Фундаментальный анализ и анализ настроений являются важнейшими инструментами для трейдеров, позволяющими оптимизировать процесс принятия решений. И все же использование технического анализа, основанного на статистических данных, по-прежнему является стандартом в розничной торговле валютой.
По словам Рича Киля, руководителя глобального направления FX-решений в компании KX, специализирующейся на анализе данных, основой для технического анализа служат данные временных рядов, которые используются для построения технических индикаторов и графических моделей с использованием исторических данных и показателей в реальном времени.
Технологии искусственного интеллекта, такие как машинное обучение, уже оказали значительное влияние на анализ торговых данных, отмечает Уилл Картер, руководитель отдела торговли и аналитики компании MahiMarkets, занимающейся разработкой торговых решений.
«Технический анализ существует уже давно и помогает трейдерам выявлять закономерности, но машинное обучение сильно продвинуло область анализа данных за последнее время», — заявил он.
Розничные трейдеры зачастую занимаются высокочастотной торговлей, это значит, что им необходим доступ к большим массивам постоянно обновляемых данных. Этот фактор играет для них решающую роль.
По словам Киля, сейчас такие данные не только легко доступны, но и представлены во всех вариантах: от API, предоставляющих информацию в режиме реального времени со сверхнизкой задержкой, до различных потоков, способных воспроизводить исторические события.
Публичные сервисы, такие как Yahoo Finance, предлагают урезанную статистику по многим активам. Однако, по словам Картера, машинное обучение очень требовательно к данным, при этом статистика на уровне детализации в 100 миллисекунд и более имеет решающее значение для аналитики.
«Публичные ресурсы данных в настоящее время недостаточно хороши — трейдерам необходимо самим собирать, очищать и хранить информацию», — добавляет он.
Хотя количественная торговля, основанная на данных временных рядов, уже давно активно используется на валютном рынке, многие институциональные инвесторы также применяют деревья решений, включая фундаментальный анализ и анализ настроений, для формирования более целостной торговой стратегии.
«Фундаментальные данные, такие как процентные ставки и цены на сырьевые товары, хорошо подходят для количественного прогнозирования движения валютных курсов, более того, их можно объединять с другими рыночными данными для обучения и создания прогнозов», — объясняет Ярон Гольгер, генеральный директор и соучредитель компании I Know First, разработчика алгоритмических решений для прогнозирования на основе ИИ.
Для эффективного комплексного анализа требуются как вычислительные мощности, так и навыки традиционного анализа больших данных в сочетании с инновационными технологиями, такими как машинное обучение.
«Это не входит в сферу деятельности большинства розничных трейдеров, но брокеры и инвестиционные управляющие все чаще делают торговые алгоритмы доступными для своих клиентов. В этих условиях систематическое исполнение, основанное на принципах квантового анализа, будет становиться все более популярным и доступным в будущем», — добавил Киль.
Картер согласен с тем, что входной барьер для трейдеров, создающих среду для квантово-ментальных исследований, ниже, чем когда-либо.
«Это также связано с вопросом о том, как брокеры управляют новым сообществом розничных трейдеров, стремящихся к оптимизации результата через новые технологии», — отмечает он.
В этих условиях форекс брокер не может в своей работе бесконечно использовать модель исполнения B-Book, то есть ставить против трейдера, опираясь на предположение, что розничный участник рынка будет все время терять деньги.
