ماشین لرنینگ در بازارهای مالی
جمعه های IMT
این قسمت : ماشین لرنینگ و بازارهای مالی
این روزا صحبت از ماشین لرنینگ و کاربرد های مختلفش تو زندگیمون بسیار زیاد شده و ما میتونیم اثر این غوله هوش مصنوعی رو در تمام زمینه‌های زندگی ببینیم. یکی از مواردی که میشه از ماشین لرنینگ در آن به خوبی استفاده کرد، بازارهای مالی هست.
حالا بریم ببینیم که چطوری میشه اینکارو کرد.
ماشین لرنینگ و بازارهای مالی؟
بله! بازارهای مالی و ماشین لرنینگ هم در کنار هم قابل تعامل هستند. یکی از مواردی که ماشین لرنینگ به خوبی میتونه برای ما انسان‌ها در زمینه‌های مختلف انجام بده، بحث پیش‌بینی کردن یا Predict کردن هست. حالا این پیش‌بینی کردن یعنی چی؟
یعنی اینکه شما بر اساس دیتاهایی که از یک موضوع مشخص دارید، میتونید الگوریتمی بنویسید که بر اساس ریاضیات درون دیتاها، به یک مدلی برسید که برای شما آینده رو پیش بینی کنه.
خب پس الان متوجه شدیم که به کمک هوش مصنوعی و فرزند ارشد این زمینه، ماشین لرنینگ، میتونیم آینده رو پیش‌بینی کنیم.
چطوری آینده رو پیش‌بینی میکنیم؟
اول از همه، نیاز داریم که به مجموعه‌ای از دیتاست مورد نیاز دسترسی پیدا کنیم. این دیتاست میتونه در زمینه بازارهای مختلفی باشه، مهم اینه که شما میخواید کدوم مارکت رو پیش‌بینی کنید. مثلا میخواید در بورس تهران اینکارو کنید؟! در دنیای ارزهای دیجیتال؟! فارکس؟! طلا؟! کدوم؟!
مهم نیست که کدوم. مهم اینه که راهی پیدا کنید که دیتاست مورد نیازتون رو بدست بیارید.
حالا که دیتاست مورد نیازتون رو بدست اوردید، در مرحله اول باید شروع کنید به پردازش دیتاهاتون.
یه مثال میزنم که کاملا متوجه بشید که این پردازش چی هست اصلا.
فرض کنید میخوایم پیش‌بینی کنیم که سهم (شپنا) در بازار بورس تهران، در شش ماه آینده چه قیمتی داره! برای اینکار باید اول از همه دیتای مربوط به سهم شپنا رو جمع آوری کنیم. این دیتا توسط سایت سازمان بورس قابل دسترسه (tsetmc.ir). این دیتا باید شامل چند فیچر محتلف باشه. فیچر چیه؟ هرچیز تاثیر گذار روی تارگت ما. تارگت چیه؟ اون چیزی که ما دنبالشیم. ما دنبال چی هستیم؟ قیمت سهم شپنا در آینده. پس دنبال فیچرهای قیمت میگردیم. این فیچرها چی هستن؟ اطلاعات کندل‌ها مثلا تایم‌فریم روزانه (قیمت باز شدن، بسته شدن، بیشترین و کمترین هر کندل)، اطلاعات مربوط به خرید و فروش حقوقی‌ها، خریدهای سنگین حقیقی‌ها، حجم معاملات و …
حالا چرا بین این همه اطلاعات، این اطلاعات رو ذکر کردم؟
چون این موارد جزو تاثیرگذار ترین موارد روی قیمت یک سهم هستند و ما میتونیم بگیم اگر این موارد رو به خوبی آنالیز کنیم، میتونیم بگیم که اوضاع یک سهم در چه حالی هست.
بعد از اینکه این دیتاهارو جمع کردیم، نوبت به پاکسازی دیتاست میرسه. تو این پاکسازی، از تکنیک‌های پاکسازی دیتاست استفاده میکنیم، مثل شناسایی داده‌های بدون مقدار (Missing values).
بعد از پاکسازی دیتاها، نوبت به مدلسازی ماشین لرنینگمون میرسه.
چند الگوریتم وجود داره که میتونیم ازش استفاده کنیم برای اینکه آینده قیمت رو بررسی کنیم. اولین و اصلی‌ترینش، الگوریتم رگرسیون هست. با الگوریتم رگرسیون میتونیم از پیوستگی دیتاها استفاده کنیم تا مدلی فیت بر روی نمودار قیمت _ زمان ایجاد کنیم و بعد از اون، از امتداد این مدل فیت شده (منظور از امتداد، پیش‌بینی آینده هست) میتونیم ببینیم که قیمت به کجا میرسه. قیمت میره بالاتر یا پایینتر؟ ارزش سرمایه گذاری داره؟ من میتونم این سهم رو با ریسک خیلی کم خریداری کنم؟
از دیگر الگوریتمای ماشین لرنینگ، میتونیم به شبکه عصبی و مارکو اشاره کنیم.
پس از این تیپ کارا میشه کرد و حتی بهتر از تحلیل تکنیکال، میشه بررسی کرد که یک سهم بدرد خریدن میخوره یا نه.
چرا گفتم تحلیل تکنیکال؟
بریم تا با ادامه مطلب همراه باشیم.
هوش مصنوعی، بهتر از تحلیل تکنیکال !؟
با یک حقیقت تلخ ولی واقعی میخوام روبروتون کنم!
تاحالا از خودتون پرسیدید که ابزارهای تحلیل تکنیکال از کجا اومدن؟ چرا ما چارت‌پترن داریم؟ فرمول‌های اندیکاتورها و اسیلاتورهارو کی نوشته و چرا؟
اکثر تکنیکالیستا میگن که یک سری رفتارهایی در گذشته هر سهم وجود داشته که مثلا اگر الگوی مثلث زده میشه و وقتی از یک طرف شکسته میشه، با قدرت به همون سمت حرکت میکنه. یا نهایتا میاد یه پولبک میزنه و بعدش در جهت شکستگی حرکت میکنه. اما باز این سوال مطرح میشه، از کی این پترنا ایجاد شدن و چرا این شکلی واکنش میدن؟
بذارید بهتون بگم که چارچوب فکری‌ای ساخته شده، تا تمام معامله‌گران بازارهای مالی رو درون اون چارچوب نگه داره تا وقتایی که خودشون میخوان! بتونن برخلاف تصورات یا در جهت تصورات، تصمیم گیری کنن. کیا؟ دستای پشت پرده.
ریاضیات ابزارهای تکنیکال دارای یک معادله ثابت هستند که شما نهایتا میتونید در مقدار دهی آنها تغییر ایجاد کنید یا به اصطلاح، کالیبره کنید! اما تاحالا شده بتونید فرمول مووینگ اوریج‌هارو تغییر بدید؟ ساختار، ساختار ثابت و مشخصیه و شما صرفا یا میتونید نمایی کنید، یا وزنی و یا معمولیش کنید.
اما ماشین لرنینگ و هوش مصنوعی دیگه هیچ چارچوبی نداره. اگر شما میگید تحلیل تکنیکال تمام اتفاقات گذشته را درون خود قرار داده یا به قول معروف (نمودار قیمت _ زمان، نمایش دهنده تمامی اتفاقات تاریخ است)، من میگم هوش مصنوعی و ماشین لرنینگ، نه تنها این اتفاقات رو میبینه، که متوجه میشه دستای پشت پرده، چه تصمیماتی میگیرن و خط حرکتشون رو متوجه میشه!!!
و این دقیقا چیزیه که ما دنبالشیم. متوجه شدن حرکت نهنگ‌های بازار کریپتوکارنسی یا حقوقی‌های بازار بورس.
این موضوع تنها دو راه حل داره. یک اینکه جزو خودشون باشی! (که اگر هستی دیگه ادامه این مقاله رو نخون بیا سیگنال بده 🙂 )
دو اینکه از هوش مصنوعی استفاده کنیم.
پس قدرت ماشین لرنینگ کاملا مشخصه و به خوبی میتونه کمک کنه که قیمت‌هارو پیش‌بینی کنیم.
از دیگر موارد استفاده کردن ماشین لرنینگ در بازارهای مالی، ساخت ربات‌های معامله گری هست که میشه به کمک آنها، معاملات کوتاه مدتی داشت.
در دنیای کریپتوکارنسی و بلاکچین‌ها، میتونیم در مرحله ماین کردن از ماشین لرنینگ استفاده کنیم تا انرژی مصرفی برای ماینرها، بهینه بشه.
در شبکه بلاک‌چین میتونیم برای حفظ امنیت اطلاعات درون شبکه‌ای از ماشین لرنینگ استفاده کنیم.
و کارهای دیگه…
امیدوارم که این مقاله برای شما مفید بوده باشه.
پر سود باشید
عالی بود چقدر زیبا توضیح دادید.
ممنون میشم اگر مطالب مفید دیگه ای در این زمینه داشتید برام ارسال بفرمایید.