هوش مصنوعی و آینده‌ی معامله‌گری؛ یک انقلاب اجتناب‌ناپذیر
نمیدونم چقدر با ChatGPT کار کردین، اما صرف‌نظر از کیفیت بالای این ابزار و کاری که OpenAI به‌عنوان توسعه‌دهنده‌ی اون انجام داده، چیزی که ذهن من رو درگیر کرده، تأثیر عمیقیه که هوش مصنوعی، مخصوصاً مدل‌های مولد (Generative AI)، روی کسب‌وکارها گذاشته.
صنعت مالی و سرمایه‌گذاری یکی از حوزه‌هایی بوده که بیشترین بهره رو از این فناوری برده. امروزه هزاران کسب‌وکار در سراسر دنیا به‌شدت وابسته به هوش مصنوعی هستن و بدون اون، عملاً از حرکت می‌ایستن. معامله‌گری در بازارهای مالی هم دقیقاً در همین دسته قرار می‌گیره. به عقیده‌ی من، کسی که امروز از ظرفیت هوش مصنوعی در معاملاتش استفاده نکنه، یک مزیت رقابتی کلیدی رو از دست داده و به‌شدت از جریان بازار عقب می‌مونه.
چگونه فناوری مسیر بازارهای مالی را تغییر داد؟
بیایید کمی به گذشته برگردیم. به نظر من، اوایل دهه‌ی ۲۰۰۰ میلادی نقطه‌ی عطفی در دنیای تکنولوژی بود. با ظهور اینترنت، کسب‌وکارهای سنتی دچار تحول اساسی شدن. برخی از اون‌ها که تونستن از این تغییرات بهره ببرن، رشد چشمگیری داشتن. یکی از این صنایع، بازارهای مالی بود.
در گذشته، کارگزاری‌های بورس سفارش‌های خرید و فروش سرمایه‌گذاران رو از طریق تلفن دریافت و اجرا می‌کردن. اما با دیجیتالی شدن معاملات، سرعت اجرا و دقت تصمیم‌گیری به شکل بی‌سابقه‌ای افزایش پیدا کرد. این تغییرات باعث شد رقابت برای شناسایی ناکارآمدی‌های بازار شدیدتر بشه، چون حالا معامله‌گرها می‌تونستن با سرعت بسیار بیشتری واکنش نشون بدن و همین موضوع باعث شد فرصت‌های سودآور در بازار سریع‌تر از همیشه شناسایی و حذف بشن.
اما این افزایش سرعت، یک پیامد مهم داشت: تحلیل‌های سنتی دیگه کافی نبودن. بازار به ابزارهای پیچیده‌تری نیاز داشت که بتونن در مقیاس کلان و با دقت بالا، روندهای بازار رو تحلیل کنن.
علم آمار؛ موتور محرک معامله‌گری مدرن
وقتی رقابت برای کشف فرصت‌های سودآور در بازار شدیدتر شد، هج‌فاندها و صندوق‌های سرمایه‌گذاری میلیارد دلاری برای حفظ مزیت رقابتی‌شون به علوم پایه رو آوردن. اون‌ها تلاش کردن با استفاده از مدل‌های آماری و ریاضی، الگوهایی رو پیدا کنن که برای دیگران قابل مشاهده نبود.
در رأس همه‌ی این علوم، آمار ایستاده بود.
حتی امروز، با وجود تمام پیشرفت‌های تکنولوژیک، مدل‌های آماری همچنان یکی از ستون‌های اصلی معامله‌گری الگوریتمی هستن. اما تفاوت بزرگ اینجاست که امروزه، آمار در قالب یک شاخه‌ی بسیار پیشرفته‌تر به نام یادگیری ماشین (Machine Learning) به کار گرفته می‌شه.
یادگیری ماشین؛ همان آمار در لباسی مدرن‌تر
یادگیری ماشین درواقع چیزی نیست جز توسعه‌ی همان مدل‌های آماری سنتی، اما با قدرت پردازشی فوق‌العاده‌ی کامپیوترها.
ایده‌ی اصلی ساده‌ست:
تمام داده‌های قیمتی رو در اختیار یک مدل قرار می‌دیم و این مدل سعی می‌کنه الگوهای پنهان بین داده‌ها رو شناسایی کنه. اما تفاوت اصلی اینجاست که به جای اینکه ما خودمون فرمول‌ها و مدل‌های ریاضی رو بنویسیم، یادگیری ماشین این کار رو به‌صورت خودکار انجام می‌ده. به همین دلیله که بهش می‌گن "ماشین در حال یادگیری"—چون خودش با تحلیل داده‌های گذشته، رابطه‌هایی پیدا می‌کنه که برای انسان قابل مشاهده نیست و از این رابطه‌ها برای پیش‌بینی آینده استفاده می‌کنه.
آیا معامله‌گرها هنوز هم روش‌های سنتی رو ترجیح میدن؟
واقعیت اینه که بسیاری از معامله‌گران هنوز هم به تحلیل تکنیکال و بنیادی به روش‌های سنتی پایبندن. اما اگر کسی امروز فقط به این روش‌ها اکتفا کنه و از یادگیری ماشین و هوش مصنوعی بهره نبره، عملاً خودش رو از یک ابزار قدرتمند محروم کرده.
شاید بپرسید:
"من که برنامه‌نویس یا متخصص هوش مصنوعی نیستم، چطور می‌تونم از این فناوری استفاده کنم؟"
پاسخش خیلی سادست:
با ChatGPT تعامل کن. ازش بپرس. ازش کار بکش. یادگیری ماشین و تحلیل داده‌ها دیگه فقط برای دانشمندای کامپیوتر نیست. تو هم می‌تونی با استفاده از این ابزارها، استراتژی‌های معاملاتی‌ات رو ارتقا بدی.
چطور؟
شاید وقتش رسیده که درباره‌ی "Prompt Engineering" تحقیق کنی و به دنیایی از معامله‌گری وارد بشی که قبلاً حتی تصورش رو هم نمی‌کردی.
در مورد مهندسی پرسش (Prompt Engineering) بیشتر صحبت خواهیم کرد...