تجارت فرکانس بالا (HFT) با AI: ساده شده

نگاهی به دنیای روزافزون HFT ها بیندازید و چگونه هوش مصنوعی به بخشی از آن تبدیل می شود.

منتشر شده در

به سمت علم داده

4 دقیقه بخوانید 19 ژوئن 2019

چرا من به تجارت اهمیت می دهم؟

تجارت فرکانس بالا (HFT) تجارت الگوریتمی پیچیده ای است که در آن تعداد زیادی از سفارشات طی چند ثانیه انجام می شود. این نقدینگی را به بازارها اضافه می کند و اجازه می دهد تا مقدار باورنکردنی پول در هر کسری از ثانیه از طریق آن جریان یابد.

معاملات فرکانس بالا ، از زمان آغاز به کار از چند دهه پیش ، منبع جذابیت سودهای حیرت انگیز به افراد و شرکتها بوده است. این مانند یک برش کیک است و در حالی که شرکت های بزرگ قطعه بزرگتر را دریافت می کنند ، به همه کسانی که می آیند اطمینان حاصل می شود.

چه چیزی باید بدانم؟

HFTS مبتنی بر چیزی به نام کتاب سفارش است. این کتاب سفارش ، در هر لحظه ، معدودی از پیشنهادات برتر را شامل می شود و قیمت محصول/سهام/کالا را درخواست می کند.

بگذارید آن را برای شما تجزیه کنم. شما با قرار دادن سفارشات با بازار تعامل دارید. هر سفارش که ارسال می کنید باید یا یک پیشنهاد باشد یا یک سؤال باشد. پیشنهاد مبلغ پولی است که شما مایل به پرداخت آن برای خرید سهام هستید در حالی که ASK مبلغ پولی است که می خواهید سهام خود را بفروشید. اگر کسی مایل به پرداخت بیشتر (پیشنهاد بالاتر) باشد یا کمتر از شما بخواهد (از شما سؤال کند) ، آنها در کتاب سفارش در بالای شما قرار می گیرند.

اما صبر کنید ، معامله هنوز تمام نشده است !! تمام کاری که شما انجام داده اید سفارش دادن است. شخصی باید بیاید و قیمت شما را برای انجام معامله مطابقت دهد. یا می توانید بروید و قیمت شخص دیگری را مطابقت دهید. خرید و فروش در زمان مناسب برای به حداکثر رساندن سود شما اساساً نام بازی در معاملات فرکانس بالا است.

به اندازه کافی ساده به نظر می رسد !!

روی کاغذ ، بله است. بنابراین بیایید تجارت را شروع کنیم !! اوه ، اما قبل از انجام این کار ، اجازه دهید به شما بگویم ، این کار نخواهد کرد. همانطور که قبلاً نیز اشاره کردم ، این یک سرمایه گذاری الگوریتمی است ، و این به یک دلیل است.

معامله در معاملات فرکانس بالا در کسری از ثانیه اتفاق می افتد. تجارت فرکانس بالا توسط انسان به تنهایی امکان پذیر نیست. تا زمانی که روند بازار را بخوانید و به پیشنهادات خود وارد شوید ، بازار قبلاً روند خود را تغییر داده است !! به همین دلیل ما به الگوریتم هایی نیاز داریم که رایانه ها می توانند برای ما اجرا کنند و پیشنهادات را ارائه دهند.

در مورد هوش مصنوعی چطور؟

بدیهی است که وقتی صحبت از کارهای خودکار می شود ، هوش مصنوعی مورد انتخاب است. تعدادی از الگوریتم های یادگیری ماشین و تکنیک های ایجاد ویژگی در این زمینه استفاده شده است. رایج ترین آنها SVMS است.

SVM ، به طرز وحشیانه ای صحبت می کند ، و یک خط جدایی در داده ها ایجاد می کند. مدل ها برای تشخیص ویژگی هایی که حاکی از افزایش یا کاهش قیمت های آینده و قیمت گذاری در بازار و بر این اساس است ، آموزش داده می شوند. آنها چنان موفق بوده اند که بیشتر شرکتهای بازرگانی با فرکانس بالا چنین مدل هایی را در ماژول های معاملاتی خود ادغام کرده اند.

اما چرا "عمیق" نرویم؟

HFT یک چشمک زن است. نه تنها مدل ها باید دقیق باشند ، بلکه باید خیلی سریع نیز باشند یا صحت آنها مهم نیست !! روشهای یادگیری عمیق ، در حالی که به طور کلی از نظر صحت بسیار موفق است ، همچنین یک نفرین محاسبات سنگین را با آنها حمل می کند. به همین دلیل ، HFT هنوز هم مانند سایر حوزه ها ، تزریق غول پیکر یادگیری عمیق را ندیده است.

با این حال ، با افزایش پیچیدگی اجرای سخت افزار و قدرت پردازش ارائه شده توسط GPU ، می توان در مورد تلاش برای یادگیری عمیق در HFT فکر کرد. در حالی که چند مقاله اخیر وجود داشته است که برای پیش بینی قیمت شبکه های عصبی را امتحان می کنند ، اما هنوز یک راه طولانی برای یک مدل موفق در حال اجرا است که در واقع می تواند سود را ایجاد کند.

بعد چیست؟

HFT فقط مربوط به نرم افزار نیست. با توجه به اهمیت فوق العاده ای که تأخیر در زمان به دست می آید ، HFT به طور غیرمستقیم طرح های سخت افزاری بهتری را تسریع و انگیزه دارد.

یکی دیگر از پیشرفت های بسیار جالب در سالهای اخیر ، ترکیب یادگیری تقویت در HFT است. تلاش برای ایجاد یک عامل که می تواند از اشتباهات آن یاد بگیرد و تجارت برای حداکثر سود به نظر می رسد یک مسیر آشکار برای پیشبرد است اما به دلیل پیچیدگی های محاسباتی آن ، تا همین اواخر مورد بررسی قرار نگرفت.

توجه داشته باشید از ویرایشگران Data Science: در حالی که ما به نویسندگان مستقل اجازه می دهیم مقالات را مطابق با قوانین و دستورالعمل های خود منتشر کنند ، ما سهم هر نویسنده را تأیید نمی کنیم. شما نباید بدون اینکه به دنبال مشاوره حرفه ای باشید ، به آثار نویسنده اعتماد کنید. برای جزئیات بیشتر به اصطلاحات خواننده ما مراجعه کنید.

این وبلاگ بخشی از تلاش برای ایجاد مقدمه های ساده در زمینه یادگیری ماشین است. سری کامل را اینجا دنبال کنید