هوش مصنوعی در طراحی استراتژی – رمز موفقیت در بازارهای مالی، داشتن استراتژی معاملاتی مستحکم و قابل اتکا است. در دهه‌های گذشته، روش‌های متعددی برای یافتن بهترین استراتژی‌های معاملاتی توسط معامله‌گران مورد استفاده قرار گرفته است. این روش‌ها را می‌توان به طور کلی به دو دسته روش‌های دستی و روش‌های خودکار مبتنی بر هوش مصنوعی تقسیم‌بندی کرد.

در حالی که در روش طراحی دستی استراتژی، تولید و تست استراتژی‌ها تا رسیدن به یک ترکیب سودآور می‌تواند به راحتی تا چندین ماه طول بکشد، روش‌های هوش مصنوعی می‌توانند همین کار را به راحتی و تنها ظرف چند دقیقه انجام دهند.

با توجه به اینکه در سیستم هوش مصنوعی میلیاردها حالت مختلف چک می‌شود در نهایت استراتژی‌هایی به کاربر ارائه می‌شوند که شاید هرگز امکان سودده بودن آن‌ها به ذهن کسی نرسد.

در این مقاله، به کاربرد هوش مصنوعی در طراحی خودکار استراتژی‌های معاملاتی و انواع آن خواهیم پرداخت. اساسا یکی از بهترین موارد استفاده از هوش مصنوعی در کارهایی است که مستقیماً با عناصر کمّی و به تعبیری اعداد و ارقام سرکار دارند.

از طرف دیگر می‌دانیم که بازارهای مالی، چه به لحاظ ارقام قیمتی و چه به لحاظ خروجی اندیکاتورهای تکنیکال، یک بستر کاملا کمّی است. از این رو، تکنیک‌های هوش مصنوعی به خوبی می‌توانند در این بازارها مورد استفاده قرار گیرد.

تاکنون دو الگوریتم عمده هوش مصنوعی در بازارهای مالی مورد استفاده قرار گرفته است:

• الگوریتم تصادفی
• الگوریتم ژنتیک

الگوریتم تصادفی در هوش مصنوعی در طراحی استراتژی

به زبان ساده، در روش الگوریتم تصادفی ابزارهای مختلف تکنیکال به صورت تصادفی با هم ترکیب می‌شوند تا یک استراتژی تولید شده و سپس مورد بک‌تست قرار بگیرد. در این روش کاربر ابتدا شرایط مطلوب خود را از استراتژی مورد نظر به سیستم ارائه می‌کند.

به عنوان مثال حداقل سود یا حداکثر ضرر قابل قبول استراتژی در طی دوره و یا هر شرطی که مورد نظر کاربر باشد به عنوان شرایط پذیرش استراتژی به سیستم اعلام می‌شود.

سپس برنامه با در نظر گرفتن تمام داده‌های بازه زمانی مورد نظر کاربر بر حسب مورد و به صورت انتخابی بازار را در میلیاردها حالت مختلف بر اساس ترکیب اندیکاتورهای تکنیکال و اسیلاتورها و اندیکاتور‌های مبتنی بر قیمت و کندل استیک‌ها بررسی می‌کند.

در این مرحله، چنانچه نتیجه عملکردی استراتژی، شرایط تعیین شده توسط کاربر را دارا باشد، آن را ذخیره و به کاربر ارائه می‌دهد.

الگوریتم ژنتیک در هوش مصنوعی در طراحی استراتژی

در روش الگوریتم ژنتیک می‌توان با سرعت بسیار بالاتری در قیاس با الگوریتم تصادفی به استراتژی‌های سودآور دست یافت. در این روش ابتدا با استفاده از الگوریتم تصادفی داده‌های استراتژی اولیه به عنوان جمعیت اولیه استراتژی‌ها طراحی می‌شوند.

سپس منطق استراتژی‌های به دست آمده به صورت پدر و فرزندی و دو به دو با هم ترکیب شده و از نتیجه آن استراتژی‌های جدیدی حاصل می‌شود. در این مرحله برنامه بررسی می‌کند که آیا استراتژی‌های والد شرایط خواسته شده کاربر را بهتر احراز می‌کنند یا استراتژی‌های تولید شده توسط آن‌ها. اگر استراتژی‌های فرزند شرایط بهتری داشته باشند آن‌ها را نگه می‌دارد و استراتژی‌های والد را حذف می‌کند.

برعکس اگر استراتژی‌های والد شرایط بهتری نسبت به فرزند داشته باشند، فرزند را دور می‌اندازد و استراتژی‌های والد را نگه می‌دارد. این کار به همین ترتیب و به هر تعداد دفعه که کاربر درخواست کرده باشد انجام می‌شود.

واضح است که استراتژی‌های به دست آمده در مرحله آخر، شرایط بسیار بهتری را در سودآوری و شرایط پذیرش تعیین شده توسط کاربر در قیاس با استراتژی‌های اولیه داشته‌اند. اما نقطه ضعف این روش، احتمال بالای تولید استراتژی‌های مشابه است.

مقاله پیشنهادی : معاملات الگوریتمی

جمع‌بندی

با توجه به دسترس‌پذیر شدن هر چه بیشتر سخت‌افزارها و نرم‌افزارهای قدرت‌مند برای پردازش‌های سنگین در سالیان اخیر، استفاده از کامپیوتر در بازارهای مالی به شدت افزایش پیدا کرده است. سرعت و دقت این سیستم‌ها در قیاس با روش‌های دستی، لزوم حرکت در این مسیر را بیش از پیش نمایان می‌کند. هوش مصنوعی توضیح داده شده در این مقاله، تنها می‌تواند سرعت، دقت و تنوع استراتژی‌های تولید شده را به طرز خیره کننده‌ای افزایش دهد.

نباید از خاطر دور داشت که استفاده صرف از هوش مصنوعی در طراحی استراتژی و یافتن استراتژی‌های سودده به این روش، تضمین‌کننده سودآور ماندن آن استراتژی‌ها در آینده نیست. اهمیت انجام صحیح بک تست به خصوص استفاده از مدلینگ دقیق و بررسی استحکام استراتژی‌ های تولید شده، همچنان به قوت خود باقی است و نبایستی مورد چشم‌پوشی واقع شود.

به بیان ساده بایستی همواره به خاطر داشت که هوش مصنوعی در طراحی استراتژی ابزاری نیست که به خودی خود بتواند استراتژی‌های مناسب برای استفاده در بازار را به ما ارائه دهد. این کاربر است که با استفاده از دانش و تجربه خود، از این ابزارها (همانند دیگر ابزارها) برای کسب بهترین نتیجه در سریع‌ترین زمان بهره می‌برد.