למידת מכונה בשוק ההון: מה היא עושה בפועל

המשפחה הראשונה היא סיווג. השאלה שהיא עונה עליה היא לאיזו קטגוריה שייכת תצפית: האם הודעה מסוימת עוסקת בשינוי מהותי או בעניין טכני, האם פעולה בחשבון חורגת מדפוס הפעילות הרגיל, האם מסמך שייך לסוג מסוים. מדובר בשאלה בעלת מספר סופי של תשובות, וזו הסיבה שהיא נחשבת למשימה יציבה יחסית.

המשפחה השנייה היא רגרסיה, כלומר אמידה של ערך מספרי. שימוש מקובל הוא תמחור של מכשיר שאין לו מחיר שוק רציף, או אמידה של רגישות המכשיר לשינוי בפרמטר מסוים. גם כאן המשימה מוגדרת היטב, ולרוב קיימת דרך לבדוק את התוצאה מול מקור עצמאי.

המשפחה השלישית היא זיהוי דפוסים ללא תיוג מוקדם, ובכלל זה מציאת קבוצות של נכסים המתנהגים באופן דומה או זיהוי מצבי שוק שונים זה מזה. כאן אין תשובה נכונה ידועה מראש, ולכן הערכת התוצאה קשה יותר ומחייבת שיקול דעת מקצועי. הרחבה על המנגנון שמאחורי חלק מן השיטות מופיעה במדריך על רשת נוירונים ואיך היא משמשת בפיננסים.

התמחור הוא השימוש הבשל ביותר. גופים המחזיקים מכשירים מורכבים נדרשים להעריך את שוויים באופן שוטף, וחישוב מדויק עשוי להיות יקר מבחינה חישובית. מודל שאומן על תוצאות חישוב מלא יכול לספק קירוב מהיר, וניתן להשוות אותו לחישוב המלא ולזהות סטייה, כך שיש אמת מידה ברורה לבדיקה.

זיהוי חריגות הוא השימוש השני. מערכות מסוג זה מסמנות פעילות או נתון שאינם תואמים את הדפוס הרגיל, והן משמשות בבקרת נתונים, במעקב אחר תקינות מערכות מסחר ובאיתור פעילות חריגה. חשוב להדגיש שהמערכת מסמנת ואינה מכריעה, וההכרעה נשארת בידי אדם.

אופטימיזציית ביצוע היא השימוש השלישי. כאשר גוף מוסדי מבקש לבצע פקודה גדולה, השאלה כיצד לפצל אותה על פני זמן משפיעה על העלות בפועל. כאן קיימת משוב מדיד ומהיר, שכן ניתן להשוות את מחיר הביצוע למחיר ייחוס, וזו סביבה נוחה יחסית ללמידה. הרחבה מופיעה במדריך על אלגוריתמי ביצוע.

השימוש הרביעי הוא עיבוד טקסט. סיווג של דוחות, הודעות והתכתבויות, חילוץ נתונים מתוך מסמכים ותמצות שלהם הם משימות שבהן התחום התקדם משמעותית, והן משרתות בעיקר את עבודת המחקר והתפעול ולא את החלטת ההשקעה עצמה.

הסיבה הראשונה היא יחס האות לרעש. בזיהוי תמונה, ההבדל בין שני עצמים ניכר ויציב. בשוק ההון, השינוי היומי במחיר נשלט ברובו על ידי גורמים אקראיים, והחלק הניתן להסבר קטן. מודל הלומד על נתונים כאלה לומד בעיקר את הרעש.

הסיבה השנייה היא כמות הנתונים. דוגמה מספרית ממחישה זאת היטב: עשרים שנות מסחר של מדד יחיד מספקות כחמשת אלפים תצפיות יומיות בלבד, בעוד שמודלים מודרניים בתחומים אחרים מאומנים על מיליוני דוגמאות. מספר המאפיינים שניתן להזין למודל גדול בהרבה ממספר התצפיות הזמינות, וזה בדיוק המצב שמייצר התאמת יתר לעבר.

הסיבה השלישית היא שינוי מבני. שוק ההון אינו תופעה קבועה, והכללים שלו משתנים עם הרגולציה, עם מבנה הזירות, עם הרכב המשתתפים ועם שינויי מדיניות. תקופה היסטורית שנראתה רלוונטית עשויה לתאר שוק שכבר אינו קיים. הסיבה הרביעית היא תגובתיות: ככל שדפוס מזוהה ומיושם בידי משתתפים רבים, הפער שעליו הוא נשען מצטמצם. הרחבה מופיעה במדריך על למה חיזוי שווקים קשה ללמידה עמוקה.

המסקנה המעשית אינה שיש לפסול את התחום, אלא שיש למדוד אותו נכון. מודל שנועד לענות על שאלה מוגדרת, שיש לה אמת מידה עצמאית לבדיקה ומשוב מהיר, פועל בסביבה נוחה ללמידה. מודל שנועד לענות על שאלה פתוחה, שהמשוב עליה איטי והרעש בה גבוה, פועל בסביבה קשה במיוחד. ההבחנה הזו מסבירה מדוע אותה טכנולוגיה עצמה מניבה תוצאה שונה לחלוטין בשתי משימות שנשמעות דומות.

עבודה מקצועית בתחום מקדישה חלק ניכר מהזמן לנתונים ולא למודל. נתוני שוק גולמיים כוללים ערכים חסרים, התאמות בגין חלוקות ופיצולים, שינויים בהרכב מדדים והבדלים בין ספקים, וכל אחד מאלה עשוי להטות תוצאה.

שתי הטיות מוכרות מדגימות את הבעיה. הטיית שרידות מתרחשת כאשר הנתונים ההיסטוריים כוללים רק את הגופים ששרדו עד היום, כך שהתמונה שהם מציגים אופטימית מן המציאות שהייתה. הטיית מבט קדימה מתרחשת כאשר המודל נחשף בעקיפין למידע שלא היה זמין במועד ההחלטה, למשל נתון שתוקן בדיעבד. שתי ההטיות מייצרות תוצאה שנראית משכנעת בבדיקה ואינה ניתנת לשחזור בהרצה חיה, והנושא נדון בהרחבה במדריך על אוברפיטינג.

בשלוש נקודות לפחות אין תחליף לשיקול דעת אנושי. הראשונה היא הגדרת המטרה: מודל מייעל את מה שהוגדר לו, ולא את מה שהתכוונו להגדיר, ולכן ניסוח לא מדויק של המטרה מייצר התנהגות לא רצויה גם כאשר המודל עובד היטב מבחינה טכנית. השנייה היא בחירת הנתונים והמאפיינים, שכן ההחלטה אילו נתונים להזין ואילו לא היא החלטה מקצועית לכל דבר. השלישית היא פסילה של תוצאה חשודה: כאשר מודל מציג התנהגות שאין לה הסבר כלכלי סביר, ההנחה המקצועית היא שנפלה טעות ולא שהתגלה משהו חדש.

נקודה רביעית נוגעת להסברתיות. מודל שמסקנתו ניתנת להסבר במונחים כלכליים מאפשר דיון מקצועי, ביקורת ותיקון, ואילו מודל שאינו ניתן להסבר מקשה על בעל הרישיון לעמוד בחובתו להסביר ללקוח מדוע התקבלה החלטה בתיקו.

לצד אלה, במסגרת מוסדרת נדרשת גם שכבת בקרה: תיעוד ההחלטות, מנגנוני עצירה, והשוואה שוטפת בין ההתנהגות בפועל לזו שהוגדרה. ניהול תיקי השקעות עבור אחרים מחייב בישראל רישיון מכוח חוק הסדרת העיסוק בייעוץ השקעות, בשיווק השקעות ובניהול תיקי השקעות, התשנ״ה-1995, והשימוש בטכנולוגיה אינו משנה את האחריות המקצועית ואינו מעביר אותה למערכת, כמוסבר במדריך על מה האלגוריתם לא מחליט לבד.

בהתאם לכך, בית השקעות המשתמש בטכנולוגיה נדרש להסביר מה בדיוק המערכת עושה, על אילו נתונים היא נשענת והיכן נמצא האדם בתהליך. סקירה רחבה יותר של גבולות היכולת מופיעה במדריך על AI והשקעות.