1. Yapay zeka ve makine öğreniminin ticaret üzerindeki genel etkisi
Yapay zeka (AI), makinelerin insanların yerini almasına olanak tanır. 1980'lerde yapay zeka araştırmalarının ön safında uzman sistemler ve bulanık mantık vardı. İşlem gücünün maliyeti düştükçe, büyük ölçekli optimizasyon problemlerini makinelerle çözmek ekonomik açıdan mümkün hale geldi. Donanım ve yazılımdaki ilerlemeler sayesinde yapay zeka bugün, ekonomik değeri olan ve karlı modeller geliştirmek için sınıflandırıcılarla birlikte kullanılabilen öngörücüleri —diğer adıyla özellikleri ya da faktörleri— tespit edip analiz etmek amacıyla sinir ağlarına ve diğer öğrenme yöntemlerine odaklanıyor. Bu tür yapay zeka uygulamalarına genellikle Makine Öğrenimi (ML) denir.
Hem kısa vadeli zaman dilimlerinde hem de uzun vadeli yatırımlarda yapay zekaya dayalı ticaret stratejileri geliştirme yöntemlerinin kullanımı giderek yaygınlaşıyor ve birkaç hedge fonu bu konuda özellikle aktif. Ancak bu yeni teknolojinin geniş çapta benimsenmesi çeşitli nedenlerle yavaş ilerliyor; bunların en önemlisi, yapay zekanın yeni araçlara ve insan uzmanlığına yatırım gerektirmesi. Fonların çoğu temel analiz kullanıyor, çünkü yöneticiler MBA eğitimlerinde bunu öğreniyor. Yalnızca yapay zekaya dayanan hedge fonu sayısı oldukça az. Bireysel yatırımcılar arasında yapay zeka kullanımı artsa da, trader'ların çoğunluğu anlaşılması ve kullanılması kolay olduğu için klasik teknik analiz gibi yirminci yüzyılın ortalarında ortaya çıkan yöntemlere güvenmeye devam ediyor.
AI ve ML'nin ticaret stratejisi geliştirmenin dışında, likidite bulma algoritmaları oluşturmak ve müşterilere portföy önermek gibi alanlarda da kullanıldığını belirtmek gerekir. Bunun sonucunda, yapay zeka uygulamaları yaygınlaştıkça ticaret ve yatırım kararlarına katılan insan sayısı azalıyor; bu da piyasaları ve fiyat hareketlerini etkiliyor. Bu yeni teknolojinin sektör üzerindeki toplam etkisi hakkında konuşmak için henüz erken; ancak yapay zekanın yaygın kullanımı, uzun süre düşük volatiliteyle seyreden daha verimli piyasalara ve ardından rejim değişikliklerinden kaynaklanan dönemsel volatilite sıçramalarına yol açabilir. Bu mümkündür, çünkü insanların bilgiyi öznel yorumlamasının etkisi ve buna bağlı gürültü azalacaktır. Ancak bunun pratikte kanıtlanması gerekiyor.
2. AI ve makine öğreniminin alfa üretimine etkisi
Yapay zeka teknolojisini anlayan ve risklerini yönetmeyi bilenler, bu teknolojinin benimsenmesinin erken aşamalarında bir fırsata sahip olacak. Yapay zekaya dayalı ticaret yöntemlerinin bir sorunu, rastgeleden bile kötü modeller üretebilmeleridir. Ne demek istediğimi açıklamaya çalışayım: klasik teknik analiz kaybettiren bir ticaret yaklaşımıdır, çünkü grafik formasyonlarına ve indikatörlere dayanan teknikler, getirilerini işlem maliyetleri düşülmeden önce ortalaması sıfır olan bir dağılımdan alır. Bazı trader'lar genellikle dağılımın sağ kuyruğunda yer alır ve bu da söz konusu stratejilerin ekonomik değeri varmış gibi yanlış bir izlenim yaratır. Vadeli işlem ve döviz piyasalarında, hangi yaklaşım kullanılırsa kullanılsın uzun vadeli karlılık elde etmek zordur, çünkü bu piyasalar piyasa yapıcıları ödüllendirmek üzere tasarlanmıştır. Ancak şans eseri, bazı trader'lar kaldıraçlı piyasalarda kısa sürede büyük karlar elde edebilir. Sonra bu trader'lar başarılarını şansa değil, stratejilerine ve yeteneklerine bağlar.
AI ve ML'de sapma-varyans dengesi gibi başka etkiler de vardır. Veri madenciliği yanlılığı, geçmiş verilere aşırı uyum sağlayıp yeni verilerde başarısız olan yöntemlere ya da fazla basit kalıp verilerdeki ekonomik değere sahip kritik sinyalleri yakalayamayan tekniklere yol açabilir. Bu denge, rastgeleden kötü taktiklere ve işlem maliyetleri dahil edilmeden önce bile bu trader'ların getiri dağılımında negatif çarpıklığa neden olur. Parasal genişleme sonrası dönemde bu durum, büyük fonlar ve yatırımcılar için bir kar potansiyeli yaratıyor. Ancak rastgeleden kötü yapay zeka trader'ları piyasadan elendiğinde ve geriye yalnızca sağlam modellere sahip olanlar kaldığında, kar rekabeti kızışacak. Bu mücadeleden yapay zeka trader'larının mı yoksa büyük yatırımcıların mı galip çıkacağını öngörmek için henüz çok erken.
Bu alandaki yaygın bir yanlış anlamaya da değinmek istiyorum: bazıları değerin kullanılan ML algoritmalarında olduğunu düşünüyor. Bu doğru değil. Gerçek değer, çoğunlukla özellik ya da faktör olarak adlandırılan öngörücülerdedir. Altın yoksa ML algoritmaları altın bulamaz. Sorunlardan biri, çoğu ML uzmanının aynı öngörücüleri kullanması ve en iyi sonuçları elde etmek için yinelemeli bir yaklaşımla modeller kurmaya çalışmasıdır. Bu teknik, veri madenciliği yanlılığı yüzünden sekteye uğrar ve eninde sonunda başarısız olur. Kısacası veri madenciliği yanlılığı, eğitim ve test örneklemlerindeki sonuçlar tatmin edici olana kadar aynı veriyi birçok modelle tekrar tekrar kullanma gibi riskli bir alışkanlıktan doğar. Bu alandaki çalışmalarıma göre, ikili lojistik regresyon gibi basit bir sınıflandırıcı belirli bir öngörücü kümesiyle iyi çalışmıyorsa, ortada ekonomik değer olmaması ihtimali yüksektir. Dolayısıyla başarı, hem bilim hem sanat olan özellik mühendisliğine bağlıdır; ekonomik değeri olan özellikler üretmek bilgi, deneyim ve ilham ister ve bunu yapabilen uzmanların oranı çok küçüktür.
3. Yapay zeka ve makine öğreniminin teknik analize etkisi
Fiyat ve hacim serilerinin analizine dayanan tüm yaklaşımlar bu kategoriye girdiğinden, klasik teknik analizle kantitatif teknik analizi birbirinden ayırmamız gerekiyor. Grafik formasyonları, basit indikatörler, fiyat hareketi teorileri gibi geleneksel teknik analiz zaten baştan beri etkisizdi. Sınırlı kapsamdaki birkaç kusurlu girişim dışında, bu yaklaşımları öven yayınlar uzun vadeli istatistiksel beklentilerini nadiren açıkladı; bunun yerine şu ya da bu kurala uyulursa kar potansiyeli olacağına dair güvenceler vermekle yetindi. Piyasadaki kazançlar ve kayıplar istatistiksel bir dağılımı izlediğinden, şansını bu yaklaşımlara bağlayanlar her zaman oldu. Aynı zamanda, öğrenmesi kolay olduğu için bu yöntemlerin etrafında koca bir sektör oluştu. Ne yazık ki pek çok kişi, herkesin kullandığı taktikleri daha iyi uygulayarak kazanabileceğine inandı ve sonuç, bu saf trader'lardan piyasa yapıcılara ve diğer bilgili profesyonellere doğru muazzam bir servet transferi oldu.
1990'ların başında bazı piyasa uzmanları, çok sayıda bireysel trader'ın bu basit taktiklerle işlem yaptığını fark etti. Bazıları formasyonları öngörüp bunların tersine işlem açan algoritmalar ve yapay zekalı uzman sistemler kurdu ve zayıf eller olarak da bilinen bireysel trader'ların kaldıramayacağı bir volatilite yarattı. Daha geniş bir bakışla, geleneksel teknik analizin başarısızlığı, 1990'lardan itibaren güçlü seri korelasyonun piyasalardan silinmesine bağlanabilir. Bu yöntemlerin işe yaradığı yanılsamasını yaratan, esas olarak güçlü seri korelasyondu. Birkaç istisna dışında piyasalar günümüzde ortalamaya dönme eğiliminde ve bu da basit teknik analiz araçlarını etkisiz kılıyor. Buna karşılık, ortalamaya dönüş ve istatistiksel arbitraj modelleri gibi bazı kantitatif teknik analiz araçları ile ekonomik değeri olan özelliklerden yararlanan ML algoritmaları çoğu zaman etkili biçimde çalışıyor.
Modellerin çeşitliliği ve çoğunun gizli tutulması nedeniyle bu tür bir arbitrajın AI ve ML'de tekrarlanması pek olası değil; ancak bu yeni teknolojinin temel sorunu, geleneksel teknik analizdeki gibi doğrulama yanlılığı değil, veri madenciliği yanlılığıdır.
Bana göre piyasayı izlemek ve grafiklere bakmak artık modası geçmiş bir uğraş haline geliyor. Ticaretin geleceği gerçek zamanlı bilgi işleme, model geliştirme ve doğrulamadan geçiyor. Geleceğin hedge fonu grafik analizine bel bağlamayacak. Bazıları hâlâ bunu yapıyor, çünkü eski yöntemlerle yenilerinin çarpıştığı bir yol ayrımındalar. Yapay zekaya aşina olmayan pek çok trader gelecekte rekabet etmekte zorlanacak ve piyasadan çekilecek.
4. Yeni ticaret teknolojisinin kazananları ve kaybedenleri
Yapay zeka kullanımı ticareti pek çok açıdan kökten değiştirecek ve bu dönüşüm şimdiden yaşanıyor. Yatırımcılar, parasal genişlemenin yarattığı mevcut trend sona erdiğinde orta vadeli getirilerin beklenenden çok daha düşük olduğunu yakında keşfedebilir. Bu senaryo gerçekleşirse yatırımcılar, portföy dağılımı önerebilecek ve değer kazanacak hisseleri seçebilecek yetkin bir finansal danışman bulma şeklindeki geleneksel yönteme dönmek zorunda kalacak. Bazı durumlarda bu danışman bir yapay zeka programı olacak ve süreç çevrimiçi yürütülecek.
Trader'ların bu yeni teknolojiyle tanışması şart. Trader'ların çoğu hâlâ eski yaklaşımlarla boğuşuyor ve "düşüşte al" taktiğinin birkaç yıl daha işe yarayıp kar getirmesini umuyor.
Sorunlardan biri, merkez bankasının son sekiz yılda finansal piyasalara verdiği doğrudan destekle beslediği ahlaki tehlikedir. Pek çok trader ve yatırımcı artık ayı piyasalarının imkansız olduğuna inanıyor; çünkü merkez bankasının, kazançlarını kendilerine bırakırken zararlarını herkese devretmek için orada olacağını düşünüyorlar. Bunun sonucunda piyasa katılımcılarının çoğunluğu bir sonraki büyük piyasa rejimi değişikliğine hazırlıksız ve yıkıcı kayıplar yaşayabilir.
Makine öğrenimi, yapay zeka ve ticaret hakkında bilgi edinmek için çevrimiçi pek çok kaynak var. Öğrenmenin en iyi yolu, birkaç pratik problemi ele almaktır. Yine de trader'ların çoğunun uyum sağlayamayacağına inanıyorum. Yapay zekayı anlamak ve uygulamak için gereken beceri bileşimi, grafiklere çizgi çekmeye ve hareketli ortalamaları izlemeye alışmış trader'ların %95'ini eler.
Yatırımcılar kendi araştırmalarını yapmalı ve bu yeni gelişmelere hakim, profesyonel bir finansal danışmandan destek almalı. Her yatırımcının risk toleransı farklıdır; bu yüzden genelgeçer öneriler vermek mümkün değildir. Yakında robo-danışmanlar hızla çoğalacak ve belirli ihtiyaç ve hedeflere uygun olanı seçmek zorlaşabilir.
ML ve AI'ye ve bunların ticaret ile yatırımdaki uygulamalarına aşina olmayanlar için, kitap ve makale okuma yoluna girmeden önce bu alanda bilgili bir profesyonele danışmak daha faydalı olabilir; okumalar, temeller kavrandıktan sonra yapılabilir.