Ai Trading Strategies

Einige Hedge-Fonds rühmen, dass AI-Algorithmen ihre Handelsentscheidungen treffen, aber diese Systeme könnten konventioneller sein, als sie scheinen. Jeden Tag Computer machen viele Millionen von elektronischen Trades durch die Durchführung von empfindlichen Berechnungen auf eking eine winzige Kante in Bezug auf Geschwindigkeit oder Effizienz. In zunehmendem Maße werden jedoch durch intelligentere, autonomere Algorithmen größere Entscheidungen getroffen. Beide etablierten Handelsfirmen und eine Handvoll von Start-ups erforschen, ob solche Handelstechniken, die aus dem Bereich der künstlichen Intelligenz entlehnt wurden, ihnen helfen könnten, andere Händler auszuschalten. Und jeder mit Geld investiert könnte auch neugierig zu wissen, wenn der Trend könnte die Dynamik der Märkte verändern. Quantitative Hedgefonds, darunter Bridgewater Associates, Renaissance Technologies. D. E. Shaw Und zwei Sigma. Haben sich natürlich schon seit Jahren mit fortschrittlichen algorithmischen Ansätzen beschäftigt. Viele der Methoden, die von diesen Unternehmen eingesetzt werden, sind in Bereichen der künstlichen Intelligenz Forschung gefunden. Aber auch in den vergangenen Jahren hat sich das Interesse an künstlicher Intelligenz durch neue maschinelle Lerntechniken, insbesondere durch tiefes Lernen (mit dem Training eines großen virtuellen neuronalen Netzwerks zur Erkennung von Mustern in Daten), deutlich verbessert, die Computer auf menschliche Ebene gebracht haben Wahrnehmung von Bildern, Text und Audio (siehe 10 Breakthrough Technologies 2013: Deep Learning). Nun ist die Frage, ob AI kann das gleiche für Finanzdaten zu tun. Es ist klar, dass diese jüngsten Fortschritte die Aufmerksamkeit der Ingenieure in der Finanzwirtschaft hat gefangen. An einer wichtigen wissenschaftlichen Veranstaltung für AI-Forscher, die Neural Information Processing Systems (NIPS). Die im vergangenen Dezember in Montreal stattfanden, versammelten sich mehrere tausend Wissenschaftler und Industrieforscher, um Fortschritte bei der Entwicklung neuer maschineller Lernalgorithmen zu diskutieren. In einem Bereich, der für Plakatpräsentationen von Absolventen reserviert war, hatten große Tech-Unternehmen, darunter Google, Facebook, Apple, Microsoft, Amazon und IBM, Rekrutierungstafeln eingerichtet, in der Hoffnung, die heißesten neuen Talente für ihre Arbeit zu gewinnen. Aber fast die Hälfte der Unternehmen, die bei NIPS anwerben, waren keine Tech-Unternehmen, sondern Hedgefonds und Finanzunternehmen. Eines der Unternehmen war das große britische Investmentunternehmen MAN AHL. Die sich seit Jahren auf die Nutzung statistischer Ansätze zur Erarbeitung von Anlagestrategien konzentriert. Anthony Ledford Chef-Wissenschaftler von MAN AHL, erklärt, dass das Unternehmen untersucht, ob Techniken wie tiefes Lernen zu finanzieren verleihen könnte. Sein in einem frühen Stadium, sagt Ledford. Wir haben beiseite legen einen Topf Geld für Test-Trading. Mit tiefem Lernen, wenn alles gut geht, wird es in Test-Trading gehen, wie andere Maschinen-Lern-Ansätze haben. Trading könnte wie ein offensichtlicher Ort, um tiefe Lernen anzuwenden scheinen, aber eigentlich ist es nicht klar, wie vergleichbar die Herausforderung der Suche nach subtilen Mustern in Echtzeit-Trading-Daten ist, sagen wir, Gesichter in digitalen Fotografien. Es ist ein ganz anderes Problem, gibt Ledford zu. Akademische Experten klingen auch eine Vorsicht. Stephen Roberts Ein Professor für maschinelles Lernen an der Universität Oxford, sagt, dass tiefes Lernen für die Extraktion von verborgenen Trends, Informationen und Beziehungen gut sein könnte, fügt aber hinzu, dass es noch zu spröde in Bezug auf die Handhabung von hoher Unsicherheit und Lärm, die in der Finanzwelt weit verbreitet sind. Roberts stellt ferner fest, dass tiefes Lernen ein relativ langsamer Prozess sein kann und nicht die Art des garantierten Verhaltens bieten kann, das andere statistische Ansätze bieten. Im Allgemeinen, sagt er, gibt es eine gewisse Hype um die Idee der KI im Finanzbereich. AI ist ein sehr breites Thema, sagt er. Und viele standardmäßige statistische Techniken werden als AI und maschinelles Lernen rebrandiert. Das heißt, neue Finanzunternehmen, die sich als AI-fokussiert werben können auf etwas. Dazu gehören Sentient. Mit Sitz in San Francisco, Rebellion Research in New York und einer in Hongkong ansässigen Investmentgesellschaft namens Aidyia. Einer der vielversprechendsten Anwendungen von relativ neuen AI-Techniken kann die Verarbeitung unstrukturierter natürlicher Sprachdaten in Form von Nachrichtenartikeln, Unternehmensberichten und Social Media Posts sein, um Einblicke in die zukünftige Performance von Unternehmen, Währungen, Rohstoffen, Oder Finanzinstrumente. Aidyia wurde von einem renommierten künstlichen Intelligenzforscher Ben Goertzel gegründet, der auch der Begründer von Hanson Robotics und der Vorsitzende eines Open-Source-AI-Projekts namens OpenCog ist. Aidyia begann im vergangenen Jahr mit dem Handel, und Goertzel sagt, sein Unternehmen Ansatz ist weit ehrgeiziger als die Techniken, die von den meisten Hedge-Fonds heute von Inspiration aus der evolutionären Programmierung, probabilistische Logik und chaotische Dynamik. Unser System übernimmt eine Vielzahl von Inputs, einschließlich Preis und Volumen von Börsen auf der ganzen Welt, Nachrichten aus verschiedenen Quellen in mehreren Sprachen, makroökonomische und Unternehmen Buchhaltungsdaten und mehr, Goertzel sagte MIT Technology Review. Es untersucht dann, wie diese verschiedenen Faktoren historisch zusammenhängen, und lernt ein Ensemble von Zehntausenden von prädiktiven Modellen, die auf der Grundlage ihrer Erforschung historischer Daten prädiktiven Wert zu haben scheinen, die die Unternehmensinvestitionen unterstützen. Es gibt sicherlich einen Trend zu einer zunehmenden Automatisierung bei den Finanzunternehmen. Preqin. Ein Unternehmen, das Finanzdaten liefert, berichtet, dass 40 Prozent der Hedge-Fonds im vergangenen Jahr waren systematisch, was bedeutet, sie verlassen sich auf Computer-Modelle für ihre Entscheidungen. Nicht jeder ist davon überzeugt, dass eine AI-Revolution im Finanzsektor unmittelbar bevorsteht. David Harding, der Milliardär-Gründer und CEO eines weiteren britischen Handelsunternehmens, Winton Capital Management, ist im Allgemeinen skeptisch gegenüber Hype über Maschinenlernen und AI. Wenn ich ein wenig blickte und Winton ansah, Id sagen, das ist mehr oder weniger das, was wir in den letzten 30 Jahren gemacht haben, sagt er. Harding erinnert sich auch, dass ein ähnlicher Boom im Interesse an neuronalen Netzen zu vielen Start-ups in den frühen 1990er Jahren geführt. Die Leute begannen zu sagen, Theres eine erstaunliche neue EDV-Technik, die wegblasen wird alles, was vor gegangen ist. Es gab auch eine Mode für genetische Algorithmen, erinnert er sich. Nun, ich kann Ihnen sagen, keine dieser Unternehmen gibt es heute keine Wurst von ihnen. Ledford, von Man AHL, hat auch ein paar Worte der Vorsicht für alle, die die neuesten Maschinen-Lerntechniken könnte eine Verknüpfung zum Reichtum bieten denken. Es ist wichtig, sich daran zu erinnern, wie demütigend der Markt sein kann, sagt er. Id sagen dont Pat selbst auf der Rückseite zu viel, aber auch nicht zu entmutigt. Erfahren Sie mehr über AI bei EmTech Digital 2017. Jetzt registrieren Von unseren Inserenten Präsentiert von IEEE Collabratec Ich bin der Senior-Editor für AI bei MIT Technology Review. Ich decken hauptsächlich Maschinenintelligenz, Roboter und Automatisierung ab, aber Im interessierte in den meisten Aspekten des computing. Ich wuchs im Süden von London auf, und ich schrieb meine erste Zeile des Codes (eine buchstabierende hellip Mehr Endlosschleife) auf einem mächtigen Sinclair ZX Spektrum. Bevor ich mich dieser Publikation anschloss, arbeitete ich als Online-Redakteur im New Scientist Magazine. Wenn Sie in Kontakt treten möchten, senden Sie bitte eine E-Mail an will. knighttechnologyreview. Abonnieren Sie Continue Reading Uh ohyouve Lesen Sie alle fünf Ihrer kostenlosen Artikel für diesen Monat. Werden Sie ein Insider für unbegrenzten Zugang zu Online-Geschichten für weniger als 15 pro Monat. Insider Premium 179,95 / US-PREIS Siehe internationale, Alumni und andere Preisoptionen Intelligente Maschinen beginnen, mit uns zu sprechen und handeln auf eigene Faust. Alphabet setzt ein neues Unternehmen auf Autonome Auto-Technologie zu vermarkten Waymo will auf autonome Fahrgemeinschaften, Lkw und private Fahrzeuge zu arbeiten, aber wenn wir erwarten können, ist sie unklar. Von Tom Simonite Google setzt die Bremsen auf seine Autonome Bubble Car Statt der Gestaltung Autos ohne Kontrollen, wird das Unternehmen Berichten zufolge konzentrieren sich auf die Arbeit mit Autoherstellern, um mehr konventionelle Fahrzeuge zu bauen. Von Jamie Condliffe New Hedge Fund vertraut auf eine anonyme Armee von Coders, um einen Profit zu machen Ein San Francisco Startup verwendet verschlüsselte Datenströme, maschinelles Lernen und Bitcoin-Zahlungen an Crowdsource Einblicke, um seine Trades zu informieren. Von Jamie Condliffe Want more award-winning journalism Abonnieren Sie Insider Plus. Insider Plus Alles, was in Insider Basic enthalten ist, plus ad-free Web-Erfahrung, wählen Sie Rabatte für Partner-Angebote und MIT Technology Review Veranstaltungen Zugang zu beiden Print-und Online-Versionen von MIT Technology Review Der Download. Unser täglicher Newsletter von was ist wichtig in Technologie und Innovation. Zugriff auf das Magazinarchiv. Über 24.000 Artikel gehen zurück zu 1899 an Ihren Fingerspitzen. Spezielle Rabatte, um Partnerangebote auszuwählen Diskont zu MIT Technologie Rückblickereignisse Ad-freies Netz erlebenThe Aufstieg des künstlich intelligenten Hedge-Fonds Der Aufstieg des künstlich intelligenten Hedgefonds Letzte Woche beendeten Ben Goertzel und seine Firma, Aidyia, einen Hedgefonds, der bildet Alle Aktienhandel mit künstlichen Intelligenz8212no menschlichen Intervention erforderlich. 8220Wenn wir alle sterben, sagt 8221 Goertzel, ein langjähriger KI-Guru und der Chef-Wissenschaftler des Unternehmens8217, würde er weiter handeln.8221 Er meint das wörtlich. Goertzel und andere Menschen bauten das System, natürlich, und sie8217ll weiterhin ändern, wie gebraucht. Aber ihre Schaffung identifiziert und führt Trades ganz auf seine eigene, die sich auf mehrere Formen von AI, darunter eine von der genetischen Evolution und eine andere auf der Grundlage der probabilistischen Logik inspiriert. Jeden Tag, nach der Analyse alles von Marktpreisen und Volumina zu makroökonomischen Daten und Corporate Buchhaltungsunterlagen, machen diese AI-Motoren ihre eigenen Marktvorhersagen und dann 8220vote8221 auf die beste Vorgehensweise. Wenn wir alle sterben, würde es weiter handeln. Ben Goertzel, Aidyia Obwohl Aidyia in Hongkong ansässig ist, handelt es sich bei diesem automatisierten System um US-Aktien, und am ersten Tag, so Goertzel, erwirtschaftete er eine 2-prozentige Rendite auf einem nicht bekannten Pool. That8217s nicht gerade beeindruckend, oder statistisch relevant. Aber es stellt eine bemerkenswerte Verschiebung in der Welt der Finanzen. Unterstützt von 143 Millionen in der Finanzierung, San Francisco Startup Sentient Technologies hat leise Handel mit einem ähnlichen System seit dem letzten Jahr. Daten-zentrische Hedge-Fonds wie Two Sigma und Renaissance Technologies haben gesagt, sie verlassen sich auf KI. Und nach Berichten, zwei andere8212Bridgewater Associates und Point72 Asset Management, laufen von großen Wall-Street-Namen Ray Dalio und Steven A. Cohen8212A bewegen sich in die gleiche Richtung. Automatische Verbesserung Hedgefonds haben sich schon lange auf Computer verlassen, um Trades zu machen. Laut Marktforschungsunternehmen Preqin. Machen rund 1.360 Hedge-Fonds eine Mehrheit ihrer Trades mit Hilfe von Computermodellen8212durchgehend 9 Prozent aller Fonds8212 und sie verwalten insgesamt etwa 197 Milliarden. Aber dies umfasst in der Regel Daten-Wissenschaftler8212oder 8221quants, 8221 in Wall Street lingo8212using Maschinen, um große statistische Modelle zu bauen. Diese Modelle sind komplex, aber sie sind auch etwas statisch. Da sich der Markt ändert, können sie nicht so gut funktionieren, wie sie in der Vergangenheit gearbeitet haben. Und nach Preqin8217s Forschung, die typischen systematischen Fonds doesn8217t immer durchführen, sowie Fonds von menschlichen Managern betrieben (siehe Grafik unten) In den letzten Jahren jedoch haben die Mittel in Richtung echte Maschine lernen, wo künstlich intelligente Systeme können große Mengen an Daten zu analysieren bewegt Mit Geschwindigkeit und verbessern sich durch eine solche Analyse. Das New Yorker Unternehmen Rebellion Research, gegründet von dem Enkel der Baseballhalle von Famer Hank Greenberg, unter anderem, beruht auf einer Form des maschinellen Lernens namens bayesischen Netzwerken. Mit einer Handvoll Maschinen, um Markttrends vorherzusagen und bestimmte Trades zu lokalisieren. Inzwischen lehnen Outfits wie Aidyia und Sentient auf AI, die über Hunderte oder sogar Tausende von Maschinen läuft. Dazu gehören Techniken wie evolutionäre Berechnung, die durch Genetik und tiefes Lernen inspiriert ist. Eine Technologie, die jetzt verwendet wird, um Bilder zu erkennen, gesprochene Worte zu identifizieren und andere Aufgaben in Internet-Firmen wie Google und Microsoft durchzuführen. Die Hoffnung ist, dass solche Systeme automatisch Veränderungen im Markt erkennen und sich so anpassen können, wie es bei quantitativen Modellen der Fall ist. 8220They8217re versuchen, Dinge zu sehen, bevor sie entwickeln, 8221 sagt Ben Carlson, der Autor von A Reichtum des gesunden Menschenverstandes: Warum Simplicity Trumps Komplexität in jedem Anlageplan. Der ein Jahrzehnt mit einem Stiftungsfonds verbrachte, der in eine breite Palette von Geldmanagern investierte. Diese Art von AI-getriebenen Fonds-Management sollte nicht mit Hochfrequenz-Handel verwechselt werden. Es ist nicht auf der Suche nach Front-Run-Trades oder auf andere Weise Geld von der Geschwindigkeit der Aktion. It8217s auf der Suche nach den besten Trades in der längeren time8212hours, Tage, Wochen, sogar Monate in die Zukunft. Und mehr auf den Punkt, Maschinen8212nicht humans8212are Wahl der Strategie. Evolving Intelligence Obwohl das Unternehmen seinen Fonds nicht offen vermarktet hat, sagt Sentient CEO Antoine Blondeau, dass es seit dem letzten Jahr offizielle Handelsgeschäfte mit Geld von Privatanlegern (nach einem längeren Zeitraum von Test-Trades) gemacht hat. Laut einem Bericht von Bloomberg. Hat das Unternehmen mit dem Hedge-Fonds-Geschäft in JP Morgan Chase in der Entwicklung von AI-Handelstechnologie gearbeitet, aber Blondeau lehnt ab, seine Partnerschaften zu diskutieren. Er sagt jedoch, dass sein Fonds ganz durch künstliche Intelligenz arbeitet. Die ganze Idee ist, etwas zu tun, kein anderer Mensch und keine andere Maschine zu tun. Das System erlaubt dem Unternehmen, bestimmte Risikofaktoren anzupassen, sagt der Chef-Wissenschaftsoffizier Babak Hodjat, der Teil des Teams war, das Siri baute, bevor der digitale Assistent von Apple erworben wurde. Aber sonst arbeitet sie ohne menschliche Hilfe. 8220It automatisch Autoren einer Strategie, und es gibt uns Befehle, 8221 Hodjat sagt. 8220Bei diesem viel jetzt, mit diesem Instrument, mit dieser bestimmten Reihenfolge type.8217 Es sagt uns auch, wann zu beenden, reduzieren Exposition, und diese Art von stuff.8221 Laut Hodjat, greift das System unbenutzte Computerleistung von 8220millions8221 von Computer-Prozessoren in Rechenzentren, Internet-Cafés und Computer-Gaming-Zentren von verschiedenen Unternehmen in Asien und anderswo betrieben. Seine Software-Engine basiert auf der evolutionären Berechnung8212die gleiche genetik-inspirierte Technik, die in das System Aidyia8217 spielt. Im einfachsten Sinne bedeutet dies, dass es eine große und zufällige Sammlung von digitalen Aktienhändler erstellt und testet ihre Leistung auf historischen Bestandsdaten. Nach der Auswahl der besten Performer, dann verwendet sie ihre 8220genes8221, um eine neue Reihe von überlegenen Händlern zu schaffen. Und der Vorgang wiederholt sich. Irgendwann wird das System in einem digitalen Händler, der erfolgreich auf eigene Faust zu betreiben. 8220User Tausende von Generationen, Billionen und Billionen von 8216beings8217 konkurrieren und gedeihen oder sterben, 8221 Blondeau sagt, 8220 und schließlich erhalten Sie eine Population von intelligenten Händlern können Sie tatsächlich deploy.8221 Deep Investing Obwohl evolutionäre Berechnung das System heute treibt, sieht Hodjat auch Versprechen In tiefen Lernalgorithmen8212algorithmen, die sich bereits bewährt haben, um Bilder zu identifizieren, gesprochene Worte zu erkennen und sogar das natürliche Verständnis der Menschen zu verstehen. Genau wie tiefes Lernen kann bestimmte Merkmale, die auftauchen in einem Foto von einer Katze zu ermitteln, erklärt er, könnte es bestimmte Merkmale einer Aktie, die Sie etwas Geld machen können zu identifizieren. Google Open Open TensorFlow, seine künstliche Intelligenz-Engine Facebook Open Quellen seiner AI-Hardware, wie es Rennen Google Google Ein Chatbot, dass die Debatte über das Leben des Lebens Goertzel8212who überwacht auch die OpenCog Foundation. Eine Bemühung, ein Open-Source-Framework für allgemeine künstliche Intelligenz8212disagrees aufzubauen. Dies ist zum Teil, weil tiefe Lernalgorithmen eine Ware geworden sind. 8220Wenn jeder etwas benutzt, werden die Vorhersagen auf den Markt kommen, sagt er. 8220 Sie müssen etwas seltsames tun.8221 Er weist auch darauf hin, dass, obwohl tiefes Lernen geeignet ist, Daten zu analysieren, die durch einen ganz bestimmten Satz von Mustern, wie Fotos und Worten, definiert werden, diese Arten von Mustern an den Finanzmärkten unbedingt auftauchen müssen . Und wenn sie es tun, dann machen sie sich daran, weil jeder sie finden kann. Für Hodjat besteht die Aufgabe darin, das tiefe Lernen am heutigen Tage zu verbessern. Und dies kann die Kombination der Technologie mit der evolutionären Berechnung. Wie er es erklärt, könnten Sie evolutionäre Berechnungen verwenden, um bessere Tiefen-Lernalgorithmen zu erstellen. Dies nennt man Neurowirkung. 8220 Sie können die Gewichte entwickeln, die auf den tiefen Lernenden wirken, 8221 Hodjat sagt. 8220But können Sie auch die Architektur des tiefen Lernenden selbst entwickeln.8221 Microsoft und andere Outfits bauen bereits tiefe Lernsysteme durch eine Art natürliche Selektion auf. Obwohl sie evtl. nicht evolutionäre Berechnungen an sich haben. Preise in AI Welche Methoden verwendet werden, einige Frage, ob AI wirklich auf der Wall Street erfolgreich sein kann. Selbst wenn ein Fonds mit AI Erfolg hat, besteht das Risiko, dass andere das System duplizieren und damit seinen Erfolg untergraben. Wenn sich ein großer Teil des Marktes in der gleichen Weise verhält, verändert er den Markt. 8220I8217m ein bisschen skeptisch, dass AI wirklich das herausfinden kann, sagt 8221 Carlson. 8220Wenn jemand einen Trick findet, der klappt, werden nicht nur andere Fonds auf ihn verriegeln, aber andere Investoren werden Geld in Geld geben. Es ist wirklich schwer, sich eine Situation vorzustellen, in der es nicht gerade Arbitrage wird.8221 Goertzel sieht dieses Risiko. Das ist, warum Aidyia nicht nur evolutionäre Berechnung, sondern eine breite Palette von Technologien verwendet. Und wenn andere imitieren die company8217s Methoden, wird es umarmen andere Arten von Maschinen lernen. Die ganze Idee ist, etwas zu tun, das kein anderer Mensch und keine andere Maschine macht. 8220Finance ist eine Domain, in der Sie nicht nur von smart profitieren, 8221 Goertzel sagt, 8220but von smart in einer anderen Weise von anderen.8221 Mehr Business6 Startups mit AI für algorithmische Trading-Strategien Wurden Investoren, so, wenn wir über die spannendste Anwendung denken Für künstliche Intelligenz (AI) können wir helfen, aber denken Sie an die Verwendung von AI, um uns zu sagen, wie man Geld an der Börse zu machen. Die Idee des automatisierten Handels gibt es schon lange. Auch bekannt als algorithmische Handel, die Verwendung von Automatisierung für den Handel nimmt die menschliche Bias aus der Gleichung, die, was oft führt zu Verlusten. Menschliche Emotionen wie Angst und Habgier sorgen dafür, dass die Mehrheit von uns nie eine erfolgreiche Karriere im Handel haben wird, weil wir unsere Sinne nicht im Umgang mit einem so irrationalen Aktienmarkt behalten können. Wenn wir nur die Macht des maschinellen Lernens nehmen könnten und es an der Börse verlieren würden, dann wären wir sicher, Alpha zu generieren. Wollten wir in diesem Geschäftsmodell gehen, brauchen wir auch Mittel aus zwei Gründen. Die erste Verwendung von Mitteln wird in Richtung Kauf der Computer und menschliche Talente wir brauchen, um zu bauen und zu entwickeln, unsere algorithmischen Handelssystem und die zweite Verwendung wird das eigentliche Geld, das wir verwenden, um zu investieren, um Gewinne zu generieren. Das erste, was Sie hier wissen müssen ist, dass einige der prominentesten Hedge-Fonds in der Welt sind bereits mit maschinellen Lernen für algorithmischen Handel und haben dies für eine ganze Weile jetzt tun. Der Medallion Fund in der Renaissance, vor allem für Mitarbeiter des Unternehmens, hat eine der besten Datensätze in der Investition Geschichte zurückgegeben 35 jährlich für mehr als 20 Jahren. Warum sind wir nicht überrascht, dass die Verwendung von künstlicher Intelligenz für algorithmischen Handel kann die besten Renditen jemals erzielt So könnten wir versucht zu denken, dass da die besten Hedge-Fonds in der Welt zu sein scheint dominieren die Verwendung von AI für den Handel, dass es keine Möglichkeiten. Die Wahrheit ist, dass es grenzenlose Möglichkeiten in diesem Raum, weil jede Trading-Strategie ist einzigartig nach der Hauptstadt dahinter. Wenn Sie 65 Milliarden Dollar haben, die Sie verwalten müssen, müssen Ihre Strategien sehr hohe Volumen Trades zu unterstützen. Wenn Sie nur eine Million Dollar youre spielen mit haben, haben Sie viel mehr Flexibilität, weil Sie niedrige Volumen-Aktien kaufen können und Ihre Trades sind in Gefahr, den Markt zu bewegen. Theres Raum für alle in diesem Raum, weshalb wurden zu präsentieren Ihnen 6 Unternehmen, die künstliche Intelligenz nutzen wollen, um algorithmischen Handel zu tun. We8217ve geschrieben über Sentient Technologies vor und stellte fest, dass eine der 3 Anwendungen, die sie verfolgen mit ihrer AI-Plattform ist, dass der algorithmischen Handel. Das Unternehmen hat Billionen von AI-Händlern gebaut und dann zu einem einzigen KI-Händler destilliert, den sie erwägen, sich als eigenständiges Unternehmen auszubilden. Sentient hat die meisten Mittel (135 Millionen) von jedem AI-Startup, die wir kennen, erhalten. Gegründet als Blanko-Check-Unternehmen im Jahr 2010 hat Clone Algo eine ziemlich verworrene Vergangenheit und ist derzeit erhöhen 250 Millionen in Pre-IPO Round C Finanzierung, nach denen sie hoffen, den Handel auf NASDAQ beginnen. Sie behaupten, eine 8-10 Jahre Vorsprung gegenüber ihren Konkurrenten zu haben, die über 152 Million in den letzten 5 Jahren verbracht haben, ihre Algorithmen zu entwickeln. Da das Unternehmen in Singapur ansässig ist, haben wir ihre Wertvorstellung von Engrish auf Englisch umgestellt und es scheint so zu sein: Einzahlung von mindestens 10.000 mit einem ihrer Broker Wählen Sie einen ihrer AI-Algorithmen aus, um gegen Ihr Kapitalpool zu gehen Erzeugen Sie passives Einkommen 24/6 Sie behaupten, verschiedene Investmentfirmen und Hedge-Fonds mit ihrer Plattform haben, aber die ganze 8220work von zu Hause aus und machen 1.000 pro Woche tun nothing8221 Value Proposition macht uns vorsichtig. Gegründet im Jahr 2013 hat Alpaca Saatgutfinanzierung von 1 Million genommen, um ihre Handelsplattform zu entwickeln, die Capitalico genannt wird, das Ihnen erlaubt, Handelsalgorithmen zu konstruieren, die auf technischer Analyse basieren. Wenn Sie nicht vertraut mit technischen Analyse, it8217s einfach die Praxis der Verwendung von Chart-Muster, um Aktienkurs-Bewegungen vorherzusagen. Diese Diagramme werden häufig mit 8220candlesticks8221 gebildet, die wie folgt strukturiert sind: Während die technische Analyse ein faszinierendes Thema ist, müssen Sie es nicht verstehen, um zu wissen, was Alpaka tut. Ihre Plattform ermöglicht es Ihnen, bestimmte Muster zu identifizieren, die Sie als bearish oder bullish und dann eine Handelsstrategie basierend auf dem Aussehen dieser Muster zu bauen. Die Komponente 8220AI8221 hilft bei der Erkennung der Muster. Während Aktiencharts dies bereits bis zu einem gewissen Grad mit bekannten Patterns tun, gehen wir davon aus, dass Alpaca den Vorteil hat, dass sie jedes beliebige benutzerdefinierte Muster in Echtzeit identifizieren können. Gegründet im Jahr 2015, Französisch Startup Walnut Algorithmen hat in 446 Tausend bis 8220 Verwendung fortgeschrittene maschinelle Lernmethoden mit finanzieller Expertise, um Absolute Return Investitionsstrategien 8220 zu generieren. Ihr Beirat ist gefüllt mit erfahrenen Fachleuten im Bereich der Vermögensverwaltung, Handel und quantitativ Finanzen. Walnut Algorithms plant, die Verwaltung von Dritten Vermögenswerte ab 2017 starten. Binatix ist ein tiefes Lernen Handelsunternehmen, die aus Stealth-Modus im Jahr 2014 kam und behauptet, nett profitabel werden, ihre Strategie für weit mehr als drei Jahren verwendet. Wenig ist über das Unternehmen anders als das, was in diesem Artikel recode veröffentlicht wurde im Jahr 2014 bekannt. Binatix soll auch mit Hedge-Fonds arbeiten, die Entwicklung und Umsetzung von Anlagestrategien auf der Grundlage ihrer Technologie. Aidyia wurde im Jahr 2011 gegründet und ist ein in Hongkong ansässiger Hedge-Fonds, der 8220 künstliche allgemeine Intelligenz 8221 (AIG) verwendet, die eine Zweigniederlassung von AI ist, die das menschliche Gehirn stärker imitiert. Im Jahr 2015 startete Aidyia einen Long / Short-Fonds, der in US-Aktien tätig ist und macht alle Aktienhandel mit künstlicher Intelligenz ohne menschliches Eingreifen erforderlich. Das Unternehmen wird von einer kleinen Gruppe von Investoren zusammen mit der Regierung von Hongkong finanziert. Auf der Suche nach Aktien in Unternehmen zu kaufen, bevor sie IPO Eine Firma namens Motif Investing können Sie kaufen Pre-IPO Aktien in Unternehmen, die von JP Morgan geführt werden. Sie können ein Konto mit Motif ohne Anzahlung eröffnen, so dass Sie bereit sind, Pre-IPO Aktien kaufen, wenn sie angeboten werden.