Les fonds spéculatifs alimentés par l'IA seront-ils plus intelligents que le marché ?

Chaque jour, les ordinateurs effectuent plusieurs millions de transactions électroniques en effectuant des calculs délicats visant à obtenir un petit avantage en termes de vitesse ou d'efficacité. De plus en plus, cependant, des décisions commerciales plus importantes sont prises par des algorithmes plus intelligents et plus autonomes.

Les sociétés commerciales établies et une poignée de startups étudient si de telles techniques de trading, empruntées au domaine de l'intelligence artificielle, pourraient les aider à déjouer les autres traders. Et toute personne ayant de l'argent investi pourrait bien être curieuse de savoir si la tendance pourrait modifier la dynamique des marchés.

Les hedge funds quantitatifs, dont Bridgewater Associates, Renaissance Technologies , D.E. Shaw , et Deux Sigma , utilisent bien sûr des approches algorithmiques avancées depuis quelques années. Bon nombre des méthodes employées par ces entreprises se retrouvent dans les domaines de la recherche en intelligence artificielle.

Mais les deux dernières années ont également vu un énorme regain d'intérêt pour l'intelligence artificielle, grâce aux nouvelles techniques d'apprentissage automatique - en particulier l'apprentissage en profondeur (impliquant la formation d'un grand réseau de neurones virtuel pour reconnaître des modèles dans les données) - qui ont rendu les ordinateurs capables de perception humaine des images, du texte et de l'audio (voir 10 Breakthrough Technologies 2013: Deep Learning ). Maintenant, la question est de savoir si l'IA peut faire de même pour les données financières.

Il est clair que ces progrès récents ont retenu l'attention des ingénieurs travaillant dans la finance. Lors d'un événement académique important pour les chercheurs en IA, le Systèmes de traitement de l'information neuronale (NIPS) , tenue à Montréal en décembre dernier, plusieurs milliers de chercheurs universitaires et industriels se sont réunis pour discuter des progrès réalisés dans le développement de nouveaux algorithmes d'apprentissage automatique. Dans un espace réservé aux présentations d'affiches par des étudiants diplômés, de grandes entreprises technologiques, dont Google, Facebook, Apple, Microsoft, Amazon et IBM, avaient payé pour mettre en place des tables de recrutement, dans l'espoir d'attirer les nouveaux talents les plus en vogue pour qu'ils viennent travailler pour eux. Mais près de la moitié des entreprises qui recrutent chez NIPS n'étaient pas du tout des entreprises technologiques, mais des fonds spéculatifs et des sociétés financières.

L'une des entreprises était la grande société d'investissement britannique HOMME AHL , qui se concentre depuis des années sur l'utilisation d'approches statistiques pour concevoir des stratégies d'investissement. Anthony Ledford , scientifique en chef de MAN AHL, explique que l'entreprise étudie si des techniques telles que l'apprentissage en profondeur pourraient se prêter à la finance. C'est à un stade précoce, dit Ledford. Nous avons mis de côté une somme d'argent pour le trading test. Avec l'apprentissage en profondeur, si tout se passe bien, il passera en test, comme l'ont fait d'autres approches d'apprentissage automatique.

Le trading peut sembler être un endroit évident pour appliquer l'apprentissage en profondeur, mais en réalité, il n'est pas clair à quel point le défi de trouver des modèles subtils dans les données de trading en temps réel est comparable à, par exemple, repérer des visages sur des photographies numériques. C'est un problème très différent, admet Ledford.

Les experts universitaires émettent également une note de prudence. Stephen Robert , professeur d'apprentissage automatique à l'Université d'Oxford, affirme que l'apprentissage en profondeur pourrait être utile pour extraire des tendances, des informations et des relations cachées, mais ajoute qu'il est encore trop fragile en ce qui concerne la gestion de l'incertitude élevée et du bruit, qui prévalent dans la finance.

Roberts note également que l'apprentissage en profondeur peut être un processus relativement lent et ne peut pas offrir les types de comportement garanti qu'offrent d'autres approches statistiques. En général, dit-il, il y a un certain battage médiatique autour de l'idée de l'IA dans la finance. L'IA est un sujet très vaste, dit-il. Et de nombreuses techniques statistiques standard utilisées sont rebaptisées IA et apprentissage automatique.

Cela dit, les nouvelles sociétés financières qui se présentent comme étant axées sur l'IA peuvent être sur quelque chose. Ceux-ci inclus Sensible , basé à San Francisco, Recherche sur la rébellion à New York, et une société d'investissement basée à Hong Kong appelée Aidyia .

L'une des utilisations les plus prometteuses des techniques d'IA relativement nouvelles peut être le traitement de données en langage naturel non structurées sous la forme d'articles de presse, de rapports d'entreprises et de publications sur les réseaux sociaux, dans le but de recueillir des informations sur les performances futures des entreprises, des devises, des matières premières, ou des instruments financiers.

Aidyia a été fondée par un chercheur en intelligence artificielle bien connu, Ben Goertzel, qui est également le fondateur de Hanson Robotics et le président d'un projet d'IA open source appelé OpenCog . Aidyia a commencé à négocier l'année dernière, et Goertzel affirme que l'approche de son entreprise est bien plus ambitieuse que les techniques utilisées par la plupart des fonds spéculatifs aujourd'hui, s'inspirant de la programmation évolutive, de la logique probabiliste et de la dynamique chaotique.

Notre système ingère une variété d'entrées, y compris le prix et le volume des bourses du monde entier, des nouvelles de diverses sources dans plusieurs langues, des données macroéconomiques et comptables de l'entreprise, et plus encore, a déclaré Goertzel. Examen de la technologie MIT . Il étudie ensuite comment ces différents facteurs se sont interdépendants historiquement et apprend un ensemble de dizaines de milliers de modèles prédictifs qui semblent avoir une valeur prédictive, sur la base de son étude des données historiques, qui aident à guider les investissements de l'entreprise.

Il y a certainement une tendance à l'automatisation croissante parmi les sociétés financières. Préqin , une société qui fournit des données sur le secteur financier, rapporte que 40 % des fonds spéculatifs créés l'année dernière étaient systématiques, ce qui signifie qu'ils s'appuient sur des modèles informatiques pour leurs décisions.

Cependant, tout le monde n'est pas convaincu qu'une révolution de l'IA dans la finance est imminente. David Harding, le milliardaire fondateur et PDG d'une autre société commerciale britannique, Capitale de Winton La direction est généralement sceptique quant au battage médiatique sur l'apprentissage automatique et l'IA. Si je louchais un peu et regardais Winton, je dirais que c'est plus ou moins ce que nous faisons depuis 30 ans, dit-il.

Harding se souvient également qu'un boom similaire de l'intérêt pour les réseaux de neurones a donné lieu à de nombreuses startups au début des années 1990. Les gens ont commencé à dire : « Il y a une nouvelle technique informatique incroyable qui va anéantir tout ce qui a précédé. » Il y avait aussi une mode pour les algorithmes génétiques, se souvient-il. Eh bien, je peux vous dire qu'aucune de ces entreprises n'existe aujourd'hui - pas une saucisse d'entre elles.

Ledford, de Man AHL, a également quelques mots de prudence pour quiconque pense que les dernières techniques d'apprentissage automatique pourraient offrir un raccourci vers la richesse. Il est important de se rappeler à quel point le marché peut être humiliant, dit-il. Je dirais qu'il ne faut pas trop se féliciter, mais qu'il ne faut pas non plus se décourager.

cacher