Selecteer een pagina
Home » Blog » Machine learning kan helpen om marktreacties te voorspellen

Machine learning kan helpen om marktreacties te voorspellen

door

Algoritmen die een financiële crisis kunnen voorspellen zijn nog verre toekomstmuziek. Maar machine learning kan ons al wel helpen om marktreacties beter te voorspellen. De ontwikkelingen op dit terrein gaan razendsnel.

Een team onder leiding van professor Michael Bowling van de Universiteit van Alberta is er vorig jaar in geslaagd een computerprogramma te ontwikkelen dat in staat was om professionele pokerspelers individueel te verslaan.
Dit programma, Deep Stack geheten, maakte gebruik van kunstmatige intelligentie. Na elke speeldag sloeg de computer aan het rekenen om zich te kunnen aanpassen aan de speelwijze van de tegenstanders. Met succes, want het lukte Deep Stack om professionele spelers stelselmatig alle fiches af te pakken.

Bekijk ook deze video van Bradley Betts“Machines en mensen moeten beter gaan samenwerken”

Imperfecte informatie

Dat was een enorme doorbraak. Want wat poker zo complex maakt is dat de spelers werken met imperfecte informatie. Je medespeler houdt zijn kaarten tegen de borst, waardoor een deel van de informatie die nodig is om een beslissing te kunnen nemen verborgen blijft.
Dat is een groot verschil met bijvoorbeeld schaken, dammen of Go, waarbij alle spelers over alle benodigde data beschikken.

“Er is geen beleggingsafdeling meer te vinden die niet bezig is met onderzoek naar neurale netwerken”

Het is geen wonder dat banken en vermogensbeheerders dit experiment met grote belangstelling hebben gevolgd, want als er één sector is die kampt met imperfecte informatie, dan is het wel de financiële wereld. Institutionele beleggers moeten opereren in een omgeving met enorm veel ruis, dynamiek en beperkingen in datasets.


Bradley Betts

Machine learning en deep learning

Er is de laatste jaren veel belangstelling voor machine learning en deep learning. Maar er gaat een lange geschiedenis aan vooraf. Al in de jaren vijftig van de vorige eeuw werd ermee geëxperimenteerd. Toen hadden wetenschappers ontdekt dat onze hersenen functioneren met netwerken van neuronen. Dat riep de vraag op of het niet mogelijk zou zijn om de werking van onze hersenen na te bootsen met machines.

Maar de laatste jaren zijn er op dit terrein enorme stappen gezet. De snelheid van chips is explosief toegenomen en daarmee ook de rekenkracht van computers. Daarnaast zijn data en data-opslag voor iedereen toegankelijk.
Dit alles zorgt ervoor dat computers in korte tijd enorme hoeveelheden data kunnen analyseren en – met behulp van neurale netwerken – patronen kunnen ontdekken die de mens zelf nooit zou kunnen vinden.

Menselijke fouten voorkomen

Machine learning kan op veel verschillende terreinen worden ingezet om menselijke fouten te voorkomen. Ik denk dat mijn kinderen later geen rijbewijs meer nodig zullen hebben, omdat ze zich gaan verplaatsen in zelfrijdende auto’s. Dat zal leiden tot een flinke afname van het aantal doden in het verkeer.
Natuurlijk gaat dat met vallen en opstaan. Denk maar aan die zelfrijdende Tesla die twee jaar geleden een dodelijk ongeluk veroorzaakte omdat de auto een enorme witte vrachtwagen over het hoofd had gezien.
Maar uiteindelijk zullen computers op veel vlakken de mens gaan verslaan. Zo zijn er algoritmen ontwikkeld waarmee miljoenen afbeeldingen van tumoren kunnen worden geanalyseerd. Op basis van die data zijn allerlei nieuwe eigenschappen ontdekt, waardoor kanker heel nauwkeurig en al in een heel vroeg stadium kan worden opgespoord.

Machine learning in finance

Ook in de financiële sector kan machine learning helpen om het aantal fouten terug te dringen. Ze kunnen computers met behulp van slimme algoritmen enorme hoeveelheden data verwerken en zo voorspellen hoe de markt zal reageren op verschillende gebeurtenissen.
Ik denk dan ook er geen beleggingsafdeling meer te vinden is die niet op een of andere manier bezig is met onderzoek naar neurale netwerken, waarbij computers zelfstandig lering trekken uit de data die ze krijgen voorgeschoteld.
Maar banken hangen natuurlijk niet aan de grote klok welke technieken en databronnen zij gebruiken bij hun beleggingsbeslissingen. Dat doen wij ook niet.

Personeel, data, technologie

Om op het gebied van machine learning succesvol te zijn, is een combinatie nodig van talentvol personeel, data en technologie. Bedrijven die op deze drie terreinen weten te excelleren, zullen deze strijd winnen.
Technologiebedrijven hebben hierin een voorsprong op financiële instellingen. Google/Alphabet wordt algemeen gezien als leidend op het gebied van kunstmatige intelligentie en machine learning.

“Financials gaan meer lijken op techbedrijven”

Maar ik verwacht wel dat er een toenemende samenwerking zal ontstaan tussen technologiebedrijven en financiële instellingen en dat de scheidslijnen tussen deze sectoren zullen vervagen. Financials gaan steeds meer lijken op techbedrijven, terwijl technologiebedrijven steeds meer interesse hebben in de financiële behoeften van hun klanten.

Blijven investeren

Maar er is nog een lange weg te gaan. Zo zijn algoritmen nog niet in staat om een volgende crisis te voorspellen. De timing is namelijk erg lastig, omdat crises te weinig voorkomen om hierin patronen te kunnen destilleren.
Maar banken en vermogensbeheerders zullen blijven investeren in de verbetering van algoritmen. Daarbij krijgen computers toegang tot veel meer soorten data. Ik verwacht dat uiteindelijk zal blijken dat slechts een handvol kenmerken belangrijk is om een crisis te voorspellen. Tot dan toe is het zoeken naar een speld in een hooiberg.
Maar zoals het computerprogramma dat pokerspelers uitschakelt heeft aangetoond, worden er wel belangrijke stappen gezet in het opereren in een wereld met imperfecte data.

 

Lees hier het eerste blog van Bradley Betts“We zijn op weg naar een superbrein”

 

Inventors.finance maakt gebruik van cookies en vergelijkbare technieken van haar en/of derden om I) het gedrag van bezoekers vast te leggen en te analyseren om de websites en apps te verbeteren, II) om het mogelijk te maken content via social media te delen, III) om de inhoud van haar websites en advertenties beter af te stemmen op uw interesses en IV) om informatie te verzamelen over uw voorkeuren en de informatie toe te voegen aan uw klantprofiel. Zo kunnen u ook buiten Inventors.finance relevante aanbiedingen worden gedaan. Als u verder surft, accepteert u deze cookies en gaat u akkoord met de verwerking van de (persoons)gegevens die met behulp van cookies kunnen worden verzameld en verwerkt voor de onder I) tot en met IV) genoemde doeleinden. meer informatie

De cookie-instellingen op deze website zijn ingesteld op 'toestaan cookies "om u de beste surfervaring mogelijk. Als u doorgaat met deze website te gebruiken zonder het wijzigen van uw cookie-instellingen of u klikt op "Accepteren" hieronder dan bent u akkoord met deze instellingen.

Sluiten