informasiya emalından, model hazırlamaqdan və yoxlamadan keçir. Gələcəyin hedc-fondu qrafik analizinə arxalanmayacaq. Bəziləri bunu etməyə davam edir, çünki köhnə üsullarla yenilərinin toqquşduğu yol ayrıcındadırlar. Süni intellektlə tanış olmayan bir çox treyder gələcəkdə rəqabət aparmaqda çətinlik çəkəcək və bazardan çəkiləcək.
4. Yeni ticarət texnologiyasının qalibləri və məğlubları
Süni intellektdən istifadə ticarətdə müxtəlif istiqamətlərdə inqilab edəcək və bu, artıq baş verir. İnvestorlar tezliklə görə bilərlər ki, kəmiyyət yumşalmasının yaratdığı hazırkı trend bitəndə ortamüddətli gəlirlər gözləniləndən xeyli aşağı olacaq. Belə vəziyyət yaranarsa, investorlar ənənəvi üsula — portfel tərkibi tövsiyə edə və dəyəri artacaq səhmləri seçə bilən bacarıqlı maliyyə məsləhətçisi axtarmağa qayıtmalı olacaqlar. Bəzi hallarda məsləhətçi süni intellekt proqramı olacaq və proses onlayn aparılacaq.
Treyderlər bu yeni texnologiya ilə tanış olmalıdırlar. Treyderlərin çoxu hələ də köhnəlmiş yanaşmalarla mübarizə aparır, "enişdə al" taktikasının daha bir neçə il işləyib qazanc gətirəcəyinə ümid edir.
Problemlərdən biri mərkəzi bankın son səkkiz ildə maliyyə bazarlarına birbaşa dəstəyi ilə bəslədiyi mənəvi risk təhlükəsidir. Bir çox treyder və investor artıq ayı bazarlarının mümkünsüz olduğuna inanır, çünki fikirləşirlər ki, mərkəzi bank qazanclarını özlərinə saxlayıb itkilərini hamıya ötürmək üçün yanlarında olacaq. Nəticədə bazar iştirakçılarının əksəriyyəti növbəti böyük bazar rejimi dəyişikliyinə hazır deyil və fəlakətli itkilərlə üzləşə bilər.
Maşın öyrənməsi, süni intellekt və ticarət haqqında öyrənmək üçün onlayn çoxlu mənbə var. Öyrənməyin ən yaxşı yolu bir neçə praktik məsələni həll etməkdir. Bununla belə, hesab edirəm ki, treyderlərin çoxu uyğunlaşa bilməyəcək. Süni intellekti anlamaq və tətbiq etmək üçün lazım olan bacarıqlar toplusu qrafiklərdə xətt çəkməyə və sürüşkən ortalamaları izləməyə öyrəşmiş treyderlərin 95 faizini sıradan çıxarır.
İnvestorlar öz araşdırmalarını aparmalı və bu yeniliklərdən xəbərdar peşəkar maliyyə məsləhətçisinin rəyini almalıdırlar. Hər investorun özünəməxsus risk profili var, buna görə də ümumi tövsiyələr vermək mümkün deyil. Tezliklə robo-məsləhətçilər çoxalacaq və konkret tələblərə və məqsədlərə uyğun olanını seçmək çətin ola bilər.
ML və AI-ni, onların ticarət və investisiyadakı tətbiqlərini bilməyənlər üçün kitab və məqalə oxumağa başlamazdan əvvəl bu sahədə səriştəli peşəkara müraciət etmək daha faydalı ola bilər; oxumağa isə əsaslar mənimsənildikdən sonra keçmək olar.