最近は自身のAI戦略研究のため、大学教授など様々な方面の人工知能のスペシャリストとリレーションを作って意見などを頂戴している。

 

ファンドとしてもAIベンチャーと組んでいたが、まだ結論を出すには早いが、個人的にはぽしゃりそうだと感じている。

 

ベンチャーにとっては金融時系列を扱うのは初めてだから仕方ないのかもしれないが、データスヌーピングバイアスに対する解決策もとれないし、教師データに対する理解も不十分。
分布に偏りがある中で適合率が高いからどうだのこうだのと詐欺ろうと思っているのか天然で言っているのか理解しがたい説明もしてくる。(天然だとしたらあまりに能力がないと言わざるを得ない)

 

かなりの初期投資をかけてんだから何とか形になってほしいんだが、、やはり金融データというものの扱いにくさを痛感している。

 

ほんと、やはり痛感するのは人間の優秀さだ。
裁量でやると、どうしてもデータドリブンな手法はとれない。
まず自分の中で、「機能するのではないか」というセオリーを考え、そのセオリーを具体化するための手法を作り、そこからデータドリブンに調整を行う。

 

だが、そのデータドリブンな調整も、相場の展開によってはセオリードリブンに行っていき、それが大きくリターンに寄与していく場合が多い。

 

「マーケットが今こういう構造になっていて、だからこういう手法が効きそう」という所を出発点として、そこからデータドリブンに考えていくのと、
「何故効くのかはわからないがこの手法が効いている」からその後セオリードリブンに考えていくのに、本質的に大きな違いはない。

 

だが、特にNN系列のような、可読性のないモデルでデータドリブンな手法をとってしまうと、例えテスト期間におけるモンテカルロシミュレーションでp値が有意であったとしても、それが次の期間に続くという保証はない。(最近はVisualize AIといった研究もなされているが、、)

 

この保証をつけるためにその後の理論づけが必要になるんだが、可読性がないとそれが出来ない。これが大きな投資における機械学習応用の課題だと俺は考えている。

 

そして、人間の凄いところは、ある程度これを行う前段階として、ちゃんとセオリーを設計できるところだ。セオリーあればこそ、微調整にツールとしてAIを使う場合であれば、それに最適なモデルを選択する限りにおいて多少の可読性のなさは大きな問題ではなくなる。

 

人間のようにセオリーそのものを生み出すことはAIにはできない。そして今後もできる気配はない。(これが出来るようになればもう文字通り人間はいらなくなる。別にそれは投資だけでなく、全ての事象において人間がいらなくなるので仕事がなくなるとか考えること自体がナンセンス)

 

ただ、ツールとしてはまだまだ無限の可能性を秘めていることも確か。今後も研究を続けていきたい。

ランキングポチは必ず頼むぞ。読み逃げは厳禁だ。

人気ブログランキングへ
にほんブログ村 為替ブログへ
にほんブログ村

売買ルールを手に入れたいなら、、、
動画講座はこちら
売買ルールの実践練習に、、、
チャートブックはこちら