L'utilisation d'ordinateurs pour le commerce et l'investissement en ligne est loin d'être un concept nouveau. Dès les premiers jours de l'informatique, les machines ont été utilisées pour faire des calculs et des analyses financières. Cependant, les progrès récents en intelligence artificielle (IA), et plus spécifiquement, l'apprentissage automatique, ont introduit de nouveaux moyens innovants pour exploiter la puissance de calcul pour une meilleure gestion financière.
Tandis que l'intelligence artificielle fait référence au concept plus large de créer des machines qui pensent par elles-mêmes, l'apprentissage automatique est un domaine plus étroit, qui vise à améliorer la façon dont les ordinateurs déchiffrent le monde qui les entoure. Alors que l'IA vise à créer la conscience, l'apprentissage automatique vise à créer une compréhension.
Comment fonctionne l'apprentissage automatique
L'utilisation de l'apprentissage automatique nécessite l'introduction de grandes quantités de données sur un ordinateur et le fait qu'il «apprend» seul. Bien que ce soit un processus complexe, une explication simple serait la suivante: si nous voulons enseigner à un ordinateur ce qu'est un chat, au lieu de saisir des paramètres tels que "les chats ont des oreilles pointues" ou "les chats ont des moustaches" une abondance de photos de chats, laissant décider de sa propre façon de reconnaître les chats. Si on lui donne assez de données, la machine sera capable d'exécuter efficacement la tâche qu'elle s'est enseignée à faire.
Il est facile de comprendre comment cela peut être utilisé en finance. Tellement d'investissement a à voir avec l'analyse technique et la reconnaissance des formes, donc, dans ce cas, le chat susmentionné pourrait être remplacé par des graphiques du marché et utilisé pour l'analyse prédictive. En outre, Internet a créé la possibilité de générer d'énormes quantités de données et des ensembles de données potentiellement illimités.
L'apprentissage automatique ouvre de nouvelles possibilités de négociation et d'investissement. Par exemple, on peut apprendre aux machines à reconnaître les habitudes de négociation des commerçants responsables et à prédire qui pourrait représenter un risque pour certaines institutions. Une autre utilisation serait de créer des algorithmes qui trouvent des similitudes dans différents portefeuilles réussis et qui identifient les facteurs gagnants.
Surmonter le marché
Maintenant qu'il est possible de passer au crible les comportements de millions de commerçants et d'utiliser des algorithmes Pensez, les réseaux de commerce social, comme eToro ajoutent une autre dimension de l'information à ce processus. Dans l'ère de l'information d'aujourd'hui, chaque action est enregistrée et l'histoire de chaque trader peut être tracée, présentant un modèle de l'ADN d'investissement de ce trader.
Quand il s'agit d'un réseau qui compte des millions de traders, données qui peuvent être utilisées. L'algorithme pertinent peut passer au crible cette base de données géante et extraire les informations pertinentes. L'apprentissage automatique peut être intégré afin d'identifier les «bonnes» données.
En d'autres termes, on peut enseigner à un ordinateur ce à quoi ressemble un «échange réussi» et combiner ces informations auprès de divers utilisateurs pour constituer un portefeuille d'investissement. tire de leur sagesse cumulative.
Donner accès à tout le monde
Il n'est donc pas étonnant que des géants financiers tels que JPMorgan Chase et Goldman Sachs utilisent ouvertement l'apprentissage automatique pour leurs pratiques d'investissement. Après tout, ils ont les ressources et les données pour le faire fonctionner. Cependant, ce pouvoir n'est pas réservé à ces sociétés géantes. Il y a des cas où l'apprentissage automatique peut également bénéficier au «petit gars».
La mission déclarée d'eToro est de perturber le secteur financier traditionnel et de faire tomber les barrières entre les investisseurs privés et les pratiques professionnelles. Un tel exemple peut être vu dans CopyFunds Investment Strategies d'eToro, qui sont des portefeuilles thématiques gérés, alimentés par des algorithmes avancés d'apprentissage automatique. Cela signifie que les particuliers ont maintenant accès à la technologie précédemment réservée aux sociétés géantes.
Par exemple, l'un des CopyFunds d'eToro a été créé pour surpasser l'indice populaire Nasdaq 100, en étudiant l'ADN «investisseur» des traders Nasdaq . L'algorithme localise les «experts du Nasdaq», puis passe au crible leurs portefeuilles et leur historique de négociation pour localiser les 15 composantes du Nasdaq 100 vers lesquelles tous ces investisseurs sont positivement inclinés. Des facteurs supplémentaires, tels que la gestion des risques, sont pris en considération, fournissant le résultat final d'un portefeuille d'investissement à faible risque et entièrement géré, qui peut potentiellement battre le Nasdaq 100.
Big data, gros résultats
L'utilisation de l'apprentissage automatique pour le commerce a été prouvé jusqu'à présent avec succès sur eToro. Un précédent CopyFund, appelé MomentumDD utilise le moteur Machine Learning de Microsoft pour localiser les traders les plus susceptibles de générer un profit et les regrouper en un seul produit d'investissement. Ce CopyFund a généré un bénéfice de 22% la première année tout en maintenant un risque relativement faible.
Au fil du temps, des algorithmes plus avancés seront développés et la quantité de données augmentera de façon exponentielle. Avec les premiers produits eToro d'apprentissage par la machine présentant un tel potentiel, il ne fait aucun doute que les pratiques futures s'appuyant sur cette technologie produiront des résultats impressionnants.
Ce contenu est uniquement destiné à des fins éducatives et ne constitue pas un conseil en investissement. Les performances passées ne préjugent pas des résultats futurs. Données extraites le 20 juillet 2018. Les données mises à jour peuvent être trouvées sur la page du CopyFund. Votre capital est à risque.
