Fond QUANT, umělá inteligence a dramatický únor

Pavel Kohout | 12. 3. 2018 | Vstoupit do diskuze

To, co muselo jednou přijít, konečně přišlo. V únoru 2018. Ano, řeč je o dlouho očekávané korekci akciových trhů. Hlavní americký index S&P 500 ztratil za únor 3,85 procenta, nejznámější a nejstarší index Dow Jones Industrial 30 poklesl o 4,01 procenta.

Fond QUANT poklesl o 0,88 procenta. Pokles jsme zahájili s 66% vahou akcií, krátce po poklesu jsme na základě doporučení algoritmu navyšovali podíl akciové složky na 80 procent. Algoritmus zareagoval správně: únorový pokles byl skutečně jen zakolísáním, nikoli obratem trendu. Kdyby se tak mělo stát, algoritmus by vydal instrukci vyprodat veškeré akcie a přejít do „obranné“ pozice se stoprocentní vahou pevně úročených nástrojů.

K této změně strategie také jednou dojde. Nevíme kdy: algoritmus hodnotí současný stav trhu, neposkytuje předpovědi. Ale v únoru skutečně šlo jen o zakolísání a reakce našeho algoritmu byla adekvátní.

Ne všechny algoritmy pro řízení fondů se dokázaly s „únorovými událostmi“ dobře vypořádat. Obraz o tom podává Eurekahedge AI Hedge Fund Index (dále pro stručnost EAI). Společnost EurekaHedge spravuje patrně největší databázi hedge fondů a alternativních investic a produkuje sérii indexů pro měření výkonnosti. Mezi jinými i výše zmíněný index, jehož název napovídá, že sleduje výnosy hedge fondů řízených umělou inteligencí a nástroji strojového učení.

Zdroj: Vlastní výpočty a http://www.eurekahedge.com/Indices/IndexView/Eurekahedge/683/Eurekahedge_AI_Hedge_fund_Index

Za rok 2018 dosáhl fond QUANT výnosu 9,3 %, zatímco index EAI 9,9 %. Nutno podotknout, že u fondu QUANT hovoříme o korunovém výnosu, zatímco index EAI je počítán v dolarech.

Velmi rozdílný vývoj ovšem přinesl právě dramatický únor 2018, kdy QUANT ztratil 0,88 %, zatímco index EAI spadl o 7,28 %.

Odkud pochází rozdíl ve výkonnosti velikosti desítkového řádu? Pravděpodobným vysvětlením může být samotný princip umělé inteligence a strojového učení.

Síť jako živý tvor

Převládající metodou umělé inteligence jsou v posledních letech neuronové sítě. Počítač simuluje funkci biologických neuronů pomocí matematických funkcí. Síť má vstupní vrstvu, která vnímá signál: v tomto případě ceny akcií, hodnoty indexů, úrokové míry, nejrůznější makroekonomické veličiny – podle toho, co konstruktér sítě pokládá za důležité. Výstupem sítě je prodejní nebo nákupní doporučení. Síť není přímo programována, nýbrž se učí metodou pokusů a omylů, podobně jako živý tvor.

Jinými slovy, v neuronové síti se buduje soustava podmíněných reflexů. Ani nejpokročilejší neuronové sítě nedosahují zdaleka složitosti lidského mozku. Nelze tedy tvrdit, že síť „chápe“, co se na trhu děje. Neuronová síť je pouze vycvičena, aby reagovala na určité podněty podobně, jako psi ve slavném experimentu I. P. Pavlova, kteří reagovali na světlo nebo na zvuk tvorbou slin – protože si zvykli, že tento signál byl spojen s výdejem potravy.

Neuronové sítě dosahují v některých oblastech vynikajících výsledků. Například čtení lidského rukopisu (i psacím písmem) zvládne prakticky bezchybně síť již s pouhými 800 neurony. Obecně platí, že rozpoznávání obrazců a signálů – obrazových, zvukových i jiných – se v posledních letech stalo silnou stránkou umělé inteligence.

V investicích však neuronové sítě nemají tak skvělé výsledky. Proč? Vyplývá to ze samotné povahy finančních časových řad.

Pozor na šum

Finanční a ekonomické informace bývají zatíženy velmi vysokým podílem statistického šumu. Je zde velké riziko vzniku falešných korelací mezi různými veličinami. Stává se běžně, že neuronová síť se naučí jistý vzorec chování finančních trhů, který má zdánlivě vysokou předpovědní hodnotu – ve skutečnosti jde ovšem jen o náhodnou shodu okolností, která fungovala po omezenou dobu a pak zmizela. Nic překvapivého, podobným falešným korelacím podléhají i živí investoři a spekulanti. Neuronové sítě jsou silným nástrojem pro „těžbu dat“ (data mining), avšak tento přístup je pro nasazení ve financích krajně nevhodný. V analýze finančních dat je termín „data mining“ nadávkou (nebo by alespoň měl být).

Člověk má však schopnost věcem rozumět (nebo by alespoň měl mít takovou schopnost, pokud má ekonomické vzdělání a rozumí významu jednotlivých veličin). Proto by měl být schopen vyloučit falešné korelace z investičního rozhodování. Stroj však nic takového neumí. Kromě toho, neuronové sítě jsou z hlediska vnějšího pozorovatele neproniknutelné černé skříňky. Neexistuje možnost, aby programátor zasáhl do neuronové sítě a zbavil ji chybného nastavení neuronů.

V únoru tedy pravděpodobně došlo k tomu, že neuronové sítě řídící investice některých fondů mylně vyhodnotily propad akciových trhů jako obrat trendu a propadly panice. Sklony k panice, zdá se, nejsou již výlučnou vlastností lidí!

Neuronové sítě napodobují funkci lidského mozku, ale lidský mozek není právě nejlepší nástroj pro systematické investiční rozhodování. To je základní úskalí použití umělé inteligence v oblasti investic.

Quant je jiný

Jak funguje algoritmus fondu QUANT? Není založen na neuronové síti. Člověk má možnost nahlédnout dovnitř a podívat se, proč algoritmus rozhodl tak či onak. Dokonce nejde ani o umělou inteligenci v přísnějším smyslu tohoto termínu. Algoritmus fondu QUANT je soubor pravidel pro disciplinované investování, která byla odvozena na základě chování akciového trhu v souvislosti s několika pečlivě vybranými finančními a ekonomickými indikátory.

Tato pravidla nevznikla strojovým učením, nýbrž byla sestavena čistě lidským rozumem. Každé pravidlo algoritmu musí mít neprůstřelné zdůvodnění v ekonomické teorii a musí obstát při zpětném testování, a to nikoli samo o sobě, ale v souhře s ostatními pravidly. Všechna tato pravidla lze vysvětlit přirozeným jazykem, a to i osobám, které nejsou finančními profesionály. Všechna jsou intuitivní a blízká „selskému rozumu“.

Algoritmus fondu QUANT není perfektní. Mohou nastat situace, kdy rozhodne nedokonale. Robustnost měla při jeho vývoji vždy přednost před přesností. Na druhé straně se nikdy nemůže stát, aby algoritmus vydal doporučení založené na zcela klamné souhře náhod. U neuronových sítí nebo jiných metod strojového učení je naopak něco takového zcela běžným jevem.

Ještě jedna poznámka: na rozdíl od neuronových sítí, jejichž nastavení se neustále průběžně mění, pravidla algoritmu fondu QUANT byla jednou stanovena a nemění se. Pokud někdy dojde k jejich úpravě, pak až po řadě let provozu. Konzistentnost a disciplína je klíčem k úspěchu a robustnost je cennější než přesnost.

A ještě jedna poznámka na závěr: koncem února trhy propadly panice kvůli chystaným dovozním clům v USA. Nebýt této události, patrně bychom končili tento rušný měsíc s kladným výsledkem. Vzápětí se však uklidnily, protože investoři došli k názoru, že Trumpova cla nebudou tak strašná věc. Tak už to na trhu chodí: jeden den jsou všichni vyplašeni kvůli komentářům o hrozbě obchodních válek. Den poté panika opadne, neboť si trh uvědomí, že s těmi obchodními válkami to nebude tak horké. Nikdo, ani algoritmus ani člověk, nedokáže předvídat politická rozhodnutí a hlavně jejich dopad na trh. Proto podobné jevy raději ignorujeme.