Može li umjetna inteligencija zamijeniti forex trgovce?

Jesu li trgovci valutama zastarjeli? Na prvi pogled odgovor je ne, ali zaslužuje više od jednosložnog odgovora. Zapravo, velika većina trgovanja valutama na glavnim valutnim parovima sada se obavlja putem računala. Da, automatizirani sustavi trgovanja ili algoritamsko trgovanje, kako je formalnije poznato. Ovi sustavi obrađuju podatke o cijenama u mikrosekundama i reagiraju na objave podataka poput nepoljoprivrednih platnih lista prije nego što itko drugi može pročitati naslov. Ne umaraju se, ne donose iracionalne odluke i ne pate od predomišljanja.

Trgovanje nije samo stvar izvršavanja trgovina, već i složen proces interpretacije, donošenja prosudbi u situacijama neizvjesnosti, donošenja odluka samo s nepotpunim informacijama. Međutim, okolnosti pod kojima se te odluke donose gotovo nikada ne odgovaraju okolnostima pod kojima je model učio iz podataka. A predviđanja isključivo algoritamskih sustava na Forexu imaju prilično mješoviti uspjeh.

Priča o forexu nije samo priča o fanatičnim entuzijastima suprotstavljenim opreznim cinicima. Istina je da su se tržišta dramatično promijenila od pojave umjetne inteligencije. No, ostaje za vidjeti je li ljudski trgovac sada zastario.

Što umjetna inteligencija zapravo može učiniti na forex tržištima

Algoritamski sustavi imaju nekoliko jakih strana kada se primjenjuju na Forex trgovanje. Najvažnije je da mogu obraditi ogromne količine podataka o tikovima, istovremeno identificirati statističke obrasce u više vremenskih okvira i izvršavati naloge brzinama koje nijedan ručni trgovac ne može dostići. To nisu marginalne prednosti.

Posljednjih godina postoji sve veći interes za uključivanje modela strojnog učenja u ulaganja. Neki od ovih modela imaju stvarne mogućnosti obrade vijesti kako bi identificirali sentiment, prepoznali tehničke obrasce i testirali povijesne podatke o cijenama. Dobro konstruirani modeli strojnog učenja imaju nekoliko prednosti u odnosu na ljudske upravitelje portfelja. Sposobni su pravovremeno i brzo izvršavati investicijske odluke. Za razliku od ljudskih upravitelja portfelja koji mogu imati ljutnju i upuštati se u osvetničko trgovanje, modeli strojnog učenja nemaju ljutnju i ne ulaze u osvetničko trgovanje. Nadalje, nemaju tendenciju napuštanja strategije zbog tri uzastopna dana gubitka.

Institucionalni klijenti iskusili su prednosti izvršenja narudžbi vođenih umjetnom inteligencijom i značajno poboljšanog upravljanja tokom naloga. Sada i maloprodajni trgovci imaju koristi od slične tehnologije, budući da su neke brokerske kuće počele implementirati automatizirane algoritme izvršenja za trgovanje valutama. Osim toga, neke platforme sada nude potpuno automatizirano stvaranje strategija, kao i mogućnosti kopiranja trgovanja. To znači da kupci s manjim računima mogu pristupiti širokom rasponu algoritamskih proizvoda koji su prije bili dostupni samo velikim institucionalnim investitorima.

Danas je dostupno mnogo sposobnih alata za trgovanje, uključujući prepoznavanje uzoraka. To je izvrsno za trgovanje, jer se većina trgovaca oslanja na svoje oko kako bi prepoznali i postavili trgovine na temelju kretanja cijena. Problem sa svim tim alatima je taj što mogu biti prilično dobri dok se uzorak ne prekine. A na Forexu se uzorci često prekidaju.

Ograničenja algoritamskog trgovanja

Depeg švicarskog franka iz 2015. ostaje jedan od najpoučnijih primjera algoritamskog neuspjeha na modernim Forex tržištima. Dok većina zna da je nagli pad švicarskog franka uzrokovao ogromne gubitke u roku od nekoliko sati, malo tko shvaća da je nekoliko brokera zapravo postalo insolventno u kaosu, uglavnom zbog automatiziranih proizvoda za trgovanje koji nikada nisu testirani u tako ekstremnim okolnostima.

Većina Forex algoritama izgrađena je na povijesnim podacima, a povijesni podaci ne mogu pripremiti model za zaista nove uvjete. Promjene politika središnjih banaka, geopolitički poremećaji, krize likvidnosti - ovi događaji se ne najavljuju sami od sebe i ne nalikuju dovoljno onome što se dogodilo prije da bi sustavi za usklađivanje uzoraka dobro reagirali.

Uz gore navedene poteškoće, pretjerano prilagođavanje je raširen problem s kojim se susreću iskusni kvantitativni trgovci. Model koji je visoko optimiziran za backtesting obično postiže izuzetno dobre rezultate tijekom razdoblja backtestinga, ali zatim naglo pada na pravim tržištima, jer je u biti zapamtio određene obrasce u prošlim podacima, a ne naučio prenosive principe.

Stalni izazov s kojim se suočavaju svi sustavi su promjene režima volatilnosti - sustavi optimizirani za okruženje snažnog trenda neće se jednako dobro ponašati u rasponu kretanja cijena, iako temeljna pravila ostaju ista.

Gdje ljudska prosudba još uvijek ima prednost

Iako iskusni trgovci koji dosljedno ostvaruju profit mogu imati uvjete trgovanja koji se mogu objasniti do neke razine, u tim uvjetima uvijek postoji dvosmislenost. Je li struktura tržišta jasna? Postoje li konkurentski obrasci koji se bore za prevlast? Ili postoji temeljna sila koja se gradi, ali cijena je još nije odrazila? Algoritmi su općenito loši u trgovanju dvosmislenošću, a način na koji čovjek prepoznaje obrazac nije isti kao računalni program.

Čak i iskusni tržišni stručnjaci često traže neke jedinstvene uvide koje trenutni modeli ne hvataju. Iako modeli mogu pružiti obilje informacija o budućem kretanju cijena, postoje i druge nijanse koje iskusni trgovci moraju uzeti u obzir pri donošenju odluka - poput tona konferencije za novinare Federalnih rezervi, vjerodostojnosti navedenog političkog puta središnje banke i stupnja u kojem je objavljivanje važnih podataka već uračunato. Ova vrsta interpretativne procjene nadilazi puko pretraživanje teksta u potrazi za ključnim riječima.

Iako modeli strojnog učenja mogu biti nevjerojatno moćni u obradi širokog spektra podataka kako bi identificirali trgovačke prilike, ljudska intervencija igra ključnu ulogu u upravljanju rizicima. Jednako važno kao i znati kada ući u trgovinu, važno je znati i kada ne. Čak će i najsofisticiraniji modeli izvršavati trgovine na temelju kriterija koji su za njih postavljeni, ali iskusni trgovci također imaju vještinu prepoznavanja kada tehnički valjana postavka možda neće funkcionirati iz razloga izvan same trgovine - nepredviđenih globalnih političkih događaja, manje likvidnih trgovačkih sesija ili sukobljenih makro signala. Ovu vrstu situacijske svijesti teško je programirati u stroj.

Jedna od glavnih prednosti korištenja diskrecijskog okvira u odnosu na algoritam jest ta što, kako tržište donosi neočekivane događaje, trgovac može modificirati okvir u stvarnom vremenu kako bi odražavao nove informacije.

Hibridni model: umjetna inteligencija kao alat, a ne zamjena

Točnija slika o tome kako umjetna inteligencija funkcionira u profesionalnom Forex trgovanju nije zamjena, već proširenje. Institucije žele koristiti umjetnu inteligenciju u uslugama izvršenja, kao modul unutar šireg skupa alata koji im omogućuje učinkovito izvršavanje trgovina uz zadržavanje odgovornosti za strategiju i upravljanje rizicima.

Trgovac koji koristi grafikone potpomognute umjetnom inteligencijom može analizirati potpuno drugačiji svemir informacija. Alati za procjenu sentimenta koji agregiraju pozicioniranje tržišta terminskih ugovora, tok vijesti i signale tržišta opcija mogu otkriti podatke čije bi ručno prikupljanje trajalo satima. Alati poput ovih smanjuju mehaničko opterećenje, oslobađajući analitički kapacitet za odluke višeg reda.

Kako se ova tehnologija zapravo koristi u praksi? Većina se koristi kao alat za podršku, kako bi se povećala učinkovitost profesionalaca. Sve više i više maloprodajnih trgovaca prihvaća taj način razmišljanja - koriste algoritamske filtere za otkrivanje mogućih trgovina, a zatim ručno unose trgovinu, kombinirajući najbolje od automatizirane tehnologije s ljudskom prosudbom.

Usporedba umjetne inteligencije i ljudskog trgovca donekle je zavaravajuća. U praksi je pitanje koristi li trgovac dostupne alate dobro.

Što to znači za maloprodajne i institucionalne trgovce

Za institucionalne sudionike, implikacije su već vidljive. Broj zaposlenih na izvršnim stolovima je opao, dok je potražnja za trgovcima koji mogu raditi uz algoritamske sustave - razumjeti njihove rezultate, identificirati njihove načine kvara i intervenirati kada uvjeti to zahtijevaju - porasla.

Za maloprodajnog trgovca stvari su vrlo drugačije. Sada je dostupan širok raspon alata, uključujući alate za izradu strategija, mogućnosti kopiranja trgovanja i algoritamske filtere. Ali imati sve ove alate na raspolaganju nije jamstvo uspjeha. Trgovac mora dobro razumjeti strukturu tržišta, razumno upravljati padom vrijednosti i imati koherentnu metodologiju trgovanja.

Maloprodajni trgovci koji koriste algoritme često tretiraju takve alate kao crnu kutiju - nesvjesni unutarnjeg funkcioniranja, slijepo slijede sustav na dnevnoj bazi. Iako će svi sustavi na kraju zakazati, neupućeni trgovac neće znati zašto je sustav zakazao, što će dovesti do vrlo loših odluka u konačnici.

Ono što dosljedno profitabilne maloprodajne trgovce razlikuje od šire populacije rijetko je kvaliteta njihovih alata. To je kvaliteta njihovog procesa - a to ostaje ljudska odgovornost.

Zaključak

Umjetna inteligencija nije zamijenila Forex trgovca. Promijenila je kako izgleda učinkovito trgovanje - i podigla je osnovnu razinu onoga što trgovci trebaju razumjeti kako bi ostali konkurentni. Izvršenje je automatizirano u velikim razmjerima. Obrada podataka ubrzala se izvan ljudskih mogućnosti. A sustavno testiranje strategija postalo je dostupno maloprodajnim sudionicima koji prije nisu imali načina za rigoroznu procjenu svojih pristupa.

Ali temeljni zahtjevi trgovanja nisu nestali. Točno razumijevanje tržišta, upravljanje rizikom bez krutih pravila i prilagođavanje promjenjivim uvjetima - to su i dalje područja gdje ljudska prosudba nije samo relevantna već i neophodna.

Narativ o zamjeni obično se urušava kada se detaljnije prouči. Ono na što dokazi umjesto toga ukazuju jest profesija u tranziciji, gdje trgovci s najvećom vjerojatnošću uspjeha imaju oni koji razumiju i mogućnosti i ograničenja alata koji su im dostupni. To razumijevanje nije nešto što algoritam može sam generirati.