Giełda. Algorytmy szybkie i wściekłe
Jeśli chodzi o najbardziej znaną giełdę świata w Nowym Jorku, będącą niejako symbolem handlu akcjami, towarami i różnego rodzaju instrumentami finansowymi, to rezydujące tam „od zawsze” instytucje fizycznie mieszczą się w dzielnicy wokół legendarnej Wall Street. Wiosną 2024 r. wielki bank JPMorgan Chase zamknął swój oddział przy ulicy Wall Street, pod numerem 45, po stu pięćdziesięciu latach funkcjonowania w tym symbolicznym miejscu. Większość innych banków i domów maklerskich, które niegdyś miały adresy przy Wall Street, już się przeprowadziła, znajdując nowe siedziby w innych miejscach na Manhattanie lub poza nim. Jednak odejście potężnego JPMorgan uznano za kamień milowy zmian, godny odrębnych szkiców historycznych na temat nowojorskiej giełdy, jak na przykład rozpoczęcie w tym miejscu naprzeciw siedziby Nowojorskiej Giełdy Papierów Wartościowych, przez J. Pierponta Morgana i jego syna budowy jednego z najpotężniejszych banków na świecie. To ten bank w tym miejscu, a nie gdzie indziej, budował jako jeden z najważniejszych potęgę stolicy finansowej świata.
Teraz media w reportażach opisują, jak okolice Wall Street pustoszeją. Częściej można tam obecnie spotkać na ulicy turystę niż bankiera czy maklera, ubranego w dobry, drogi garnitur (1). Oczywiście niektóre banki i inne firmy wciąż tu rezydują, ale to tylko nikły cień czasów, gdy tętniło w tym miejscu życie finansowe świata.
Fot: stock.adobe.com
Życie finansowe świata wciąż jednak tętni, nawet można powiedzieć, coraz intensywniej, ale nie ma to już silnego fizycznego związku z tym konkretnym miejscem ani w ogóle z jakąkolwiek fizyczną lokalizacją. A to oznacza, że świat giełdy, tak jak kiedyś wyglądała, z parkietami i tabunami kupujących i sprzedających ludzi, stopniowo odchodzi w przeszłość.
Głęboka nauka bota obracającego akcjami
Stosowanie algorytmów, programów komputerowych do handlu na giełdzie nie jest rzeczą tak świeżą, jak niektórym mogłoby się wydawać. Robi się to już od dekad. Jak się obecnie ocenia, ponad 70 proc. handlu na giełdzie odbywa się obecnie za pomocą algorytmów komputerowych i coraz częściej, sztucznej inteligencji.
Jednak nowa generacja narzędzi AI wynosi efektywność maklerów-botów na nowe poziomy. Naukowcy z Uniwersytetu Stanforda zademonstrowali w ubiegłym roku model sztucznej inteligencji StockBot, który wykorzystuje technikę tzw. długiej pamięci krótkotrwałej (LSTM), rodzaj rekurencyjnej sieci neuronowej (RNN), do przewidywania cen akcji w sposób pozwalający na osiągnięcie zysków wyższych niż najbardziej agresywne fundusze inwestycyjne. Wcześniejsze projekty o podobnym charakterze wykorzystywały tradycyjne techniki uczenia maszynowego. Tym razem badacze zwrócili się w stronę modeli głębokiej nauki maszynowej (ang. deep learning). Głębokie sieci neuronowe, takie jak właśnie LSTM lub inna, nazywana koder-dekoder, są coraz częściej wykorzystywane do zadań prognozowania na giełdzie, ponieważ są bardziej
wydajne w przetwarzaniu danych w czasie.
Choć branża giełdowa ogólnie otwarta jest na stosowanie sztucznej inteligencji, algorytmy głębokiej nauki maszynowej wzbudzały do tej pory sceptycyzm. Powodem było to, że to modele typu niewyjaśnialna „czarna skrzynka”, czyli mechanizmy podejmowania decyzji nie są w nich znane, a firmy z tej branży nie czują się komfortowo, gdy nie wiedzą, na czym algorytm opiera swoje zakupy i sprzedaże.
StockBot z Uniwersytetu Stanforda ma pomagać inwestorom w podejmowaniu codziennych decyzji typowych dla ich pracy, czyli – sprzedać lub kupić. To uogólniony model przewidywania cen nowych akcji, co do których nie ma wystarczających danych historycznych, aby można było je poddać bardziej tradycyjnej analizie. Modele predykcyjne oparte na LSTM są szkolone na cenie pojedynczej akcji i mogą przeprowadzać wnioskowanie przy użyciu parametrów wyuczonych na tej samej akcji. W związku z tym autorzy zaproponowali szkolenie sieci specjalizowane dla typu branży, np. sektora „energia” lub „finanse”. Przeszłe i przyszłe ceny z wielu giełd w tej samej branży są łączone w celu utworzenia mieszanego zestawu szkoleniowego i/lub testowego. W ten sposób model może działać w dwóch trybach. Chociaż etap szkolenia odbywa się przy użyciu połączonego zestawu, etap przewidywania można wykonać dla wszystkich wskaźników lub tylko dla jednego, co jest bardzo przydatne do wykonywania bardziej niezawodnych prognoz dla akcji z niewystarczającymi danymi historycznymi. Ponadto bot jest wykorzystywany do wykonywania operacji kupna lub sprzedaży w momencie zamknięcia każdego dnia w celu maksymalizacji zysków. Decyzja podejmowana jest na podstawie analitycznych przewidywań cen akcji bez jakiejkolwiek fazy treningowej. Bot podejmuje decyzje oparte na wartościach wzrostu lub spadku. Gdy wzrost lub spadek osiągają odpowiednie poziomy, zapada decyzja o sprzedaży bądź kupnie.
Można powiedzieć, że człowiek handlujący aktywami na giełdzie robi to samo. Również podejmuje decyzje na podstawie wzrostów lub spadków. Jednak eksperci ze Stanforda twierdzą, że model LSTM robi to lepiej. Więcej zarabia, mniej traci.
Algorytmy komputerowe i sztuczna inteligencja mogą być na rynku akcji i innych walorów wykorzystane na różne sposoby, do analizy danych finansowych, trendów rynkowych, identyfikowania okazji handlowych i zarządzania ryzykiem, realizacji transakcji i podejmowania decyzji inwestycyjnych. Systemy te mogą przetwarzać ogromne ilości danych z prędkością nieosiągalną dla ludzi zajmujących się handlem na giełdzie.
Wysoka częstotliwość
Od dekad oprogramowanie takie i rozwiązania specjalistyczne oferuje firma Oracle. Choć oferuje firmom zajmującym się handlem na giełdzie znaczne korzyści, wysokie koszty i potrzeba specjalistycznej wiedzy potrzebnej do zarządzania bazami danych Oracle skłoniły branżę do poszukiwania alternatywnych rozwiązań.
Obecnie uważa się, że to właśnie nowa generacja sztucznej inteligencji jest tą poszukiwaną alternatywą. Może zautomatyzować powtarzalne zadania i zminimalizować błędy ludzkie, jednak pojawiają się obawy dotyczące jej braku zdolności właściwej reakcji na nieprzewidziane zdarzenia, które na giełdzie są częścią gry. Doświadczeni maklerzy zazwyczaj wiedzą, co wtedy trzeba robić, pomaga im nie tylko wiedza, ale także ludzka intuicja. Pod tym względem trudno na razie zaufać modelom sztucznej inteligencji. Zdaniem prognostów przynajmniej na razie najbardziej realistycznym i rozsądnym scenariuszem jest współpraca ludzi i algorytmów AI.
Jeśli mówimy o handlu algorytmicznym na rynkach, to warto poznać też inne pojęcie – tzw. handel wysokiej częstotliwości (HFT), który polega na zawieraniu tysięcy transakcji na sekundę na podstawie analizowanych danych i napływających informacji. Oprogramowanie może przyswoić i przeanalizować w jednostce czasu znacznie więcej informacji niż człowiek, dlatego może składać zlecenia na masową skalę, błyskawicznie je realizując lub modyfikując. Z tego m.in. powodu wykorzystanie sztucznej inteligencji w handlu może przyczynić się także do zwiększenia zmienności na rynku, ponieważ algorytmy potrafią reagować na warunki rynkowe w milisekundach, prowadząc do szybkich i gwałtownych wahań cen. Może to stanowić wyzwanie dla tradycyjnych inwestorów. Gdy sztuczna inteligencja może przetwarzać dane z szybkością i skalą przewyższającą ludzkie możliwości, ludzka wiedza i osąd wydają się być na straconej pozycji. Można to ująć także tak, że zastosowanie AI zamiast ludzi w kolejnych krokach prowadzi do dalszej eliminacji ludzi.
W przyszłości sztuczna inteligencja będzie prawdopodobnie wykorzystywana do opracowywania jeszcze bardziej wyrafinowanych algorytmów handlowych i automatyzacji większej części procesu handlowego. Według większości obecnie krążących opinii, jest jednak mało prawdopodobne, by AI oznaczała koniec rynku akcji w znanej nam formie. Rynek akcji jest złożonym systemem, który opiera się na ludzkich zachowaniach. Mało prawdopodobne, aby sztuczna inteligencja była w stanie w pełni je zrozumieć lub odtworzyć. Ponadto istnieje szereg przepisów, które mają na celu ochronę inwestorów przed oszustwami i manipulacjami, a przepisy te prawdopodobnie będą nadal ewoluować, dostosowując się do rozwoju AI.
Ruchy na rynku akcji są napędzane przez ludzką naturę, zarówno w krótkiej, jak i długiej perspektywie. Sztuczna inteligencja może mieć szansę na spore sukcesy w handlu na krótką metę (inwestowanie spekulacyjne), ale aby odnieść sukces w dłuższej perspektywie, umiejętności wyceny są bardziej formą sztuki niż nauką ścisłą. Być może więc w końcu wyodrębnią się dwa rynki – jeden szybki, który będzie grą maszyn, gdyż człowiek i tak nie ma tu szans, a drugi – długoterminowy, oparty na wiedzy i intuicji, których maszyny nie mają i pewnie długo nie będą mieć.
Mirosław Usidus
