Kecerdasan Buatan dan Pembelajaran Mesin Dalam Perdagangan

27.05.2020 | 12:52

Kecerdasan Buatan dan Pembelajaran Mesin Dalam Perdagangan

Sepanjang 60 tahun kebelakangan ini, AI dan pembelajaran mesin (ML — machine learning) telah mencapai kemajuan yang luar biasa, dari sekadar fiksyen sains kini ia di dunia nyata. Walaupun teknologi ini masih baru dan ada cita-cita besar yang harus ia penuhi, ia sudah pun mulai merubah hidup kita secara drastik. Perkataan AI sering digunakan secara salah dan berlebihan, sehinggakan membuatkan kita berfikir bahawa segala-galanya dari aplikasi teksi sehingga ke berus gigi menggunakannya. Realitinya, teknologi yang menjadi tunjang ciptaan ini sedang merubah dunia di saat ini.

Ia mempercepat diagnosis di hospital, membuat kereta bergerak tanpa pemandu, menghasilkan muzik, dan menulis untuk novelis (saya sudah tidak senang duduk). Dan saya tidak mahu ulas bagaimana AI membelasah teruk gamers profesional di kejohanan DOTA 2, kasihan sekali.

Kita telah banyak membaca tentang AI dan membayangkan supercomputer dari filem sains fiksyen yang lebih bijak dari mana-mana makhluk di alam semesta ini. Agar berpijak di bumi nyata, mari kita berikan takrifan yang jelas.

Kecerdasan Buatan (AI, Artificial Intelligence) mensasarkan untuk memberikan keupayaan intelek setaraf manusia kepada mesin. Dan ini satu sasaran belum dapat dicapai lagi. Adalah lebih tepat untuk kita bicarakan tentang "pembelajaran mesin" berbanding AI. Pembelajaran Mesin (ML, Machine Learning) adalah satu teknologi yang mengajarkan mesin untuk berfungsi dengan lebih baik bila anda tingkatkan bilangan data yang disuap kepadanya. Yang hebatnya, ia boleh mengautomasikan kerja-kerja remeh yang menjadi beban kepada manusia sehari-hari.

Jangan kelirukan teknologi ini dengan robot-robot FX. Robot FX diprogram oleh manusia untuk melakukan tindakan ini dan itu, manakala dengan ML anda hanya perlu berikan data kepada mesin, lagi dan lagi, dan mesin akan memprosesnya untuk mencari cara bagaimana ia boleh berfungsi dalam cara yang memenuhi keperluan anda.

Sekarang setelah semua definisi disusun dengan teliti, mari kita tanyakan pada diri kita satu-satunya soalan yang mengganggu kita sebagai pedagang. Bagaimana pula tentang perdagangan dan pelaburan kewangan? Bolehkah ML menakluk bidang ini?

Manusia vs Mesin

Adalah agak sukar untuk menerapkan ML di bidang perdagangan kerana ia bukan sahaja melibatkan faktor rasional yang mempengaruhi turun naik harga tetapi banyak pemboleh ubah psikologi, alam sekitar, politik, dan ekonomi yang mendorong turun naik pasaran. Jurutera boleh mengajar mesin untuk meramalkan urutan dan natijah dengan menganalisis data sebagai siri masa (time series). Contohnya, keputusan jual beli setiap saham selama satu dekad. Tetapi apa yang harus mereka lakukan dengan maklumat-maklumat sokongan yang lain?

Indikator sentimental

Pakar-pakar ML menjalankan eksperimen untuk meramalkan keputusan perdagangan saham dengan menggabungkan Q-learning, analisis sentimen, dan graf pengetahuan. Indikator sentimen menganalisa tajuk-tajuk berita atau artikel penuh di media sosial dan agensi berita, dan menghubungkannya dengan data jual-beli yang dikumpul oleh Q-learning.

Mula-mula, mesin belajar untuk mengekstrak perkataan-perkataan yang bermakna dan tidak mengendahkan kepada maklumat hingar. Kemudian, menerusi graf pengetahuan, ia mempelajari bagaimana ia harus memperuntukkan perkataan-perkataan ini kepada saham-saham yang menjadi subjek. Sebagai contoh, satu carian yang ringkas tidak akan menghubungkan Bill Gates dan saham Microsoft, tetapi di carta pengetahuan pula sebaliknya. Justeru, sesuatu perkara yang dinyatakan secara tersirat di dalam artikel tersebut pun boleh dianalisa oleh mesin sebagai data yang bermakna.

Keseluruhan proses mengambil masa dan sumber yang banyak. Namun ia kini sudah mulai menunjukkan hasil. Indikator sentimen pelabur dijual ke bank-bank, pedagang pro, dana lindung nilai, platform perdagangan sosial, dan sebagainya.

Signal Perdagangan

Sentiasa ingat bahawa signal perdagangan bukanlah satu panggilan untuk bertindak tetapi sekadar notis terkini yang memberitahu anda tentang peluang pasaran. Bergantung pada selera risiko anda, ufuk pelaburan, dan strategi perdagangan yang anda ikuti, andalah yang bertanggungjawab menentukan isyarat mana yang harus diikuti.

Secara tradisinya signal dibuat oleh penganalisis. Tetapi dalam soal analisis data, ML mempunyai kelebihan yang besar. Ia mampu memproses sejumlah besar metrik dari pelbagai sumber dalam jangka masa yang agak singkat. Pada masa ini, jika ia digunakan dengan betul dan bertanggungjawab, ML mampu menganalisis sejumlah besar data masa lalu dan menghasilkan isyarat perdagangan untuk perspektif jangka panjang.

Walau bagaimanapun, banyak syarikat menggunakan kapasiti ML secara dangkal dan mengimbas data 24/7, menghasilkan lebih banyak isyarat segera sepanjang hari. Pakar berpendapat bahawa anda tidak boleh bergantung pada notifikasi seperti itu dan menyarankan anda untuk menghindarinya bila membuat keputusan pasaran.

Justeru, jika ia diikut secara bijak, signal perdagangan yang dijana oleh ML boleh mengoptimumkan nisbah risiko/ganjaran anda.

Pencegahan Fraud

Sampai di satu ketika, perdagangan akan menjadi suatu yang rutin. Anda melakukan tindakan yang lebih kurang sama setiap hari, dan fikiran anda mula melihatnya seperti anak biri-biri yang melompat-lompat, ke hadapan dan ke belakang. Ia boleh membuatkan otak anda tertidur atau kurang fokus. Mata anda mungkin berkaca-kaca, dan anda tidak akan perasan bila transaksi berjalan tidak selancar yang sepatutnya.

Dengan ML, anda tidak akan menghadapi masalah seperti itu! Mesin diajar untuk menganalisis berjuta-juta pola, dan apabila terdapat sedikit kesenjangan, anda akan diberitahu. Dalam kebanyakan kes, corak yang aneh bererti ia berbahaya. Keupayaan untuk menentukan tingkah laku yang tidak normal dapat menyelamatkan pedagang dari kerugian wang bila melabur dalam amaun yang besar.

Tambahan lagi, ML dapat membantu anda bekerja dengan data yang diperinci khusus. Apabila ada pedagang baru membuka akaun dengan broker, ada kemungkinan ia adalah penjenayah dengan ID palsu dan niat buruk. Dengan penerapan AI dan ML, pengesahan keaslian identiti berjalan dengan lebih cepat, membolehkan broker antarabangsa seperti FBS menerima lebih banyak pendatang baru dan mencegah kecurian identiti.

Perdagangan Berfrekuensi Tinggi

Perdagangan Berfrekuensi Tinggi adalah perdagangan yang beralgoritma komplek. Komputer melaksanakan sejumlah besar pesanan dalam beberapa saat dan membantu membuat keuntungan dari perbezaan kecil pada harga. Algoritma-algoritma ini tidak mampu dilaksanakan dengan kemampuan kemahiran manusia. Ini adalah bidang di mana ML bersinar terang dengan keupayaannya membuat pengiraan yang pantas dan tepat.

Superkomputer itu mengesan fitur yang menandakan akan ada kenaikan atau penurunan pada pergerakan harga di masa hadapan dan membuat bidaan berdasarkan ramalan ini.

Malangnya, HFT wujud di alam di mana pedagang harian (= insan biasa dan marhaen) tidak dapat akses. Kekurangan kaedah ini termasuk seperti yang ternyata di bawah:

Anda perlukan komputer berkelajuan tinggi dan akses kepada algoritma yang rumit.
Perkakas yang diperlukan terlalu mahal. Hanya syarikat besar dan kaya raya mampu memilikinya.
Komputer perdagangan anda perlu diletakkan sedekat yang mungkin dengan pelayan kerana mesin anda harus setepat jam buatan Switzerland.

Siapa Yang Akan Menang?

AI and ML sudah pun memasuki kehidupan kita — inilah fakta dan realiti dunia kini. Di tahun 2020, tidak ada lagi "AI ala kadar". Teknologi ini sudah beranjak dari eksperimental ke kehidupan sebenar dan dengan pantas berjaya mendominasi banyak bidang.

Namun, kerana sifatnya yang rumit, perdagangan masih sedikit ketinggalan dalam hal pembelajaran mesin dan kecerdasan buatan. Komputer banyak membantu memproses sejumlah besar data masa lalu dan belajar untuk meniru intuisi pedagang. Bahagian meniru intuisi pedagang ini adalah tugas yang sukar, jadi ia memerlukan banyak masa dan sumber. Tetapi sekarang para pakar dapat menawarkan wawasan pasaran tambahan dengan memproses catatan media sosial, penyata kewangan, berita. Mereka mengajar mesin untuk membezakan maklumat yang relevan dan tidak relevan dan menghasilkan signal perdagangan untuk strategi jangka panjang.

ML digunakan untuk pencegahan fraud dan identiti palsu. Selain itu, teknologi ini tiada tandingannya untuk perdagangan berfrekuensi tinggi.

Buat masa ini kia berkerjasama dengan mesin dan tidak ada persaingan di antara mesin dan manusia. Apa pula selepas ini — hanya masa yang akan menentukan.