Научная статья на тему 'Машинное обучение в биржевой торговле'

Машинное обучение в биржевой торговле Текст научной статьи по специальности «Экономика и бизнес»

CC BY
778
108
i Надоели баннеры? Вы всегда можете отключить рекламу.
Журнал
E-Scio
Область наук
Ключевые слова
MACHINE LEARNING / EFFICIENCY / ECONOMICS / STOCK TRADING / DEVELOPMENT / INFORMATION TECHNOLOGY

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Майорский А.А.

На сегодняшний день информационные технологии являются лидирующим направлением в сфере жизнедеятельности человека. Повсеместно внедряются и разрабатываются совершенно-новые и ранее неизученные технологии. В мире происходит интенсивное распространение с совместным совершенствование цифровых и информационных технологий. Данное направление в течение длительного времени определяет основные траектории развития экономики и общества, а также уже не один раз приводило к колоссальным изменениям, касающихся жизни людей. Становление и совершенствование цифровой экономики является одним из самых приоритетных направлений большинства развитых стран, включая Японию, Соединенные Штаты Америки, Германию и другие. Понятие «Цифровая экономика» включает в себя автономную некоммерческую организацию, созданную с целью обеспечения эффективного диалога бизнеса и государства. Именно о применении машинного обучения в биржевой торговле и толкуется в данной статье.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по экономике и бизнесу , автор научной работы — Майорский А.А.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Today, information technology is a leading area in the field of human life. Absolutely new and previously unexplored technologies are being introduced and developed everywhere. In the world there is an intensive spread with the joint improvement of digital and information technologies. This direction has for a long time determined the main trajectories of the development of the economy and society, and has already led to colossal changes in people's lives more than once. The formation and improvement of the digital economy is one of the highest priorities of most developed countries, including Japan, the United States of America, Germany and others. The concept of "Digital Economy" includes an autonomous non-profit organization created with the aim of ensuring an effective dialogue between business and the state. It is about the use of machine learning in exchange trading that is interpreted in this article.

Текст научной работы на тему «Машинное обучение в биржевой торговле»

УДК 004.838.2

Информационные технологии

Майорский А. А., студент, факультет «Информатика и системы управления», МГТУ им. Н.Э. Баумана, Россия, г. Москва

МАШИННОЕ ОБУЧЕНИЕ В БИРЖЕВОЙ ТОРГОВЛЕ

Аннотация: На сегодняшний день информационные технологии являются лидирующим направлением в сфере жизнедеятельности человека. Повсеместно внедряются и разрабатываются совершенно-новые и ранее неизученные технологии. В мире происходит интенсивное распространение с совместным совершенствование цифровых и информационных технологий. Данное направление в течение длительного времени определяет основные траектории развития экономики и общества, а также уже не один раз приводило к колоссальным изменениям, касающихся жизни людей. Становление и совершенствование цифровой экономики является одним из самых приоритетных направлений большинства развитых стран, включая Японию, Соединенные Штаты Америки, Германию и другие. Понятие «Цифровая экономика» включает в себя автономную некоммерческую организацию, созданную с целью обеспечения эффективного диалога бизнеса и государства. Именно о применении машинного обучения в биржевой торговле и толкуется в данной статье.

Ключевые слова: Машинное обучение, эффективность, экономика, биржевая торговля, развитие, информационные технологии.

Annotation: Today, information technology is a leading area in the field of human life. Absolutely new and previously unexplored technologies are being introduced and developed everywhere. In the world there is an intensive spread with the joint improvement of digital and information technologies. This direction has for a long time determined the main trajectories of the development of the economy and

society, and has already led to colossal changes in people's lives more than once. The formation and improvement of the digital economy is one of the highest priorities of most developed countries, including Japan, the United States of America, Germany and others. The concept of "Digital Economy" includes an autonomous non-profit organization created with the aim of ensuring an effective dialogue between business and the state. It is about the use of machine learning in exchange trading that is interpreted in this article.

Keywords: Machine learning, efficiency, economics, stock trading, development, information technology.

Финансовые рынки в современном мире начинают быть все более сложными и эффективными, что затрудняет работу на них с использованием традиционных методов анализа. И хотя мы еще находится на заре развития новейших технологий, некоторые специалисты уже используют множество доступных данных для применения сложных количественных технологий, таких как машинное обучение (machine learning, ML).

Данные технологии не решат все проблемы, но вполне помогут финансовым управляющим получать наиболее близкую к безрисковой доходность в условиях высокой конкуренции [1].

На сегодняшний день объемы данных растут в геометрической прогрессии. По оценкам IBM, за последние два года было создано 90% всех мировых данных, которые появляются из трех основных источников: частных лиц, компаний и сенсорных датчиков.

Люди увеличивают потоки информации при каждом посте в Instagram или поездке в Uber, компании генерируют сегодня больше транзакций, чем когда-либо, а датчики уже фиксируют данные почти со всех окружающих нас предметов - от стиральных машин до ветровых турбин. По данным Seagate, в 2017 году объем сгенерированных данных оценивается примерно в 21 ЗеттаБайт (ЗБ, единица измерения информации, 1 ЗБ = 1021 байт), а к 2025 году он может превысит 160 ЗБ [2].

Финансовый мир также полон информации: финансовые рынки, экономические показатели и новости обеспечивают ее практически безграничную генерацию. Большинство инвесторов имеют доступ к одним и тем же данным в одно и то же время, что затрудняет успешную игру на рынке при использовании традиционных методов.

Тем не менее в секторе финансов все еще наблюдается относительная отсталость или консервативность по сравнению с другими отраслями. Основная причина тому заключается в дефиците специалистов, которые одинаково хороши как в финансах, так и программировании. При этом активно растет число приложений, использующих машинное обучение, появляются различные виды алгоритмов, которые можно использовать для реализации инвестиционных стратегий [1].

Торговля на криптовалютных и большинстве финансовых рынков происходит посредством непрерывного двойного аукциона (double auction) с так называемым открытым биржевым стаканом котировок (order book). Простыми словами, есть покупатели и продавцы, соответствующие другу другу так, что они могут торговаться. Организатор торгов (exchange) отвечает за это соответствие.

При разработке торговых алгоритмов в первую очередь нужно задаться вопросом, какой параметр должен оптимизироваться. Один из очевидных ответов - прибыль. Но еще необходимо сравнивать рассматриваемую стратегию торгов по основным показателям с другими возможными стратегиями, а также риск стратегии и волатильность по отношению к другим видам инвестиций [3].

С целью заработка денег, используя наиболее простую стратегию предсказания цен, первостепенной задачей является прогнозировать большие движения цен в течение наиболее длительных периодов времени, параллельно учитывая биржевые сборы, а также задержку при подаче ордера [5].

Вполне можно было бы сэкономить на сборе, применяя лимитные ордера за место рыночных, но в таком случае у человека отсутствовала бы

возможность иметь гарантии относительно соответствия ордеров. При этом появилась бы потребность в постройке более сложных вычислительных систем, предназначенных с целью управления ордерами и возможностью их отмены

[4].

Еще одной проблемой машинного обучения является тот факт, что оно абсолютно не подразумевает какую-либо линию поведения, которая в дальнейшем и носит название политики.

Обобщая вышесказанные тезисы, можно сделать вывод о том, что машинное обучение нуждается не только в модели прогнозирования цен, но также и в некой политике трейдинга, которая основывается на правилах, регулирующих прогнозы цен, а также принимающих ключевые решения. К примеру: размещение ордера, отмена ордера, ожидание изменений и так далее.

Поскольку рынки меняются в масштабах микро- и миллисекунд, трейдинг является хорошим приближением непрерывной временной области. Мы можем не фиксировать дискретные моменты времени, а рассматривать временную шкалу, как непрерывную, и считать факт выбора времени принятия действия составляющей обучения агента. То есть агент не только решает, какие именно действия предпринять, но и когда точно их осуществить. Развитие исследований, связанных с фактором времени, полезно для многих других областей, например, робототехники [2].

Целью этой статьи было дать введение в трейдинг при помощи машинного обучения с подкреплением и предложить несколько аргументов в пользу того, почему такой подход может усовершенствовать современные стратегии трейдинга и смежные области применения машинного обучения.

Технологиями, которые способны оказать наибольшее влияние на экономические процессы, являются технологии нейросетей (искусственного интеллекта), аналитика больших данных (Bigdata), интернет вещей, робототехника, автономные транспортные средства, облачные вычисления и другое [3].

В современном мире происходят действия, направленные на усиление информационной сферы в идеологии, политике, а также и в экономике. Именно поэтому начинает возникать необходимость, касающаяся глубокого системного исследования данного процесса. Машинное обучение представляет собой основу с целью создания совершенно-новых моделей бизнеса, качественных изменений, относящихся к бизнес-моделям, характере ведения, управляемости, гибкости бизнеса.

Библиографический список:

1. H. Witten, E. Frank Data Mining: Практические инструменты и методы машинного обучения (второе издание). - Морган Кауфманн, 2005.

2. Лян Ван, Ли Чэн, Гоин Чжао. Машинное обучение для анализа движений человека. - IGI Global, 2009.

3. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы М.: Финансы и статистика, 2003.

4. Флах П. Машинное обучение. — М. : ДМК Пресс, 2015.

5. Luger, J. F. Artificial Intelligence: Strategies and Methods for Solving Complex Problems / Artificial Intelligence: Structures and Strategies for Complex Problem Solving / Ed. N.N. Kussul. - 4th ed .. - M .: Williams, 2005.

i Надоели баннеры? Вы всегда можете отключить рекламу.