Вітаю
Я починаю нове дослідження, і сьогодні підготував презентацію, де я розкажу про штучний інтелект у інвестуванні та навіть у трейдингу.
У мене є зібраний цілий спектр різних показників, на основі яких я роблю власні висновки і інвестиційні угоди, але є бажання автоматизувати весь процес і зробити його якіснішим.
Тому, я вирішив використати, так би мовити, штучний інтелект для власного процесу інвестування, і думаю, що вам також буде це цікаво.
По цій темі буде ціла серія дописів, так як весь процес розробки, аналізу та результатів я буду вести відкрито.
Сьогодні я лаконічно і, як то говориться, «на хлопський розум», розповім про важливі базові речі про штучний інтелект і мій підхід.
Тому дочитайте цей допис до кінця, буде дуже багато корисного і цікавого!
Перед тим як перейти до суті, я повинен обговорити деякі деталі.
Перше – я є приватним інвестором і алготрейдером із суттєвим стажем, але я не є спеціалістом у data science. Так, я маю практичний досвід у програмуванні торгових ботів на базі нейронних мереж і машинного навчання, але все ж таки, використовував їх поверхнево.
На даний момент, я набагато глибше занурився у тему, і вирішив більш професійно підійти до цього питання.
Наступне. Я планую все описати людською мовою, тобто, щоби було все зрозуміло. Але без використання термінів не вийде, тому, я буду старатися одразу пояснювати, але якщо я щось пропущу – не лініться пошукати у гуглі.
Далі. Все сказане мною – це тільки мої припущення, це важливо розуміти. Все що я говорю, це не більше ніж гіпотези, поки не буде їх доведено або заперечено.
По самому визначенню що таке штучний інтелект є дуже багато різних визначень, я не буду тут приводити приклади, просто скажу, що для мне ШІ – це набір кількісних методів, для ймовірнісного прогнозування.
А звідси випливає, що тут немає жодної магії – це звичайні кількісні методи. Ну як звичайні, питанню відбору технологій буде посвячено багато часу.
Наступне, як казав вище, мова йде про ймовірності прогнозу – тобто, неможна надіятись на те, що будуть 100% результати. Штучний інтелект не дає гарантій і ніколи не зможе це зробити, він дає ймовірнісну картину розвитку подій.
Тому, на основі його результатів потрібно буде робити алгоритм, який буде мати в своїй основі модуль ризик менеджменту і пошуку найкращих точок входу та виходу із потенційної угоди.
Щодо роботи із штучним інтелектом, то тут широчезне поле для діяльності. Я буду детально уже розказувати по ходу дій у наступних дописах, але зараз коротко пройдусь по крокам.
Перше – пошук правильних даних, тобто, нам потрібно працювати тільки із даними, які на нашу думку можуть впливати на ціну у майбутньому. Деякі із таких даних ми розглянемо далі у дописі.
Наступне – правильно подати дані. Дані необхідно правильно обробити, щоби вони були, так би мовити «зрозумілими» для штучного інтелекту. І обов’язково, необхідно перевірити дані, провести валідацію.
Третє – це безпосередньо відбір технологій для нашого штучного інтелекту це можуть бути окремі методи машинного навчання, нейронні мережі чи інші кількісні методи.
Четверте – підбір параметрів для вибраної технології. В ідеалі, хочеться зробити так, щоби ручних параметрів не було, тобто, виконувався автоматичний підбір – але це вже питання швидкості аналізу і швидкості отримання результату.
Далі – перевірка результатів. Тобто, необхідно перевірити аналіз прогнозу, визначити його точність та відхилення від реальності. У результаті цієї дії може бути запущене перенавчання, або просто відхилений результат прогнозу.
Передостаннє – це інтерпретація результату, наприклад, вивести графік прогнозу динаміки ціни активу, і створення алгоритму для проведення торгової активності – умовно купити, чи продати актив.
Тобто, крім прогнозу потрібна ще стратегія, як цей прогноз використати найбільш ефективним способом
Усього я бачу для себе три стратегії для реалізації штучного інтелекту.
Узагалі я буду розробляти їх відносно складності і вартості їх реалізації – від простого і дешевого до складного і дорогого.
Таким чином я розділив стратегії на три частини – внутрішньоденна, інвестиційна та високочастотна.
Почнемо із внутрішньоденної. Ця стратегія, попередньо, буде торгуватися на таймфреймі 15 хвилин і вище.
Цей таймфрейм взятий по причині того, що більшість даних можна експортувати починаючи із 15 хвилинного графіку. А друга причина – це те, що на нижчих таймфреймах є багато «ринкового шуму» – тобто, випадкових не прогнозованих рухів. Це моя суб’єктивна думка, але я так вважаю.
У цій стратегії я буду аналізувати криптовалюту, а саме курс біткоїна до долара США. На майбутнє можна буде добавити ще SP500 до цієї стратегії – теж є хороші вхідні дані для аналізу, але у цьому випадку, поваляться додаткові витрати на дані.
Тому почну саме із крипти – тут непотрібно ніяких затрат для проведення досліджень, вся інформація є у відкритому доступі і всі дані безкоштовні.
Наступний плюс – це дешевизна інфраструктури. Тобто, для розробки буде достатньо локального комп’ютера, а для безпосередньої роботи посереднього віддаленого віртуального сервера.
І останнє – простота монетизації. Це починаючи від власного трейдингу, а якщо результати будуть реально варті уваги, то можна під’єднати, наприклад, копітрейдинг. Узагалі варіантів багато, але про них ще рано думати.
Наступна реалізація – це інвестиційна. Робочий таймфрейм для цієї реалізації – денний, це також во основному зв’язано із частотою поступлення нових даних для аналізу.
Тут робота буде йти по цілому спектру інструментів – біткойн, S&P500, золото, нафта, бонди, навіть можливо підключені будуть такі менш популярні, як пшениця, кукурудза, цукор, уран, м’ясо і т.п. Усе залежить від доступних даних та точності їх відпрацювання.
Проте тут уже появляються платні дані, тобто щоби завантажити історію, навіть включаючи котирування, необхідно платити. Суми не є захмарні, проте все одно це витрати.
По інфраструктурі також можуть появитись більші витрати – можливо необхідно буде використовувати хмарні сервіси зберігання даних та обчислень. Але, попробую обійтись без них.
І по монетизації теж є більші затрати. Якщо брати власне інвестування – то так, тут проблем немає.
Але щоби поділитись результатами, мені потрібно буде створювати веб-застосунок, щоби у всіх бажаючих був доступ у будь-який момент, і по будь-яким інструментам. А це трудомістке і не дешеве задоволення.
І остання реалізація – це високочастотний трейдинг. Торгівля буде йти на тікових даних, можливо на секундних. Я що не робив повноцінний аналіз, тільки поверхнево.
Попередньо, як робочі інструменти я розглядав біткойн і сп500. Справа у тому, що це капіталоємнісні ринки. А при роботі на малих таймфреймах особливо необхідна ліквідність – вже і зараз.
Дані будуть платні, при чому як вхідні, так і історичні – тікові дані мають великий об’єм, і вивантаження їх буде щось коштувати.
Інфраструктура буде дорога – обчислення необхідно робити в реальному часі і швидко, тому без хмарних дорогих обчислень не обійтися.
А зі сторони монетизації є великі обмеження – це може бути тільки власний трейдинг. Так як тут все виконується швидко, і будь-яка передача даних куди небудь іще, це втрата торгової переваги.
Давайте тепер розглянемо, по яким даним буде вестись навчання та аналіз для внутрішньоденної реалізації стратегії для Біткойна.
Хочу одразу звернути увагу не те, що це попередні дані – якщо знайду додаткові корисні дані – я включу їх, і відповідно, якщо дослідження покажуть, що ці дані не дають переваги ніякої – я приберу їх. Це стосується усіх реалізацій штучного інтелекту.
І, якщо у вас є дані, що варті уваги – пишіть у коментарях, це може покращити стратегію. А тепер перейдемо до даних.
Перше – це патерни. Тобто, це пошук у минулому такої ж поведінки ціни що і зараз. Це робиться зрівнянням вирізки даних і аналіз по історії інструменту. Для порівняння буде вираховуватися кореляція між інструментами – і там, де вона висока, ті ділянки будуть братись до уваги, а вірніше – як вела себе ціна після них, і по цим результатам буде виводитись зважена середня поведінка.
Наступне – це знайти циклічність у інструменті. Тобто, необхідно визначити періодичну поведінку ціни.
Далі, це ринкові дані – тут мова йде про такі дані як відкритий інтерес, відношення лонг до шорт позицій, кількість ліквідацій та інші метрики.
І останнє – це дані блокчейну. Є метрики, які можуть впивати на майбутній курс, що я і планую перевірити. Це такі дані, як динаміка відкриття гаманців, кількість транзакцій, непідтверджені транзакції у очікуванні, середній час підтвердження транзакції, складність мережі та багато іншого.
Метрик є багато, і роботи з ними також буде багато.
Давайте пройдемось по даним інвестиційної реалізації.
Перше – це патерни і циклічність, я про це розповів у попередньому слайді. Єдине, що тут добавилась сезонність. Сезонність – це фактично та ж сама циклічність, але протягом одного року.
Далі йдуть дані по інсайдерам – це є дуже сильний випереджуючий індикатор, показує себе на історії дуже потужно. Я постійно користуюсь цими даними.
Якщо ви не знайомі хто такі легальні інсайдери – подивіться мій безкоштовний курс по інвестуванню із «розумними грошима» – там є детальна інформація як по інсайдерам, так і по наступним даним, про які я буду говорити.
Наступне – це дані по ф’ючерсним позиціям – так званий звіт COT від CFTC (комісії з торгівлі товарними ф’ючерсами).
Далі йдуть ринкові дані – а саме, індекс Армса TRIN, індекс страху VIX, відношення опціонних позицій пут до кол CPCE, а також, можуть бути і інші індикатори. Уже буду по факту дивитися що ще використовувати, а що відсіяти.
Ще один сильний показник – індекс жадності і страху, це комплексний індикатор, який містить дуже точну інформацію по прогнозам.
І останнє – це тренди, це можуть бути google-тренди по активам, згадування хештегів по активу у твіттер наприклад, та інше. Як підійду до реалізації інвестиційної стратегії, буду уже детально дивитися по вагомим даним.
По високочастотній реалізації найбільше питань поки, але я зараз бачу такі дані.
Перше – це патерни. Не знаю як це має виглядати, але перевірити цю гіпотезу потрібно буде першочергово.
Наступне що я бачу – це міжринковий аналіз. Тут мова йде про міжринкові кореляції, і коли на одному із активів корельованих йде різкий рух, то наш актив також із певною ймовірністю також почне рух у нашу сторону.
Наприклад, якщо акції Apple різко виростуть, то виросте і індекс доу джонса і сп500, так як Apple має велику вагу у цих індексах.
Наступне – це новини. Тобто, необхідно швидко провести аналіз новини позитивна чи негативна вона, а також її вагу – тобто чи узагалі ця новина на щось впливає, і відповідно провести торгову операцію, або навпаки відмовитись від угоди.
І останнє, що я бачу – це тікові індикатори. Наприклад, є такий індикатор $TICK для біржових індексів, який рахує акції які тікнули вверх і вниз, і по ним будує індикатор. Якщо ви ще не чули про нього – поцікавтесь, він дуже сильний.
А також, можна буде писати власні тікові індикатори.
А далі, уже практична робота. По факту результатів я буду писати нові дописи та ділитись з вами результатами.
Частих дописів не буде, так як робота доволі трудомістка, але затягувати те не у моїх інтересах.
Відео на тему:
Корисні посилання по темі:
Мій брокер для інвестицій #1 Interactive Brokers>>>
Мій брокер для інвестицій #2 Freedom Finance>>>
Якщо вам цікаво бути в курсі високодохідної стратегії інвестування та її результатів, ви можете слідкувати за оновленнями на телеграм-каналі, twitter та ютуб-каналі. Дякую вам за увагу і до зустрічі у наступних випусках.
З повагою, Олександр Янчак. Capitalizator UA.