Používáte nástroj pro blokování reklamy. Pokud nám chcete pomoci, vypněte si blokování reklamy na našem webu. Zde najdete jednoduchý návod. Děkujeme.

Pusťte na trh neurony

Pusťte na trh neurony
Každý investor neustále hledá, hodnotí a analyzuje různé investiční příležitosti. Důležitou součástí tohoto nikdy nekončícího procesu je bezesporu také sebezdokonalování na základě získaných zkušeností a především neustálá schopnost učit se z vlastních správných či špatných rozhodnutí.

ilustrační obrázek Jelikož člověk je tvor nejen inteligentní, ale i pohodlný, rozhodli se někteří přenechat výše uvedené strojům. Přesněji řečeno počítačům, ještě přesněji takzvané umělé inteligenci – neuronovým sítím. Umělá inteligence je souhrnný pojem pro postupy simulující myšlenkové pochody člověka. Finančnictví je jednou z oblastí, které vyhovují počítačovým řešením s užitím umělé inteligence. Díky přesnosti vstupních dat a přítomnosti nelinearit mezi zkoumanými daty. Úlohy řešené pomocí neuronových sítí mohou být jak klasifikační (ratingy akciových společností), tak i predikční (odhady vývoje kursů, odhad vývoje fundamentálních faktorů).

Mozek jako předloha

Tvůrci neuronových sítí se inspirovali lidským mozkem. Jejich základem jsou neurony, které se navzájem propojí. Všechny tyto neurony jsou následně uspořádány do vrstev. Typická neuronová síť se skládá ze vstupní (horní) vrstvy, skryté a výstupní (dolní) vrstvy. Každý neuron ve skrytých vrstvách je spojen se všemi neurony předchozí vrstvy, takže jeho výstup závisí na všech vstupních hodnotách. Každý vstup je ohodnocen určitou váhou, která určuje jeho důležitost pro daný neuron. Váhy, které při tvorbě sítě náhodně zadáme, samozřejmě nejsou ideální a proto síť musí projít procesem učení, neboli trénování. To probíhá tak, že se zadá určitý vstup (např. zadlužení společnosti, vážený cenový průměr, zisk na akcii, repo sazba atd.) a vypočtený výstup (kurs akcie, dluhopisu) se porovná se správným výsledkem. Pokud se výstup a výsledek liší, tak se automaticky upraví hodnoty vah jednotlivých spojení neuronů. Tato činnost se opakuje tak dlouho, dokud síť nepodává správné výsledky alespoň ve většině případů. Nejvýznamnějším znakem neuronových sítí je tedy schopnost učit se. Tím se sítě liší od tradičních programů, které jen vykonávají pevně dané instrukce. Není tedy nutné precizovat řešení daného problému, stačí shromáždit dostatečně velký reprezentativní soubor příkladů. Neuronová síť je pak schopna z těchto informací vytěžit nejpodstatnější elementy. Síť je také schopna generalizovat a zevšeobecňovat řešení, nachází velmi přesnou odpověď v situacích, se kterými se v procesu trénování nikdy nesetkala, což je v případě akciových odhadů nejdůležitější. Dalším důležitým znakem je skutečnost, že i po částečném poškození je síť schopna nadále generovat dobré výsledky. A o ty nám jde především.

Studie, srovnání a expertízy

Pánové Cheng, McClain a Kelly ve své studii z roku 1997 konstatovali: Počítačový systém pro investování na trhu amerických státních dluhopisů, založený na architektuře umělých neuronových sítí v průběhu pěti let (1989-1993) vytvářel návratnost investic ve výši 17 % oproti 14 %, kterými se chlubil Lehman Brothers Treasury Bond Index. Paradoxem je, že tato studie byla zveřejněna v USA přesně deset let po pádu newyorské burzy, jehož hlavní příčinou bylo právě využití počítačů v obchodních systémech investorů. Také někteří další odborníci upozorňují na fakt, že oproti klasickým statistickým metodám, užívaným při predikcích, dosahují neuronové sítě prokazatelně lepších výsledků. Analytici Dutta a Shekhar publikovali již v roce 1988 srovnávací studii předpovědí pomocí neuronových sítí a regresní analýzy (technická analýza) na trhu dluhopisů. Předpovědi z regresní analýzy byly správné v 65 % případů a předpovědi systému založeném na bázi neuronových sítí byly správné v 88 % případů. Podle R. Shardy, dalšího z analytiků, prokázalo 30 ze 42 provedených studií, že neuronové modely dosahují lepších výsledků, než tradičně využívané techniky. Podobně přesvědčivé výsledky přinesly experimenty s neuronovými sítěmi při investování do amerických a japonských akcií, při investicích do dluhopisů i při předpovědích bankrotů firem (credit risk management).

Analytici na Mars?

Jako nic není černobílé, tak i klady řešení na bázi neuronových sítí mají své zápory. Hlavní nevýhodou využití softwarů umělých neuronových sítí jsou požadavky kladené na systém a uživatele jak v oblasti přípravy vstupních dat, tak i v oblasti trénování neuronové sítě. Problémy vyvstávají také při výběru jednotlivých typů neuronových sítí, v oblasti jejich finanční dostupnosti, matematické složitosti a systémové náročnosti. Všechna tato negativa jsou bariérou vstupu pro drobného investora, nikoliv však pro silné a renomované finanční organizace. Na tomto poli se již delší dobu odehrává „tichá technologická válka“. Výstupy z interních neuronových sítí těchto institucí jsou v první řadě využívány pro jejich vlastní potřeby. Dále jsou stále častěji šikovně maskovány v doporučeních renomovaných analytiků, kteří tyto výstupy mohou nejen lépe utajit, ale i lépe prodat. Přece jen nejsme zatím zvyklý slýchat: "Podle našeho modelu NS-150, verze 2.40 se bude kurs akcie Českého Telecomu pohybovat v průběhu příštího týdne v rozmezí od 297Kč do 312Kč." Rozumný investor či analytik by však měl výstupy z neuronových sítí pouze porovnávat se závěry jiných analytických metod. Není totiž nikdy předem dáno, že výstupy z neuronových sítí musí být nutně lepší, nežli je tomu v případě užití těchto jiných metod.

Pleteme sítě (neuronové)

Již delší dobu plním daty a postupně se snažím trénovat svou malou vrstvenou neuronovou síť. O praktických výsledcích svého trenérského umu, avšak pouze v případě, že výstupy z této neuronové sítě nesplní má zisková očekávání, se velmi rád podělím s čtenáři někdy jindy.

Co si myslíte o umělé inteligenci. Svěřili byste investování neuronům? Podělte se o své zkušenosti a názory s ostatními čtenáři.

  • RSS
  • Kindle
  • Poslat e-mailem
  • Vytisknout

Líbil se vám článek?

-19
Ano
Ne

Diskuze

Příspěvek s nejvíce kladnými hlasy

16. 8. 2001 10:00, TGP

Myslím, že podobné systémy jsou hodně nebezpečné - často fungují na základě stejného algoritmu, takže všechny firmy, které by je používaly, by se chovaly víceméně identicky a trh by se dostával do nebezpečné spirály (ať už nahoru nebo dolů). Stroje jsou dobrý sluha, ale zlý pán, jak praví mírně upravené přísloví.

Reagovat

 

+22
Líbí
Nelíbí

Příspěvek s nejvíce zápornými hlasy

16. 8. 2001 14:33

Móda aplikací umělých neuronových sítí ve finančním prognózování vrcholila v polovině 90. let. Pamatuji se na to dobře, psal jsem tehdy diplomku, která se jimi též částečně zabývala. Pak se ale ukázalo, že žádná umělá neuronová síť nebyla schopna předpovědět a) asijskou krizi v roce 1997, b) ruskou krizi v roce 1998, c) pokles cen ropy a dezinflaci v letech 1998-99, d) internetovou horečku, e) vliv aukcí UMTS na hodnocení telekomů, f) reakci OPECu na c) v letech 2000-2001, g) pokles eura, h) ...

Existují velmi dobré teoretické důvody, proč jsou umělé neuronové sítě nevhodné pro předpovídání finančních časových řad. Naproti tomu mohou být vhodné pro hodnocení kreditní kvality a pro odhalování podvodů s kreditními kartami. (V rámci velkého počtu standardních operací umí umělá neuronová síť docela dobře poznat malý počet nestandardních operací.) Londýnská burza, pokud vím, používá umělé neuronové sítě pro detekci možných "insider" obchodů.

Umělé neuronové sítě tedy nejsou zázračnou cestou ke skvělým výnosům. V tomto směru se přikláním k trénování přirozené neuronové sítě - té, kterou každý z nás nosí v dutině lebeční.

Reagovat

 

-1
Líbí
Nelíbí

Další příspěvky v diskuzi (17 komentářů)

2. 12. 2004 | 19:37

Ne, skutečně je nedělá, pokud tam nejsou zavlečeny člověkem. Zdá se, že toho o lidech moc nevíte.... více

9. 5. 2002 | 13:54

mam nekolik otazek, jak data filtrujes/upravujes, jak mas definovany vstupy/ vystupy (jak velka je historie a kolik mas vstupu a vystupu) a jak mas definovanou sit (kolik vrstev a neuronu), predpokladam obycejnej backprop...více

21. 8. 2001 | 17:51 | Baronlempl

Ano, lidská historie je velice krátká, již ve srovnání s histoií této nicotné planety nicotná. My se na ní díváme pouze z pozice člověka... Jsme namyšlení. Naší nicotnou člověčí inteligencí a šílenými emocemi sníme o umělé...více

21. 8. 2001 | 12:12

Cassův článek je dobrý v tom smyslu, že podává současný vývoj v historické perspektivě. To se mi líbí zcela mimořádně, protože málokterý analytik má takový nadhled. Právě tak vřele souhlasím s názorem, že dnešní "nová ekonomika"...více

20. 8. 2001 | 8:11

Vážený pane Kolář, nevím sice na co jste narážel svým zdáním, ale k Vašim výtkám asi tolik: 1.nekladl jsem si za cíl popsat detailně problematiku neuronových sítí, neboť by to vzalo nejspíše na celou encyklopedii, jsou na...více

Naposledy navštívené

Články

Produkty a instituce

Kalkulačky

Poradna

Finanční subjekty

Nabídky práce

Obchodní rejstřík

Osoby v obchodním rejstříku

Části obce

Městské části

Obce

Okresy

Témata

Manko, Býčí trh, Kompromis, daň z příjmů, petr dvořák, psd2, andrej babiš, fintech, COMEX, členský příspěvek, Radim Juchelka, DDT, Andorra, Ministerstvo zahraničních věcí, a karta, délka praxe, 183/2006 Sb., Výzkumný ústav práce

1AL0293, MINKA001, 5AC3307, 2M42777, 4M00544

Přihlášení

Jméno

Nemáte registraci? Zaregistrujte se zde!

Všechny materiály © 2000 - 2016 Peníze.CZ a dodavatelé. Všechna práva vyhrazena.

ISSN 1213-2217. Doslovné ani částečné přebírání materiálů není povoleno bez uvedení zdroje a předchozího písemného svolení.
Peníze.CZ vydává společnost Partners media, s.r.o.
Člen SPIR - Sdružení pro internetovou reklamu. Člen SVIT - Sdružení vydavatelů internetových titulů při UVDT.

Při poskytování služeb nám pomáhají soubory cookie. Používáním našich služeb nám k tomu udělujete souhlas. Další informace.OK