Влияние искусственного интеллекта на финансовые рынки
Как и в других сферах общества, искусственный интеллект фундаментально меняет подходы инвесторов, трейдеров и компаний к принятию решений на финансовых рынках. Модели ИИ способны анализировать огромные объёмы данных, практически мгновенно обрабатывая документы компаний или заголовки новостей. Это ускоряет автоматизированную торговлю, усложняя работу трейдеров, не использующих ИИ.
Прогресс в области ИИ
Одной из наиболее интересных характеристик ИИ является его стремительное развитие. Модели ИИ, которые считались «передовыми» всего год назад, могут показаться элементарными по сравнению с текущими достижениями.
Предыдущие исследования показали, что нейронные сети — система вычислительных моделей машинного обучения — являются одними из лучших моделей ИИ для прогнозирования фондового рынка. Однако существует ли новая система ИИ, которая может быть более эффективной?
Исследование Чжигуана Вана
Чжигуан Ван — профессор финансов и инвестиций в области бизнеса в Университете штата Южная Дакота в школе менеджмента и экономики Нэсса. Этой осенью Ван опубликовал исследование под названием [«Machine learning for stock return prediction: Transformers or simple neural networks»](https://www.sciencedirect.com/science/article/pii/S1544612325020379), в котором изучалась возможность того, что новая архитектура ИИ — трансформеры — может точнее прогнозировать доходность фондового рынка при анализе экономических данных за период с 1957 по 2021 год. Исследование Вана опубликовано в журнале Finance Research Letters.
Исследование Вана показало, что трансформеры значительно превосходят нейронные сети на интервалах в один месяц, три месяца и один год при прогнозировании доходности фондового рынка.
«Эти результаты свидетельствуют о том, что архитектуры трансформеров лучше кодируют фундаментальную информацию», — пояснил Ван.
Почему трансформеры эффективны
Трансформеры, лежащие в основе больших языковых моделей, таких как ChatGPT, представляют собой усовершенствованный тип нейронной сети, способный обрабатывать большие массивы данных, включая текст. Их способность понимать контекст и связи между словами в предложении делает трансформеры особенно мощными. Это позволяет им выявлять глубокие фундаментальные структуры в данных и обнаруживать низкочастотные закономерности, которые не смогли бы выявить более простые нейронные сети.
В прогнозировании фондового рынка трансформеры могут улавливать долгосрочные тенденции и сезонность, что позволяет им точно прогнозировать доходность акций и совершенствовать предыдущие модели, основанные на ИИ.
«Модель на основе трансформеров может учитывать такие макроэкономические переменные, как инфляция, индексы волатильности в кредитовании и акционерном капитале, а также неопределённость экономической политики», — сказал Ван.
«Учитывая сходство входных данных и повсеместное присутствие сезонности и автокорреляции в финансовых временных рядах, модель может быть применена и к другим развитым и развивающимся рынкам акций, а также к рынкам корпоративных облигаций».
Источник: [Университет штата Южная Дакота](https://phys.org/partners/south-dakota-state-university/)