Sou um operador profissional e movi bilhões de dólares em ações através de sistemas de negociação eletrônica. Deixe-me contar três maneiras de usar o Machine Learning.

• Para melhorar o que eu já faço. Quando apliquei uma análise de dados séria à minha negociação, identifiquei 36 estratégias de negociação discretas, que implementei e executei números em quatro aspectos das operações aplicadas: o que arriscar, quando obter lucro, lucro: taxa de perda e derrapagem. Com essa análise, enfatizei algumas operações mais do que outras, apertei ou afrouxei minha tolerância a riscos e assim por diante. O lucro total aumentou 50%.
• Para automatizar o que eu já faço. Os computadores não têm o mesmo julgamento que eu, mas podem aprender a copiar minhas melhores coisas. Usamos o que é chamado de Aprendizado Supervisionado, o que significa que mostramos vários dos meus negócios e pedimos para criar um algoritmo imitador. Ele encontra mais oportunidades do que eu e pode gerenciar mais posições, embora não as troque também. O lucro total aumentou 30%.
• Para expandir o que eu já faço. Começamos com coisas em que eu já negocio e adicionamos algumas que eu suspeitava serem úteis. Nós alimentamos isso por meio de uma rede neural, o que significa que ele combina esses insumos e dá a cada um deles vários pesos - depois enxágue e repita algumas vezes - para gerar novas estratégias. Isso se torna exponencialmente eficaz quanto melhor você o faz, portanto, o primeiro lançamento produz pouco lucro, o próximo um pouco e, finalmente, muito.

Ao fazer tudo isso, aprendi duas coisas realmente importantes. Até reorientarmos nosso pensamento sobre como avançar, estávamos tentando encher o oceano com um conta-gotas. Precisávamos de uma ferramenta mais adequada que um conta-gotas e um objetivo mais concentrado que o oceano.

• A principal habilidade do profissional é distinguir sinal de ruído. Use-o. A maioria das pessoas pensa que vai lançar uma grande quantidade de dados brutos em um computador e isso vai gerar negócios brilhantes. As possibilidades são muito amplas para isso. A habilidade do profissional deve ser aplicada para reduzir os problemas em ordens de magnitude. Quais preditores usaremos? Quais partes móveis das estratégias queremos mover? Como vamos agrupar estratégias?
• É mais difícil definir o que é uma boa estratégia do que você imagina. "Maximizar lucros" ou "minimizar perdas" parece ótimo, mas há altos e baixos na vida de qualquer estratégia de negociação. Importa se os perdedores são grandes ou frequentes demais, ou se os vencedores significativos são pouco frequentes. Por isso, começamos a usar nossos próprios olhos para comparar as distribuições de lucro / perda de estratégias aplicadas aos dados de amostra, em vez de confiar neles para escolher a melhor estratégia por conta própria.

Desejo-lhe o melhor!