مغز استراتژی معامله‌گری با هوش مصنوعی

مسئله تجاری

اگر از یک مدل استراتژی معاملاتی بخواهی، تا ابد تولید می‌کند و همه هم موجه به نظر می‌رسند. مشکل اینجاست که استراتژی بیش‌برازش‌شده روی داده‌ی تاریخی خروجی پیش‌فرض است، نه استثنا. و توضیح قانع‌کننده‌ای که پشت یک قانون بیش‌برازش‌شده بنشیند، از نبودِ توضیح خطرناک‌تر است.

آنچه تحویل دادم

• سیستمی که منطق استراتژی‌های نامزد را طراحی می‌کند و برای هرکدام، استدلال پشت آن را طوری بیرون می‌دهد که آدم بتواند بررسی‌اش کند.
• یک مرحله‌ی ارزیابی که هر نامزد باید از آن رد شود تا چیزی بیشتر از یک فرضیه حساب شود.
• برخورد صریح با منطق پرریسک، تا تصمیم‌هایی که بیشترین ضرر بالقوه را دارند همان‌هایی باشند که برای بازبینی رو می‌آیند، نه آن‌هایی که لای بقیه گم می‌شوند.
• ساختاری که تولید و قضاوت را در دو مرحله‌ی جدا می‌گذارد، تا آن‌که استراتژی را پیشنهاد می‌دهد همان‌که تأییدش می‌کند نباشد.

رویکرد فنی

• تولید و ارزیابی عمداً از هم جدا شده‌اند. سیستمی که خروجی خودش را نمره بدهد، آخرش به سمت چیزی می‌رود که در ساختنش مهارت دارد.
• هر نامزد باید استدلالش را بگوید. قانونی که نتوانی توضیحش بدهی، قانونی است که نمی‌توانی درباره‌اش تصمیم بگیری؛ نه می‌شود بهش اعتماد کرد نه با خیال راحت دورش انداخت.
• تصمیم‌های حساس به‌جای اجرای خودکار، به صف بازبینی انسانی می‌روند. در معامله‌گری، بدترین ضررها دقیقاً همان‌جایی‌اند که باید آدم نگاهشان کند.
• خروجی در همه‌جای سیستم یک فرضیه در نظر گرفته می‌شود. هیچ‌چیز اینجا توصیه نیست و معماری هم همین را می‌گوید.

نتیجه و شواهد

هر استراتژی نامزد با استدلال خودش می‌رسد و از مرحله‌ی ارزیابی رد شده است، پس می‌شود درباره‌اش بحث کرد. همین است که خروجی را مفید می‌کند و نه فقط پرحجم.

اهمیت برای کارفرما

چیزی که در این کار کمیاب است ایده نیست؛ راه قابل اتکا برای رد کردن بیشتر ایده‌هاست. تا مسیر رد درست ساخته نشود، اجرای تولید هم ارزشی ندارد.