Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Figurelli? Dentro da sua grande experiencia sobre risco insider, em como processar as noticias recebidas transformando automaticamente em informações para determinar direção e risco. Você poderia comentar sobre isso? Como processar essas informações de forma automática para desenvolver uma AI?
Sergio, ótima questão, pois a grande dificuldade das notícias é que elas são informações qualitativas, e cabem aos sistemas de inteligência de máquina transformarem texto em informações quantitativas.
Os modelos mais conhecidos no mercado para isso são as ferramentas de text mining ou text analytics. Essas ferramentas evoluíram muito nas empresas graças às áreas de marketing digital e inteligência competitiva, que objetivam extrair inteligência a partir de dados em formato de texto, com descoberta de padrões e regras semânticas dentro de parâmetros similares aos dos seres humanos.
Mas mesmo o melhor algoritmo de text mining irá, mais cedo ou mais tarde, barrar em algo que (felizmente) apenas nós, seres humanos, ainda dominamos: interpretação e avaliação da informação. E nem estou comentando aqui a questão intuitiva, que é outra tipicamente ainda fora do alcance dos algoritmos.
Minha visão é que, fosse a interpretação e a avaliação por algoritmos um problema simples, os fundos quantitativos provavelmente já teriam dominado o mercado. Mas não é, até porque a própria origem da informação nem sempre é a mais confiável ou o conteúdo mais preciso, principalmente quando estamos próximo do tempo real.
Mas a vantagem competitiva de agregar text mining às tecnologias de IA para reduzir a incerteza de mercado, assunto desse tópico, é que os algoritmos podem ser aplicados aos mais diversos tipos de conteúdo, e não apenas notícias, como por exemplo posts em redes sociais, blogs, etc.
Muitas tecnologias de negociação sistemática, várias delas ainda no nível de pesquisa, utilizam exatamente a premissa de comparar os dados quantitativos obtidos a partir da mineração de textos com o comportamento de preços e volumes dos ativos.
Ainda tenho minhas dúvidas, ainda acho que passada a fase de interpretação etc, considerando um sistema no estado da arte em interpretação textual, semantica etc, ainda resta saber o quanto as informações de mercado disponíveis na internet agregam na composição dos preços ? o custo de pesquisa e computação necessários é realmente compensado pelo peso das informações nos preços? lembro de muitos casos de informações de resultados trimestrais de empresas que vieram muito bons e no dia seguinte o valor da ação despenca, e vice-versa. Entendo que qualquer vantagem competitiva nessa área faz a diferença mas ao pensar que pode reduzir coisa de 1%, 2% a incerteza, penso se é significativo, se o tradeoff se justifica.
Por outro lado, li um artigo muito interessante sobre uma abordagem de mineração de dados para investimentos financeiros, a idéia era avaliar as opiniões de analistas gráficos e fundamentalistas, nesse caso o sistema de mineração busca absorver o know-how de vários analistas de mercado, utilizando uma rede neural para tratar isso, considerando as entradas as previsões dos analistas e os pesos da opinião de cada um sendo dependente da taxa de acertos. dessa forma o algoritmo aprendia "em quem confiar mais" não seria bem uma mineração/aprendizado baseado no conhecimento disponivel na internet, mas acho que funciona. vou tentar localizar o artigo e disponibilizo o link aqui pra todos.
Por outro lado, li um artigo muito interessante sobre uma abordagem de mineração de investimentos financeiros, a idéia era avaliar as opiniões de analistas gráficos e fundamentalistas, ...
Rodrigo, esse me parece um sistema baseado no Método Delphi, tens o link do artigo para compartilhar?
Para quem deseja estudar sobre inteligência de máquina utilizando algoritmos genéticos, recomendo o artigo abaixo traduzido do original em russo.
Novo artigo: Algoritmos genéticos - é fácil!
Apesar de a versão em português não ser precisa, o artigo original é muito bem escrito.
É uma ótima oportunidade de entender um pouco mais sobre o próprio algoritmo genético existente no provador de estratégias do MT5.
O princípio básico dos algoritmos genéticos está na imitação dos estudos científicos sobre evolução na natureza e na obra pioneira de Darwin.
Escrevi recentemente um outro artigo dentro da área, mas com um enfoque diferente, com novos conceitos e resultados de minhas pesquisas em laboratório. Acredito que os algoritmos genéticos sejam uma fantástica ferramenta para modelagem e evolução da visão estratégica, quando utilizados de forma colaborativa por vários trading systems (espero que em breve também seja publicado no site).
Fórum de negociação, sistemas de negociação automatizados e testes de estratégias de negociação
Radar do fórum internacional
figurelli, 2014.01.21 20:30
Computação humana (HBC ou Human-based Computation) aplicada à negociação automática
Nesse tópico em inglês se discute uma nova abordagem de trading system baseado em computação humana, que é uma das áreas de inteligência artificial.
Infelizmente não se encontra muita informação em português sobre HBC, portanto recomendo buscar a literatura em inglês, como por exemplo o artigo abaixo, para maior entendimento das pesquisas na área.
http://www.ics.uci.edu/~qliu1/MLcrowd_ICML_workshop/Papers/ActivePaper9.pdf
Olá a todos,
A aplicação de Inteligência Artificial (IA) em robôs para o Mercado de Capitais / Forex / etc. cresce cada vez mais, muito em cima do hype de IA.
Minha sugestão é manter o foco em reduzir a incerteza de mercado, como a proposta dessa thread.
Entretanto, tenho recebido seguidamente solicitações referentes a aplicações de Inteligência Artificial para HFT.
E, nesse sentido, recomendo o seguinte artigo, com um conceito interessante sobre microestrutura de mercado, onde podemos aplicar Deep Learning.
Machine Learning for Market Microstructure and High Frequency Trading
http://www.cis.upenn.edu/~mkearns/papers/KearnsNevmyvakaHFTRiskBooks.pdf
"The inference of predictive models from historical data is obviously not new in quantitative finance; ubiquitous examples include coefficient estimation for the CAPM, Fama and French factors, and related approaches. The special challenges for machine learning presented by HFT generally arise from the very fine granularity of the data — often microstructure data at the resolution of individual orders, (partial) executions, hidden liquidity, and cancellations — and a lack of understanding of how such low-level data relates to actionable circumstances (such as profitably buying or selling shares, optimally executing a large order, etc.). In the language of machine learning, whereas models such as CAPM and its variants already prescribe what the relevant variables or “features” are for prediction or modeling (excess returns, book-to-market ratios, etc.), in many HFT problems one may have no prior intuitions about how (say) the distribution of liquidity in the order book relates to future price movements, if at all. Thus feature selection or feature engineering becomes an important process in machine learning for HFT, and is one of our central themes."
Sds.,
Rogério Figurelli
Olá a todos,
A aplicação de Inteligência Artificial (IA) em robôs para o Mercado de Capitais / Forex / etc. cresce cada vez mais, muito em cima do hype de IA.
Minha sugestão é manter o foco em reduzir a incerteza de mercado, como a proposta dessa thread.
Entretanto, tenho recebido seguidamente solicitações referentes a aplicações de Inteligência Artificial para HFT.
E, nesse sentido, recomendo o seguinte artigo, com um conceito interessante sobre microestrutura de mercado, onde podemos aplicar Deep Learning.
Machine Learning for Market Microstructure and High Frequency Trading
http://www.cis.upenn.edu/~mkearns/papers/KearnsNevmyvakaHFTRiskBooks.pdf
"The inference of predictive models from historical data is obviously not new in quantitative finance; ubiquitous examples include coefficient estimation for the CAPM, Fama and French factors, and related approaches. The special challenges for machine learning presented by HFT generally arise from the very fine granularity of the data — often microstructure data at the resolution of individual orders, (partial) executions, hidden liquidity, and cancellations — and a lack of understanding of how such low-level data relates to actionable circumstances (such as profitably buying or selling shares, optimally executing a large order, etc.). In the language of machine learning, whereas models such as CAPM and its variants already prescribe what the relevant variables or “features” are for prediction or modeling (excess returns, book-to-market ratios, etc.), in many HFT problems one may have no prior intuitions about how (say) the distribution of liquidity in the order book relates to future price movements, if at all. Thus feature selection or feature engineering becomes an important process in machine learning for HFT, and is one of our central themes."
Sds.,
Rogério Figurelli
Excelente artigo Rogério, obrigado por compartilhar. Gostei de que sempre haverá um "humano no circuito" !
Excelente artigo Rogério, obrigado por compartilhar. Gostei de que sempre haverá um "humano no circuito" !
Olá Cid, obrigado, perfeito.
Applying Deep Learning to Enhance Momentum Trading Strategies in Stocks
http://cs229.stanford.edu/proj2013/TakeuchiLee-ApplyingDeepLearningToEnhanceMomentumTradingStrategiesInStocks.pdf