Künstliche Intelligenz und Maschinelles Lernen im Handel

Informationen sind keine Investitionsberatung.

In den letzten 60 Jahren haben die künstliche Intelligenz und das maschinelle Lernen einen atemberaubenden Sprung von der Science-Fiction in die reale Welt vollzogen. Obwohl sich diese Technologien noch jung sind und größere Ambitionen zu befriedigen haben, haben sie unser Leben bereits drastisch verändert. Das Wort KI wird in hohem Maße missbraucht und übermäßig oft verwendet, was uns glauben lässt, dass von der Taxi-App bis zur Zahnbürste alles davon angetrieben wird. In Wirklichkeit verändert die Technologie, die hinter diesen Erfindungen steht, die Welt genau hier und jetzt.

Sie beschleunigt die Diagnose in Krankenhäusern, lässt Autos ohne Fahrer fahren, erzeugt Musik und schreibt für die Schriftsteller (es macht mir Heebie-Jeebies). Und ich spreche nicht von der Tatsache, dass die KI die Spieler in Dota 2 überfordert hat. Warum muss sie es ihnen ruinieren?

Wir lesen viel über KI und visualisieren einen Supercomputer aus einem Science-Fiction-Film, der klüger ist als jedes andere Lebewesen im Universum. Um auf die Erde herunterzukommen, wollen wir klare Definitionen geben.

Künstliche Intelligenz (KI) zielt darauf ab, das menschliche Intelligenzniveau durch eine Maschine zu replizieren. Und dies ist das Ziel, das der Mensch noch nicht erreicht hat. Es ist präziser, eher von "maschinellem Lernen" als von künstlicher Intelligenz zu sprechen. Maschinelles Lernen (ML) ist eine Technologie, die einer Maschine beibringt, bessere Leistungen zu erbringen, sobald man die ihr zur Verfügung gestellten Daten erhöht. Das Fantastische daran ist, dass sie alltägliche Aufgaben automatisieren kann, mit denen Menschen in ihrer täglichen Routine zu kämpfen haben.

Verwechseln Sie die genannten Technologien nicht mit FX-Robotern. Letztere werden von Menschen programmiert, um diese oder jene Aktion auszuführen, während Sie im Falle von ML einfach immer mehr Daten zur Verfügung stellen und eine Maschine lernt, diese nach Ihren Bedürfnissen zu verarbeiten.

Nun, da alle Definitionen sorgfältig geklärt sind, stellen wir uns die einzige Frage, die uns als Händler interessiert. Was ist mit Handel und Finanzanlagen? Kann ML diese Sphären erobern?

Menschen VS Maschinen

Der Bereich des Handels ist ein ziemlich schwieriger Bereich, um ML anzuwenden, da er nicht nur rationale Faktoren beinhaltet, die die Preisschwankungen beeinflussen, sondern auch eine Menge psychologischer, ökologischer, politischer und wirtschaftlicher Variablen, die die Schwankungen des Marktes verursachen. Die Ingenieure können Maschinen beibringen, Abläufe und Ergebnisse vorherzusagen, indem sie die Daten als Zeitreihen analysieren. Zum Beispiel Kauf- und Verkaufsentscheidungen pro Aktie während eines Jahrzehnts. Aber was sollen sie mit den anderen Informationen machen?

Stimmungsindikatoren

ML-Experten führen Experimente zur Vorhersage von Aktienhandelsergebnissen durch, indem sie Q-Learning, Stimmungsanalyse und Wissensgraphen kombinieren. Stimmungsindikatoren analysieren Schlagzeilen oder ganze Artikel in sozialen Medien und Nachrichtenagenturen und verbinden sie mit den durch Q-Learning gesammelten Kauf-Verkaufsdaten.

Zuerst lernt eine Maschine, aussagekräftige Wörter zu extrahieren und Lärminformationen nicht zu beachten. Dann untersucht sie anhand von Wissensgraphen, wie diese Wörter den fraglichen Beständen zugeordnet werden können. Eine einfache Suche verbindet z. B. nicht Bill Gates und Microsoft-Aktien, wohl aber die Wissensgrafik. Somit können sogar einige im Artikel erwähnte Dinge, die sich implizit auf den Bestand beziehen, von der Maschine als aussagekräftige Daten analysiert werden.

Der gesamte Prozess braucht viel Zeit und Ressourcen. Aber schon jetzt ist es die Mühe wert. Die Stimmungsindikatoren werden an Banken, Profi-Händler, Hedge-Fonds, soziale Handelsplattformen und dergleichen verkauft.

Handelssignale

Denken Sie immer daran, dass ein Handelssignal kein direkter Aufruf zum Handeln ist, sondern vielmehr ein aktueller Hinweis, der Sie über Marktchancen informiert. Abhängig von Ihrer Risikobereitschaft, Ihrem Anlagehorizont und den Handelsstrategien, an denen Sie festhalten, entscheiden immer noch Sie selbst, welchem Signal Sie folgen wollen.

Traditionell werden die Signale von Analysten erzeugt. Aber wenn es um die Datenanalyse geht, hat ML einen großen Vorteil. Es kann eine große Anzahl von Metriken aus verschiedenen Quellen in einem vergleichsweise kurzen Zeitraum durchlaufen. Heutzutage analysiert ML, wenn es richtig und verantwortungsbewusst verwendet wird, meist Daten aus der Vergangenheit und kann Handelssignale für eine längerfristige Perspektive geben.

Viele Unternehmen nutzen jedoch oberflächlich die ML-Kapazitäten und scannen die Daten 24/7, um den ganzen Tag über pünktlichere Signale zu erzeugen. Experten gehen davon aus, dass man sich auf solche Meldungen nicht verlassen sollte und raten Ihnen, sie bei Marktentscheidungen zu vermeiden.

Daher können von ML erzeugte Handelssignale, wenn sie klug befolgt werden, Ihr Chance-Risiko-Verhältnis optimieren.

Verhinderung von Betrug

Irgendwann wird der Handel zur Routine. Man führt mehr oder weniger täglich die gleichen Handlungen aus, und der Verstand beginnt, sie wie Schafe zu sehen, die hin und her, hin und her springen. Das kann Ihr Gehirn in den Schlaf wiegen oder es weniger konzentriert machen. Sie merken nicht, wenn eine Transaktion nicht so reibungslos verläuft, wie sie sollte.

Mit ML werden Sie nie solche Schwierigkeiten haben! Einer Maschine wird beigebracht, Millionen von Mustern zu analysieren, und wenn eine leichte Inkonsistenz auftritt, werden Sie benachrichtigt. In den meisten Fällen stehen ungewöhnliche Muster für gefährliche. Die Fähigkeit, abnormales Verhalten zu definieren, kann Händler bei der Investition großer Beträge vor einem Geldverlust bewahren.

Darüber hinaus kann ML helfen, mit personalisierten Daten zu arbeiten. Wenn neue Händler Konten bei einem Broker eröffnen, kann es Betrüger mit gefälschten Ausweisen und schlechten Absichten geben. Mit angewandter KI und ML geht die Authentizitätsprüfung schneller, wodurch internationale Broker wie FBS mehr Neuankömmlinge akzeptieren und Identitätsdiebstähle verhindern können.

Hochfrequenzhandel

Der Hochfrequenzhandel (HFT) ist ein komplexer algorithmischer Handel. Der Computer führt innerhalb von Sekunden eine große Anzahl von Aufträgen aus und hilft, aus einem winzigen Preisunterschied einen Gewinn zu erzielen. Diese Algorithmen sind jenseits menschlicher Fähigkeiten. Dies ist der Bereich, in dem ML mit seinen schnellen und genauen Berechnungsmöglichkeiten hervorragend ist.

Der Supercomputer erkennt Merkmale, die auf einen zukünftigen Anstieg oder Rückgang der Preisbewegung hindeuten, und bietet entsprechend dieser Vorhersage.

Leider gibt es der HFT im Universum, zu der Tageshändler (= Durchschnittsmenschen) keinen Zugang haben. Die Nachteile dieser Methode sind unter anderem die folgenden:

• Sie benötigen Hochgeschwindigkeitscomputer und einen Zugang zu komplizierten Algorithmen.
• Die Hardware ist zu teuer. Nur große, wohlhabende Unternehmen können sie sich leisten.
• Ihre Handelscomputer sollten so nah wie möglich an den Servern platziert werden, da Ihr Computer so präzise wie eine Schweizer Uhr sein sollte.

Wer wird gewinnen?

KI und ML sind uns auf den Fersen — das ist die Tatsache und die aktuelle Realität. Im Jahr 2020 gibt es keinen Platz für "KI für KI selbst". Die fraglichen Technologien sind vom Experimentierfeld in den Alltag übergegangen und haben sich in vielen Bereichen schnell durchgesetzt.

Aufgrund seiner komplizierten Natur ist der Handel jedoch immer noch schwierig, wenn es um maschinelles Lernen und künstliche Intelligenz geht. Computer helfen sehr bei der Verarbeitung großer Datenmengen aus der Vergangenheit und lernen, die Intuition der Händler in Mustern nachzubilden. Letzteres ist eine schwierige Aufgabe, so dass es viel Zeit und Ressourcen erfordert. Aber schon jetzt können Experten durch die Verarbeitung von Social-Media-Beiträgen, Finanzberichten, Nachrichten zusätzliche Markteinsichten bieten. Sie lehrten Maschinen, relevante und irrelevante Informationen zu unterscheiden und Handelssignale für langfristige Strategien zu generieren.

ML wird zur Betrugsprävention und zur Beseitigung von gefälschten Identitäten eingesetzt. Außerdem ist die Technologie für den Hochfrequenzhandel unersetzlich.

Im Moment arbeiten wir mit Maschinen zusammen, und es gibt keine Konkurrenz. Was als nächstes kommt — das wird die Zeit zeigen.