O setor financeiro é amplo e diferentes segmentos têm diferentes casos de uso para aprendizado de máquina. Em geral, há menos aprendizado de máquina nas finanças do que as pessoas de fora podem imaginar. Quando entrei para a indústria, embora o termo "aprendizado de máquina" não fosse muito comum, havia previsto uma tonelada de métodos muito complexos usados ​​para manipular dados e fazer previsões. De fato, a maioria dos problemas de negócios em finanças tem soluções diretas que não exigem esses métodos, o que me surpreendeu na época.

Com isso dito, aqui estão alguns exemplos de aprendizado de máquina no espaço de negociação:

• Geração e teste de sinal - Prefiro o termo "sinal" a "modelar" porque, em última análise, o objetivo da negociação é gerar negócios com base em algum sinal, não "modelar o mundo", que é muito elevado e distante do que a negociação realmente alcança. Os métodos de aprendizado de máquina podem ser muito úteis na geração de sinais de dados passados ​​e, em particular, abordagens que foram refinadas no domínio do aprendizado de máquina em torno da validação e teste de significância estatística são muito críticas. Como os preços financeiros têm apenas um histórico, errar na parte do significado geralmente é a diferença entre sucesso e fracasso. A previsão real pode ser um aprendizado supervisionado relativamente simples usando regressão linear, regressão logística ou reforço.
• Engenharia de recursos - o aprendizado não supervisionado não é útil para negociação direta, porque você deseja / precisa ter uma aparência de feedback que vincule lucros a sinais. Dito isto, os recursos individuais podem ser projetados usando as ferramentas que você deseja. Trazendo conjuntos de dados externos, como dados de satélite, por exemplo, ou modelos economistas para negociação de macro, etc., e aplicando ferramentas de cluster ou mais complexas para alimentar esses resultados em uma estratégia de negociação (relativamente simples), geralmente é como boas estratégias funcionam.
• Empréstimos de métodos de reconhecimento de fala - em ambos os casos, você deseja prever o futuro do passado. As abordagens da PNL e áreas relacionadas ao aprendizado de máquina têm sido particularmente úteis para os pioneiros do espaço de negociação quantitativa, como Renaissance Technologies (fundo de hedge).

Algumas áreas em que o aprendizado de máquina não é tão usado são a parte da execução de negociações de alta frequência, gerenciamento de riscos, preços de opções e estratégia de portfólio. Para concluir, o aprendizado de máquina tem seu lugar nas finanças, mas menos do que as pessoas pensam, e mesmo as partes que o utilizam dependem mais da abordagem do aprendizado de máquina moderno do que de modelos específicos comuns na academia.