Aarhus Universitet: Kunstig intelligens kan forudsige de finansielle markeder
Finansverdenen er fyldt med kompleks data, og de teknikker man hidtil har brugt til at forstå dem, rækker ikke længere. Nu har et forskningshold fra Aarhus Universitet forsøgt sig med kunstig intelligens, og de regner med et gennembrud.
En forventning om en revolution af vores forståelse for finansielle data.
Sådan udtaler forskerne bag et nyt projekt, der er sat i stand for at kunne modellere, analysere og forstå handelsadfærd i finansverdenen. En verden som til dato har affødt adskillige undersøgelser, analyser og projekter, i håbet om at komme med den præcise opskrift på, hvorfor investorer køber og sælger, på hvilken baggrund de gør det, og hvornår de gør det.
Holdet af forskere bag dette projekt har hjemme på Aarhus Universitet og er ledet af Postdoc Martin Magris. De vil konkret benytte såkaldte bayesianske neurale netværk, en subgenre af algoritmer opkaldt efter den britiske statistiker Thomas Bayes.
Netop denne metode er aldrig benyttet før, og er ifølge forskerne et kvantespring i anvendelsen af digitale værktøjer til moderne analyse af indviklet og ustruktureret finansdata. De teknikker, man hidtil har benyttet, er ikke favnene nok i forhold til kompleksiteten i finansverdenen, lyder det fra Martin Magris.
»Finansielle markeder er i dag baseret fuldstændig på computere og algoritmer. Der er mere brug for maskinlæringsteknikker til at gennemskue data end nogensinde før. Projektet her vil give målbare forbedringer i forhold til state-of-the-art teknologier anvendt til behandling af højfrekvent finansiel data inden for volatilitetsmodellering, forudsigelse af aktiers prisbevægelser og analyse af indbyrdes afhængighed mellem aktiepriser,« siger Martin Magris.
Hemmeligheden bag algoritmen er ganske simpel. Bayesianske neurale netværk er en slags maskinlæringsmodel udstyret med hvad, der kan beskrives som en slags sund fornuft. Den kunstige intelligens er fodret med statistisk viden og erfaring kombineret med traditionel træningsdata.
Den bliver dermed i stand til at levere information til sandsynlighedsfordelinger på baggrund af kompleks data, og kan på den baggrund forbedre indsigten i de finansielle markeder markant, lyder det.
Projektet er støttet af EU’s rammeprogram for forskning og innovation med i alt 2,8 mio. kr.
