Voiko tekoäly oppia voittamaan osakemarkkinat?

Jeff Glickman rakensi vuosikymmeniä tekoälyn kilpailemaan Wall Streetin parhaiden mielten kanssa. Onko mahdollista, että hän on murtanut koodin?

Voiko tekoäly oppia voittamaan osakemarkkinat?

Seattlen esikaupungissa toimistopuiston toisella puolella supertietokone opettaa voittamaan osakemarkkinat.



Korkean talouden pyhä graali ei näytä paljon: kahdeksan riviä palvelimia on suojattu mustalla metallikehyksellä. Mutta tämän ankaran kotelon sisällä tapahtuu uskomaton alkemia. Neljäsataa tietokonetta välkkyy ja humisee, kun markkinatietoja hajotetaan neljän miljardin laskenopeudella sekunnissa, jolloin tilauspyynnöt lähetetään elektronisille kauppiaille Chicagossa, 2000 mailin päässä. Suojarakennuksen ulkopuolella 10 hehkuvan näytön pankki näyttää tulokset, kun raha palaa sisään.

Jopa nyt, kun maailmantalous putoaa taantumaan, Jeff Glickman ja hänen boutique -sijoituspalveluyrityksensä J4 Capital saavat hiljaa voittoja. Riittää, kun sanomme, että teemme voittoa näillä markkinoilla, hän sanoo.



Tämä vähättelee sitä ihmettä, jonka Glickman väittää suorittaneensa. Kun puhuimme 20. maaliskuuta, J4 Capital nousi vuoden aikana lähes 4% Glickmanin jakamien sisäisten asiakirjojen mukaan, kun taas Dow Jones Industrial Average laski lähes 27% - sankarillinen voitto lähes 31 prosenttiyksikköä. Monet muut hedge -rahastot laskivat kaksinumeroisina ja heilahtelivat. Kun puhuimme uudelleen 7. toukokuuta, hän lähestyi 5 prosentin tuottoa.



Useimmat rahoitusinsinöörit uskovat, että omille laitteilleen jätetty kone ei voi voittaa osakemarkkinoita. Tiedot ovat liian meluisia, liian satunnaisia ​​ollakseen ennakoitavissa. Havaittavissa olevat kaupankäyntitiedot rajoittuvat viimeiseen sataan vuoteen, ja keskiarvojen laki on armoton. Kilpailijat löytävät ja poistavat nopeasti kaikki signaalit, jotka ovat riittävän ilmeisiä puuttuvan sisäpiiritiedon hyödyntämiseksi - esimerkiksi öljytynnyrit lähes ilmaiseksi. Jotkut määrälliset hedge-rahastot käyttävät algoritmeja korkeataajuisten kauppojen tekemiseen, mutta ne on usein ohjelmoitava uudelleen ja tarkennettava.

kuinka päästä eroon egosta

Kaikki tämä kilpailu jättää pienen marginaalin voitolle. Poikkeuksellinen kauppias olisi innoissaan 51% onnistumisprosentista - samanlainen kuin Las Vegasin blackjack -pöydän edut. Renaissance Technologies , ehkä maailman kannattavin kvanttitoimisto, on tuottanut valtavan omaisuuden hyödyntämällä panoksia näillä kertoimilla. J4 Capital, jolla on vain kaksi muuta työntekijää, väittää onnistuneensa lähes 60 prosentissa.

Glickman itse tietää vähän rahoituksesta. 59-vuotias tietotekniikan tutkija ei ole koskaan työskennellyt Wall Streetillä tai missään suuressa pankissa. Tästä syystä hänen supertietokoneensa ei hyödynnä panoksiaan eikä johdannaiskauppaa, mikä rajoittaa toistaiseksi J4: n tekemää rahaa. Glickman ei myöskään kirjoittanut sijoitusalgoritmia kertomaan koneelle, mitä tuloja käytetään. Sen sijaan, Glickman sanoo, hän loi autodidaktisen superintelligenssin, joka voisi ohjelmoida itsensä uudelleen.



J4 -operaatiokeskus. [Kuva: Tekijänoikeudella suojattu 2020, Jeff Glickman]

Hedge -rahastojen maailma on täynnä uskomattomia väitteitä, joista vain osa on totta. Kun pyydettiin kommentteja, kaksi tutkijaa, joilla oli asiantuntemusta algoritmisista rahoituksista, ilmaisi epäilynsä siitä, että J4: n innovaatiot olivat yhtä mullistavia kuin kuvattu, vaikka kumpikaan asiantuntija ei tuntenut yritystä. Glickman, jolla on useita patentteja kuvankäsittelyyn, kuvioiden tunnistamiseen ja verkkotekniikkaan, vaatii, että hänen tekoäly on todellinen asia.

Matematiikka on kunnossa, mutta Glickman tekee parhaansa selittääkseen. Hänen käyttämänsä ohjelmisto on eräänlainen lauseen todistaja, epädeterministinen algoritmi, joka voi tarkastella tietojoukkoa ja luoda hypoteesin tulkitsemaan näkemäänsä. Samanlainen tapa, jolla ihmisen aivot jakavat tiedon paloina maailman heuristiikan muodostamiseksi Glickmanin tekoäly testaa lauseita matemaattisen abstraktion kasvavalla tasolla. Tulos on hänen mukaansa poikkeuksellisen voimakas.



Temppu on tietysti se, että markkinatekijät muuttuvat aina. Kaikki ovat havainneet tämän epävirallisesti - joskus markkinat kytkeytyvät kultaan ja joskus öljyyn tai muuhun hyödykkeeseen, Glickman sanoo. Joskus markkinat pelkäävät asioita, joita maailmassa tapahtuu. Nykyään markkinat ovat huolissaan Iranista ja Irakista. Muina aikoina Kim Jong Un voi laukaista ohjuksen Japanin yli, ja markkinat saattavat upota 3%, ja toisena päivänä se ei kiinnitä siihen huomiota.

minkä ikäiset ovat milleniaalit

Markkinoiden liike voi näyttää satunnaiselta. Mutta loppujen lopuksi suurin osa sijoittajista saa tietonsa samoista lähteistä - öljyn kulutuksesta ja lakkohinnoista, koronavirustartunnoista ja Wall Street Journal otsikoihin. Voisiko olla mahdollista, että riittävällä prosessointiteholla on mahdollista havaita signaalit kohinassa?

Glickman käyttää sanaa satunnaisesti neuvokkaasti, ikään kuin maailmankaikkeuden kaaos olisi vain illuusio, kätkemällä perustavanlaatuisen, joskin käsittämättömän, korkeamman järjestyksen. Se on eräänlainen henkinen selviytyminen, hän sanoo: Silloin kun jostakin tulee niin monimutkaista, että ihmissuhde on hukassa tietosisällön kanssa, eikä ihmismieli voi koskaan ymmärtää sitä.

Mutta se ei tarkoita, etteikö joku muu älykkyys olisi. Huolimatta siitä, että sinä tai minä saattaisimme nähdä sen satunnaisena, siinä ei ole mitään satunnaista, hän jatkaa. On vain ylivoimainen monimutkaisuus, joka ei ymmärrä ihmisiä, mutta massiivisen supertietokoneen kyky ymmärtää.

* * *

Glickman sai tietokonevirheen aikaisin. Eräänä päivänä, kun hän oli noin kuusi, hänen äitinsä pyysi häntä vaihtamaan paristot transistoriradiossa. Sen sijaan hän ihmetteli sisällä olevaa elektroniikkaa. Hänen äitinsä oli vaikuttunut hänen uteliaisuudestaan, joten hän värväsi perheen ystävän, joka oli insinööri Sperry Univacissa, varhaisessa tietokoneyrityksessä, opettamaan pojalleen kaiken, mitä hän tiesi. Kun olin seitsemän, rakensin omia piirejäni, Glickman sanoo. Ja kun olin yhdeksän, olin rakentanut oman tietokoneen.

Kuten monet ihmelapset, Glickman koki jotain lyhennettyä lapsuutta. Kunnianosoitus Westinghouse-tiedepalkinnosta kiinnitti joukon fysiikan professoreita, mukaan lukien kahden Nobel-palkinnon saaja John Bardeen ja Wolfgang Johannes Poppelbaum Illinoisin yliopistosta Urbana-Champaign; 16 -vuotiaana Glickmanille tarjottiin oma tutkimuslaboratorio yliopistossa Yhdysvaltain laivaston rahoittamalla tavalla. Oli yksi ehto: Hänen täytyi opettaa jatko-opiskelijaseminaaria puolijohdefysiikasta. Olin kivettynyt, Glickman muistaa, mutta hän otti tehtävän rauhallisesti. Se ei vaikuttanut minusta absurdilta, hän jatkaa. Nykyään se tekee.

Hän sai kandidaatin tutkinnon Illinoisin yliopistosta, mutta ei koskaan suorittanut jatko -opintojaan. Hän keskittyi enemmän ideoidensa muuttamiseen elinkelpoiseksi liiketoiminnaksi. Hän perusti 1980 -luvun alussa yrityksen, Thumb Scan, joka turvasi joitakin ensimmäisistä biometristen ja sormenjälkien käsittelyä koskevista patenteista. Hän aloitti konsulttiyrityksen ja työskenteli Fordin ja General Motorsin palveluksessa. Mutta se oli sotilas-teollisuuskompleksi, joka tarjosi Glickmanille eniten rakentavia mahdollisuuksia.

Puolustusministeriö halusi tietää esimerkiksi siitä, miten tekoäly voisi mallintaa vieraiden valtioiden sotilaallisia valmiuksia; Glickman ratkaisi ongelman. Myöhemmin armeija halusi ohjelman, joka voisi käyttää radiosignaaleja tunnistamaan, mikä ohjussiilo salatussa verkossa oli komento- ja ohjauskeskus. Toisella kerralla häntä pyydettiin soveltamaan koneoppimista vihollisen infrastruktuurin ilma -analyysin parantamiseksi. Pentagon ei halunnut tuhlata 800 kilon pommia betonisillalle, kun 500 kilon pommi tekisi.

facebook tumma tila android 10

Nämä olivat esoteerisia ja tärkeitä ongelmia armeijalle, hän sanoo, ja työ maksoi hyvin. Mutta se oli tehtävä kääntää uusi satunnaislukugeneraattori - ennustaa seuraava numero ilmeisesti satunnaisesta sekvenssistä - se oli käännekohta hänen käsityksessään tekoälystä. Hänen tiiminsä menestyi projektissa vain puolivälissä, mutta se sai Glickmanin miettimään suhdetta matemaatikkojen Brownin liikkeeseen - nesteeseen suspendoituneiden hiukkasten satunnaisen liikkeen - ja osakemarkkinoiden heilahtelun välillä.

Vuosien ajan hän kierteli ongelmaa. Noin vuonna 2000 ystävä Seattlessa oli antanut Glickmanille kopion Edward Thorpin myydyimmästä kirjasta vuonna 1967, Voita Market , joka väitti näyttävänsä, miten optiomarkkinoita voitaisiin voittaa, ja ihmetteli, voisiko Thorpin esittämät asiat vielä tehdä. Muutamaa viikkoa myöhemmin Glickman totesi, että Thorpin porsaanreikä oli suljettu. Mutta hän oli kiinnostunut. Hän mietti, voisiko koneoppimista soveltaa osakemarkkinoille - ja hän osui yhtä nopeasti seinään. Vaikka kuinka yritin, hän myöntää, että se ei toimisi osakemarkkinoilla.

Osa supertietokonetta, joka harjoittaa reaaliaikaista kaupankäyntiä. [Kuva: Tekijänoikeudella suojattu 2020, Jeff Glickman]

Vasta vuonna 2004 Glickman tajusi tarvitsevansa uuden ohjelmistopohjaisen tekoälyn suvun, lauseen todistajan, joka voisi ohjelmoida itsensä uudelleen uusien mallien luomiseksi taloudellisille tiedoille. Vuosien 2005 ja 2010 välillä hän työskenteli projektin parissa ja tuli lähemmäksi tuotetta, joka pystyi luotettavasti ennustamaan yksittäisten varastojen suunnan. Mutta hän ei ollut vieläkään päättänyt lopullisesti, miten luovuuttaan käytetään. Hän oli kipeä aloittaakseen uuden yrityksen. Pitäisikö sen olla koulutuksessa? Voisiko hän mullistaa lääketieteen alan?

Lopulta hän päätti hallita rahaa, koska se ei vaadi valmistusta, suurta tiimiä tai fyysistä infrastruktuuria. Se ei välttämättä tarkoita, että se olisi helpoin tehdä, koska se ei todellakaan ole ollut, hän sanoo. Se on ollut äärimmäisen vaikeaa. Hän löysi kumppanin, Steve Jacobsin, vain toisen varhaisista nuorista neroista, jotka saivat MBA -tutkinnon 19 -vuotiaana, ja yhdessä he alkoivat rakentaa skaalautuvaa alusta.

Lopuksi kesäkuun 2015 ensimmäisenä päivänä Glickman kääntyi tekoälyn päälle ja antoi sen suorittaa koko päivän laskelmia. Hän oli toivonut pystyvänsä ennustamaan S&P 500: n kaupankäynnin seuraavana päivänä, mutta hän ei ollut täysin varma siitä, miten tekoäly päätyy. Useimpien syvien oppimismallien ja hermoverkkojen ongelma on se, mitä tietojenkäsittelytieteilijät kutsuvat mustan laatikon ongelma : koneen älykkyys ei juurikaan muistuta ihmisen kognitiota, ja siihen sisältyy miljoonia tai jopa miljardeja laskelmia, jotka voivat tehdä käytännössä mahdottomaksi ymmärtää, miten tekoäly tekee tietyn päätöksen.

maailmankaikkeuden mestarit

Raapimme päätämme ja menimme: 'Voi luoja. Meillä ei ole aavistustakaan, mitä se teki. '

Glickman oli päättänyt varhain, että hänen oli rakennettava valkoinen laatikko. Mutta kun hän katsoi lokeja ymmärtääkseen mitä oli tapahtunut, hän hämmästyi. Nostimme kannen päivän päätteeksi 1. kesäkuuta ja katsoimme tuotosta ja raapimme päätämme ja menimme: 'Voi luoja. Meillä ei ole aavistustakaan, mitä se teki. & Apos;

Kesti yli vuoden selvittää, mitä AI oli tehnyt näiden kahdeksan ensimmäisen tunnin aikana. Se alkaa rakentaa teorioita, Glickman selittää. Se oli ensin havainnut, että oli olemassa jotain algebraa, ja algebra oli hyödyllinen tietojen selittämisessä. Ja niin, se päätti pitää sen. Ja sitten se löysi geometrian. Ja sitten se löysi trigonometrian ja sitten hammaskiven. Ja sitten se löysi differentiaaliyhtälöt. Ja sitten se löysi osittaiset differentiaaliyhtälöt.

Lopuksi hän kertoo minulle, että tekoäly löysi matematiikan yläjuoksun - yksityiskohdista, joita hän kieltäytyy jakamasta.

Pian Glickman antoi tekoälyn aloittaa testikauppojen tekemisen yksin - aluksi hitaasti, sitten nopeammin ja nopeammin. Jokaisella lisäkaupalla, jonka kone voisi tehdä joka päivä, tuloksen epävakaus laski. Mahdollisuus voittaa osakemarkkinat ei ollut enää teoreettinen. Hänen kotitekoinen supertietokoneen ilmeisesti oli murtanut koodin.

* * *

J4 Capitalin tarina on toisenlainen mustan laatikon ongelma. Vaikka Glickmanin tarkoituksen ymmärtäminen ei vaatinut matematiikan korkeakoulututkintoa, hänen tekniikkansa erityispiirteet ovat omaisuutta. On vaikea arvioida, missä määrin hänen tekoälynsä on todella automatisoitu - Glickman kuvailee automaatiota spektriksi - tai onko sopivaa kutsua sitä superintelligenssiksi. Jos hän todella on seuraava Jim Simons, on liian aikaista sanoa.

Tai ehkä ei. Glickman oli karanteenissa kotona, kun puhuimme viimeksi puhelimessa. Hänen ainoa kokopäiväinen työntekijänsä oli ollut sosiaalinen etäisyys New Jerseyssä. Silti hänen kauniit koneensa humisevat edelleen. Tammikuun lopussa Washingtonin osavaltion ensimmäisen koronavirusepidemian keskellä Glickman alkoi testata, mitä tapahtuisi, jos hän jättäisi supertietokoneen rauhaan. Juoksimme kaksi viikkoa, eikä kukaan mennyt toimistoon, hän sanoo. Kun hän näki, että se toimii hienosti ilman valvontaa, hän lopetti toimintansa.

Järjestelmä tekee panoksiaan myös pimeässä. Tiesimme hyvin yksityiskohtaisesti, miten se tulee suorittamaan, hän jatkaa. Se liittyy juuri ennustettuun käyttäytymiseen.

pyytää vastausviestinäytettä

Kaupan infrastruktuuri on myös pitkälti automatisoitu. Supertietokone on nyt vuorovaikutuksessa itsenäisesti J4: n välittäjäkauppiaan kanssa; se voi tehdä kauppoja ja ottaa ne pois, sulkea itsensä ja käynnistää tarvittaessa uudelleen. Alussa Glickman palkkasi pilvi -insinöörin rakentamaan oman, skaalautuvan alustan kapasiteetin lisäämiseksi asiakkaiden kysynnän rinnalla. Voimme käydä kauppaa Lontoossa, hän sanoo. Voisimme käydä kauppaa Hongkongissa. Meillä voisi olla 1000 tai jopa 10000 asiakasta. Ja jos meidän olisi vaihdettava 15 000 osaketta, voisimme.

Tällä hetkellä J4 Capital on suhteellisen pieni. Glickman on kerännyt 10 miljoonan dollarin pääomaa ystäviltä ja perheeltä rakentaakseen liiketoimintansa, mukaan lukien supertietokoneen muodostavat 400 palvelinta. Hän veloittaa asiakkailta 2% hallinnointipalkkiota ja 20% voitoista - vakiokäytäntö hedge -rahastosta, vaikka hänellä ei ole halua rakentaa seuraavaa BlackRock- tai Renaissance -teknologiaa. Toisin kuin perinteiset hedge-rahastot, J4: llä ei ole lukitusaikaa, jolloin sijoittajat eivät voi nostaa rahojaan.

Tammikuun lopussa Illinoisin osavaltion kanssa tehdyssä hakemuksessa J4 ilmoitti, että sillä oli hallinnassaan vain 7,2 miljoonaa dollaria vuoden 2019 lopussa neljän kuukauden toiminnan jälkeen. Mutta Glickman sanoo, että hän odottaa saavansa yli 100 miljoonan dollarin omaisuuden hallintaan pian, jolloin hänen on toimitettava arvopaperi- ja pörssikomissio.

Toimintakeskus valon sammutustoiminnon aikana. [Kuva: Tekijänoikeudella suojattu 2020, Jeff Glickman]

Kun hänen supertietokoneensa tulostavat rahaa, Glickman pysyy kotona ja keskittyy sijoitusliiketoiminnan proosalisempiin näkökohtiin: uusien sijoittajien etsimiseen, jotta hän voi ostaa enemmän supertietokonevoimaa, ja yrittää saada enemmän omaisuutta hallintaan. Hän jatkaa tekniikan parantamista. Hän siirtyy Charles Schwabiin välittäjäkseen. Hän ottaa käyttöön uuden laskutusjärjestelmän.

Hänen mukaansa tärkeintä on, että hän ei ole tyytyväinen siihen, että hänen koneensa vain käyvät kauppaa osakkeilla. J4: n tekniikka on lähellä valuutan käsittelyä. Hän haluaa voida käydä kauppaa johdannaisilla. Hän haluaa voida käydä kauppaa joukkovelkakirjoilla ja muilla luottotuotteilla. Hän saattaa pian siirtyä rahoitusmarkkinoilla käytävän kaupankäynnin ulkopuolelta ongelmien ratkaisemiseen tekoälyn avulla toimitusketjun logistiikassa-alueella, jolla hänen mukaansa asiakkaat pyytävät hänen apuaan.

Glickman on pitkälti välinpitämätön hänen luomuksensa käytölle. Tavoitteenamme on niin yksinkertainen kuin voisi kuvitella, hän sanoo. Yrityksen rakentaminen ja rahan ansaitseminen. Emme ole Wall Streetin yritys. Me vain satumme pelaamaan heidän tilassaan. Olemme pohjimmiltaan teknologiayritys. Olemme teknologiayritys. Aiomme rakentaa mukavaa kannattavaa liiketoimintaa ja hyötyä siitä, kuten mikä tahansa muu hyvä teknologiayritys tekisi.

William D.Cohan, entinen Wall Streetin vanhempi yrityskauppojen pankkiiri, on kirjoittanut neljä bestseller -kirjaa Wall Streetistä.