Компьютер предскажет кризис точнее людей

1.7т

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.

Читайте все новости по теме "Экономический блог" на Обозревателе.

Редакция сайта не несет ответственности за содержание блогов. Мнение редакции может отличаться от авторского.

Присоединяйтесь к группе "Обозреватель Блоги" на Facebook, читайте свежие новости!

Наши блоги

Последние новости