УкрРус

Компьютер предскажет кризис точнее людей

Текст переведен специально для сайта "Обозреватель". Оригинал на Bloomberg View.

Люди ужасно себя показали в своевременном прогнозировании финансовых кризисов, но некоторые ученые считают, что им смогут помочь компьютерные алгоритмы

Имея нужную информацию, некоторые кризисы можно предвидеть. В "Игре на понижение" Майкл Льюис рассказал историю нескольких человек, которые заметили растущий дисбаланс на ипотечном рынке, и в результате неплохо заработали. На протяжении десятилетий исследования показали, что у многих банковских кризисов были предупреждающие сигналы, такие как быстрый рост задолженности и доли заемных средств. Тем не менее, экономисты и политики обычно пропускают опасные признаки, отчасти из-за высокой сложности механизмов финансового мира.

Так что же такое могут увидеть компьютеры, что недоступно человеческому взору? В новом исследовании, компьютерные ученые Сэмюэл Роннквист и Питер Сарлин изучили то, что может быть достигнуто с помощью так называемых алгоритмов глубинного обучения – аналогичных тем, которые Google использовал для того, чтобы победить мирового чемпиона го или играть в видеоигры Atari на экспертном для человека уровне сложности.

Такие алгоритмы работают путем изучения данных и распознания закономерностей. Обрабатывая базу из 6,6 млн финансовых новостных за период с 2007 по 2014 год, алгоритм исследователей точно определил эпизоды банковских проблем, а также выдал текстовое описание финансовых обстоятельств, которые, скорее всего, привели к каждой из них. Он даже идентифицировал проблемы в банках, которые не попали в изначальную выборку, что позволяет предположить обнаружение им существенных и весьма незаметных взаимосвязей.

Это не совсем предсказание, поскольку алгоритм работал с историческими данными. Но на основе дальнейшей работы Роннквист и Сарлин полагают, что такие алгоритмы в скором времени будет в состоянии измерять избыточность роста или перегрев рынка в режиме реального времени, сосредоточив внимание на эмоциональных оттенках слов и фраз в новостях или онлайн-дискуссиях.

К примеру, Сарлин и его коллега Маркус Холопайнен, уже рассматривали работу алгоритмов по идентификации условий, повышающих вероятность кризиса, а не фактически имеющихся проблем в банках. Используя макроэкономические данные 15 европейских стран с 1980 года, машинные самообучающиеся алгоритмы предсказывали банковские кризисы точнее, и, что более важно, с меньшим количеством ложных тревог, чем любой из широкого круга наиболее часто используемых статистических методов.

Как это изменит финансы и экономику? Первое, что мы, вероятно, увидим – это инструменты, позволяющие справиться с непомерной сложностью финансового мира, позволяя человеческому мозгу сосредоточиться на наиболее важных вещах. Это могло бы помочь трейдерам находить возможности для получения прибыли, а регуляторам – выявлять системные риски. Человеческое понимание того, как работать экономика, в конце концов, не слишком впечатляет: сегодня экономисты не могут даже прийти к консенсусу относительно того вызывают ли низкие процентные ставки рост инфляции, или наоборот, замедляют его. Методы машинного обучения могли бы обойти сомнительные теории и изучать данные напрямую, находя способы выявления уязвимостей, которые в некоторых условиях могут привести к кризису.

В поединке между AlphaGo и чемпионом го Ли Седолем алгоритм Google, применял ходы, которые казались за пределами человеческого понимания. Будущие алгоритмы смогут делать то же самое с финансовыми и экономическими данными, указывая на угрозы, которые ни один человек не смог бы распознать.

Присоединяйтесь к группам "Обозреватель Блоги" на Facebook и VKontakte, следите за обновлениями!

Наши блоги