در دانشگاه استیونس نیوجرسی اقتصاد درس میدهم. حوزه تخصصم اقتصاد خرد کاربردی، اقتصاد انرژی و منابع طبیعی، مدیریت ریسک و کنترل بهینه تصادفی است. به علوم انسانی هم علاقهمندم. مسایل توسعه و سیاستگذاری ایران را دنبال میکنم و گاهی چیزهایی مینویسم.
پیشبینی در بازار مالی
پیشبینی در بازار مالی
صحبت از کاربردهای موج جدید یادگیری ماشین (Machine Learning) که میشود معمولا موضوعاتی مثل بهبود جست و جوی گوگل٬ تشخیص هوشمند متقاضیان کار٬ پیشبینی بار مصرف انرژی٬ پیشبینی هوا و صد البته تشخیص بیماریها و تجویز داروی سرطان مطرح میشود. در همه اینها الگوریتمها و رویکردهای جدید ML دقت پیشبینیها یا دستهبندی را بهبود داده و باعث افزایش کارایی تخصیص منابع میشود. تا اینجا عالی.
ولی متخصصان یادگیری ماشینی از جایی به بعد هیجانزده میشوند و یک زمینه «خیلی مهم» دیگر کارشان را هم مطرح میکنند: پیشبینی نرخ ارز و قیمت سهام و طلا و الخ و اینکه چه طور «جلو افتادن از بازار» توانسته باعث سودهای بزرگی شود. اینجا است که باید گفت صبر کنید! موارد قبلی تقریبا همهگی بازی با جمع مثبت بودند و مازاد اجتماعی تولید میکردند. بهبود پیشبینی طوفان امکان مدیریت حوادث را میدهد٬ بهبود پردازش فایلهای پزشکی باعث تشخیص دقیقتر بیماریها میشود و جور کردن دقیقتر کارفرما/متقاضی کار باعث کاهش اصطکاکهای بازار کار و ارتقاء بهرهوری است.
ولی وقتی به بازار سهام و طلا و ارز میرسیم قضیه ناگهان تغییر میکند :
۱) بر خلاف موارد دیگر استفاده از ML در معاملات بازار مالی یک بازی با جمع مثبت نیست٬ بلکه فقط بازی با جمع صفر (Zero Sum) است! آنکه الگوریتم بهتری دارد برنده شرطبندی مالی میشود و طرف دیگر میبازد. در نتیجه مشارکت متخصص ML بیشتر یک بازتوزیع از بازنده به برنده بوده و بس.
۲) پیشبینی دقیقتر هوا باعث تغییر در رفتار هوا نمیشود، ولی پیشبینی ارز و سهام این طور نیست و تاثیرگذار است! پیشبینی قیمتها (اگر چنین چیزی ممکن باشد) باعث سرازیر شدن بیشتر سرمایه سوداگرانه به آن بخش و در نتیجه جا به جایی قیمتها میشود. وقتی همه سوداگران به الگوریتمهای ML مجهز شوند دینامیک قیمتها تغییر میکند ولی نهایتا همه به اول خط برگشتهاند٬ چون اتفاقی در بخش حقیقی ماجرا نیفتاده است و فقط همه مجهز به الگوریتمها و سیستمهای جدید شدهاند٬ مثل مسابقهای که همه کفشهای قویتری پوشیدهاند و مزیت کفش خوب از بین رفته است.
دقت کنید که نقد ما صرفا معطوف به کاربردهای مربوط به «پیشافتادن از بازار» است وگرنه یادگیری ماشینی کاربردهای مفید بسیاری در اقتصاد و مالی دارد: از پیشبینی چرخههای تجاری تا بهبود تخمین ریسک اعتباری افراد و شرکتها تا به کمک به افراد برای تعیین درجه ریسکپذیری خود و انتخاب سبد سرمایهگذاری بلندمدت بهتر و الخ.
@hamedghoddusi کانال یک لیوان چای داغ٬ نوشتههای حامد قدوسی