Les systèmes d'apprentissage autonomes, l'intelligence artificielle, sont censés révolutionner de nombreux domaines de votre vie et, dans certains cas, c'est ce qu'ils font. Cependant, les attentes élevées ne sont pas toujours satisfaites. Les technologies atteignent également leurs limites en matière d'investissement. De la reconnaissance automatique des visages aux voitures automotrices, les technologies du domaine de l'intelligence artificielle sont très puissantes et promettent une valeur ajoutée importante en termes d'automatisation, de rapidité et d'efficacité des processus. Dans de nombreux domaines, cependant, les concepts mathématiques sous-jacents ne sont pas interprétés correctement et cette technologie est donc souvent mal utilisée. Les attentes parfois injustifiées à l'égard de ces technologies doivent être relativisées.
Qu'est-ce que l'intelligence artificielle ?
L'intelligence artificielle ou IA est la capacité d'un programme ou d'une machine à penser et à apprendre comme un être humain. Les machines sont formées pour voir, entendre, naviguer et interagir avec les humains ou d'autres machines en temps réel. Les domaines typiques d'utilisation de l'IA comprennent les assistants virtuels, les véhicules autopropulsés, la reconnaissance vocale, la reconnaissance d'images et bien d'autres encore.
Quelles sont les applications typiques de l'IA sur les marchés financiers ?
Les principaux domaines d'application de l'intelligence artificielle dans le secteur financier sont les suivants : En principe, l'utilisation de l'IA et des technologies associées sur les marchés financiers est parfaitement logique tant que les processus et les données impliqués sont essentiellement déterministes. Cela signifie que les événements futurs sont déterminés par des conditions préalables ou des règles et que ces événements peuvent également être prédits en principe. Cependant, dans le domaine de l'investissement, on voit sans cesse des initiatives qui tentent de créer une valeur ajoutée dans les modèles d'investissement sur les marchés des capitaux avec les concepts mentionnés ci-dessus, par exemple des prévisions fiables, des rendements plus élevés et des pertes plus faibles. Malheureusement, ces initiatives sont vouées à l'échec dès le départ, sauf dans le domaine du commerce à haute fréquence, c'est-à-dire dans les domaines où les activités commerciales se déroulent en quelques fractions de seconde.
Pourquoi l'IA ne peut-elle pas fonctionner avec la plupart des modèles d'investissement ?
Pour ce faire, il faut d'abord se poser des questions sur le comportement des marchés financiers en tant que système. Pour tous ces systèmes, il existe essentiellement un "temps de Lyapounov" qui définit la fenêtre temporelle pour laquelle il est possible de faire des prédictions sur ces systèmes. Les échelles typiques des fenêtres temporelles de prévision sont de plusieurs millions d'années pour les systèmes déterministes (par exemple les orbites planétaires), de quelques jours pour les systèmes chaotiques (par exemple les prévisions météorologiques) et de quelques secondes au maximum pour les systèmes stochastiques (par exemple les marchés financiers). La raison pour laquelle certains systèmes, indépendamment de l'amélioration des algorithmes et du matériel à l'avenir, ont une prévisibilité limitée est que le comportement de ces systèmes est dû à un très grand nombre de facteurs d'influence différents. Si vous quantifiez ces facteurs sous forme de nombres et que vous ne modifiez que très légèrement l'un d'entre eux , le système passera à un état complètement différent dans une simulation (également appelé "effet papillon"). On peut en déduire que l'application des méthodes typiques de reconnaissance de formes, aussi complexes ou simples soient-elles, dans des scénarios d'application typiques est problématique pour des applications typiques dans des modèles d'investissement en raison des fenêtres de temps de prédiction très courtes et même possibles.
Pourquoi les IA ne sont-elles que partiellement fiables ?
Les perturbations aléatoires des ensembles de données formés sont particulièrement problématiques pour les IA. Il a été démontré que le taux de reconnaissance d'un réseau neuronal formé pour la reconnaissance d'images se détériore de façon spectaculaire lorsque des perturbations aléatoires (bruit) sont ajoutées. Alors que l'œil humain peut encore reconnaître de manière fiable l'objet dans l'image et le distinguer clairement du bruit, le taux de reconnaissance du réseau neuronal s'effondre de manière spectaculaire. Une utilisation fiable des réseaux de neurones pour les processus décisionnels critiques est donc plutôt difficile. Une combinaison avec des mécanismes de test en aval augmente considérablement la complexité et, en fin de compte, l'utilité de cette approche pour un investissement transparent et efficace.
Pourquoi de nombreux investisseurs pensent-ils que l'IA fonctionne pour les modèles d'investissement ?
Les technologies d'IA, telles que l'apprentissage machine, trouvent des modèles dans presque toutes les séries temporelles, même dans des séries temporelles purement aléatoires. Malheureusement, ces tendances ne sont pas persistantes et ne créent donc qu'une "prétendue" valeur ajoutée dans la simulation historique. Malheureusement, cette valeur ajoutée ne se concrétise pas dans la réalité car ces modèles, tout comme les données sous-jacentes, sont aléatoires et n'ont donc aucun pouvoir prédictif utilisable. C'est probablement un phénomène très humain que de vouloir trouver des modèles et des liens de causalité en toutes choses. Malheureusement, dans la plupart des cas, les marchés financiers se comportent d'une manière qui n'est ni prévisible, ni causale, ni rationnelle.
Les marchés financiers sont-ils même prévisibles ?
La réponse n'est pas simple. En tout cas, il n'existe pas de procédure reconnue qui permette de faire des prévisions significatives ou pratiquement utiles sur les marchés financiers. Cela ne signifie pas qu'il n'est pas possible de prévoir correctement certains mouvements du marché de temps en temps. Cependant, ces "coups" aléatoires des oracles ne sont que ça, aléatoires.
Est-on fondamentalement à la merci des mouvements aléatoires des marchés financiers ?
La réponse est plutôt oui. Cependant, il existe des méthodes mathématiques modernes qui peuvent déterminer l'état actuel des marchés financiers (dynamique actuelle, tendance et variance) de manière plus précise que les méthodes utilisées auparavant. Cela permet de développer des systèmes de gestion des risques qui, s'ils sont mis en œuvre rapidement, réagissent suffisamment vite pour détecter à temps et de manière fiable les mouvements négatifs importants du marché et pour contenir les pertes en capital.