최근 몇 년 동안 속도가 빨라졌지만 AI는 수십 년 동안 뒤에서 금융에 혁명을 일으키고 있다. 금융 시장과 관련된 데이터, 시스템 및 전략의 복잡성으로 인해 실행 가능하고 수익을 창출 할 수 있는 패턴이 인간의 인식과 이해를 벗어나지만 AI 알고리즘에 굴복하는 상황이 많다.

금융 시장에 적용되는 일반적인 AI 기술은 또한 몇 가지 중요한 한계를 보여주었다. 특히 '정권 변화', 즉 짧은 시간 동안 시장의 근본적인 특성이 급격하게 변화하는 상황에 대처할 수 없다는 점이 두드러졌다. 전형적인 패턴은 특정 양적 또는 AI 기술이 특정 시장에서 특정 간격 동안 정말 잘 작동하여 관리 가능한 위험과 함께 극적인 양의 수익을 내고 갑자기 시장 체제가 바뀌고 성능이 빠르게 정반대로 되는 것이다.

짐승의 본질을 감안할 때 이러한 현상은 아마도 완전히 정복되지 않을 것이다. 그러나 앙상블 기반 AI 도구를 활용하고 인공 일반 인텔리전스(AGI/Artificial General Intelligence)를 향한 진전을 통해 강력한 AI 시장 예측 및 재무 관리를 훨씬 더 잘 수행할 수 있는 분명한 잠재력이 있다.

금융 분야의 AI: 곡선 맞춤 함정 초월

금융에서 AI를 사용하는 것은 고급 통계 방법의 사용을 자연스럽게 확장한 것으로, 이는 적어도 Bachelier의 190년 논문 '투기 이론'으로 거슬러 올라간다.

기계 학습 방법 및 더 광범위한 종류의 AI 기술은 여러 변수 간의 복잡한 상호 의존성을 처리하는 능력에서 표준 통계 방법을 능가한다. 금융 상품의 기초가 되는 경제 시스템의 복잡성과 실제 시장의 플레이어의 다양성으로 인해 금융에서 항상 존재한다.

오늘날 AI 방법은 프로세스 자동화, 보안, 인수 및 신용 채점, 로봇 자문, 알고리즘 거래 등을 포함한 금융 애플리케이션의 백엔드에 항상 존재한다.

그러나 근본적으로 모든 금융을 위한 AI (AI-for-finance) 애플리케이션은 여전히 ​​동일한 기본 문제를 안고 있다. 알고리즘이 수행하는 작업은 알고리즘을 훈련하는 데 사용되는 시장 상황 데이터와 역사적 시장의 곡선 맞춤에 너무 가깝다.

이 문제는 AI 방식에만 국한된 것은 아니다. 보다 단순한 양적 기법, 표준 '기술적 거래'접근 방식 및 전문가의 기본 분석 또는 행동 금융에 기반한 접근 방식도 역사적 상황과 체제에 과 적합할 수 있다. 그러나 AI 시스템의 정교함은 때때로 AI 재무 모델이 과거 교육 데이터에 과잉 적합 되는 방식이 명확하지 않을 수 있음을 의미한다.

이러한 문제가 AI가 엄청난 가치를 제공하는 것을 막지는 못했다. Renaissance Technologies 및 2 Sigma와 같은 펀드는 투자자에게 놀라운 AI ​​기반 수익을 제공하는 것으로 유명하지만 이는 표면에 불과하다. AI 기반 펀드 관리 (이야기의 작은 부분)를 살펴보면 전체 부문으로서 AI 기반 헤지 펀드가 더 전통적인 방법을 사용하여 거래된 펀드보다 상당한 수익을 올렸다는 것은 잘 알려져 있다.

건전한 금융 시장이 자본에 대한 폭 넓은 접근을 제공함으로써 기술과 사회를 발전시키는 데 중요한 역할을 한다는 점을 감안할 때, 금융 AI는 최근 세계 경제 성장에 큰 기여를 했다고 말할 수 있다. 그러나 AI가 소규모 플레이어가 아닌 대규모 투자 기관의 이익을 위해 실질적으로 배포되었다는 것도 분명하다.

이는 기술로서의 AI의 본질에 내재된 것이 아니라 AI 인재의 부족과 AI 영역의 일반적인 중앙 집중화의 표현이다.

금융 AI의 수익은 곡선 맞춤 유형의 방법론을 넘어서서 특정 역사적 상황을 초월하는 근본적인 시장 역학을 더 잘 추상화 하는 AI 모델을 사용하여 정권 변경을 보다 능숙하게 관리할 수 있는 한 더 크고 일관성이 있을 수 있다고 생각한다. 나는 또한 금융 AI가 적절하게 배치된다면, 탈 중앙화 된 소프트웨어 프레임 워크를 활용하고 기업가 적 벤처를 추진하는 것을 포함하여 더 다양한 금융 상품에 초점을 맞추면 금융 AI의 전반적인 사회적, 경제적 영향이 훨씬 더 긍정적으로 될 수 있다고 믿는다.

암호화 금융의 특별한 도전

암호화 금융은 전통적인 주식 및 선물/옵션 시장에 존재하는 것 이상의 몇 가지 특정 과제를 제시한다. 이러한 도전은 AI 접근 방식을 사용하는 투자자 뿐만 아니라 특히 미묘한 방식으로 AI 시스템 개발자에게 자신을 제시 할 수 있는 모든 투자자와 거래자에게 직면한다.

한 가지 문제는 과거 데이터가 상대적으로 부족하다는 것이다. 암호 화폐 시장은 기존 시장만큼 오래되지 않았다. 즉, 인간이나 AI가 영감이나 역사적 테스트를 위해 연구할 수 있는 데이터가 훨씬 적다.

또 다른 주요 도전은 정권 변경으로 돌아가는데, 이는 암호화 영역에서 가차없고 극단적이다. 기술의 지속적인 개선, 규제 환경의 변화, 암호화 투자 커뮤니티의 특성 확장 (예: 1년 동안 중국이 암호화를 엄격하게 제한하고 내년에는 수많은 전통적인 월스트리트 회사가 암호 화폐에 진입하는 등)을 의미한다. 특정 시점의 시장은 일반적으로 1년 전과 근본적으로 다른 특성을 가지고 있다.

상대적으로 자본을 많이 보유한 소수의 당사자가 암호화폐 시장을 과도하게 조작하는 것도 어려움을 안고 있다. 이는 다양한 신흥 시장의 주식 또는 상품에서 볼 수 있는 상황과 유사하며, 예측 알고리즘이 하는 많은 작업이 소수의 강력한 개인 또는 펀드의 미래 태도와 활동을 예측하는 것임을 의미한다. 사실, 상황은 단순한 가격 조작을 넘어서 종종 세탁 거래 및 거래소에서 가짜 주문을 하는 것과 같은 불법적이고 비 윤리적인 관행을 포함한다.

마지막으로 많은 암호화 시장의 상대적으로 작은 크기 (특히 BTC 또는 ETH보다 알트 코인에 더 많이 적용됨)는 거래 활동이 특정 상대적으로 적당한 크기 이상이 되면 자신의 활동이 시장 행동에 직접적인 영향을 미친다는 것을 의미한다. 이것은 긍정적일 수도 있고 부정적 일 수도 있다. AI 컨텍스트에서는 강화 학습 기술과 더 표준적인 비대화형 패턴 분석 기술을 사용할 수 있는 문을 연다. 그러나 이는 상황을 복잡하게 만들고 기존 AI 기반 금융 접근 방식의 상당 부분을 정확하게 적용할 수 없게 만든다.

이러한 복잡한 요인 중 어느 것도 AI를 암호화 금융에 적용하는 데 있어 주목할 만한 요소가 아니다. 그러나 이들은 AI 알고리즘이 암호화 컨텍스트에서 처리해야하는 모든 것이며 수익성 있게 배포할 수 있는 AI 기술의 정교함에 대한 기준을 높인다.

AGI 및 앙상블 방법으로 문제 해결

암호 화폐 시장이 제시하는 문제를 극복하기위한 열쇠와 AI의 전반적인 금융 적용을 방해한 정권 변화의 어려움, 과거에 보았던 매우 구체적인 패턴에 너무 가깝게 미래를 예측하는 것이 아니라 원하는 대로 과거 데이터의 "광범위한"모델을 학습할 수 있는 AI 기술의 개발이다.

이것은 여러 가지 방법으로 달성할 수 있다. 한 가지 방법은 AI 모델의 다양한 앙상블을 개발하는 것이다. 각 모델은 서로 다른 알고리즘, 서로 다른 데이터 세트 또는 모델 생성에 다른 사람이 참여한 결과로 인해 서로 다른 통찰력을 구현한다. Numerai와 Cindicator는 재무 예측을 위해 앙상블 방법을 활용하여 때때로 탁월한 효과를 낸 두 가지 잘 알려진 블록체인 프로젝트이다.

또 다른 방법은 그들이 수집하는 데이터의 더 추상적인 모델을 형성하는 데 초점을 맞추는 신경 기호 AI와 같은 AI 기술을 활용하는 것이다. 이것은 금융 AI가 전이 학습, 평생 학습 및 인공 일반 지능과 같은 개념을 활용하여 AI 연구 세계의 상위 끝 부분과 교차하는 곳이다.

앙상블 방법과 고급 AGI 지향 알고리즘 기술은 모두 더 크고 유동적 인 시장을 위한 순수한 데이터 분석 모드로 적용될 수 있으며, 자신의 거래 행위의 영향을 분석하는 것이 핵심 역할을 하는 소규모 시장을 위한 강화 학습 모드에서 적용될 수 있다.

또한 전이 학습, 평생 학습 및 proto-AGI 기술을 기반으로 한 AI 도구를 더 광범위한 모델 앙상블에 포함하여 두 가지 접근 방식을 함께 사용할 수 있다.

SingularityDAO의 시작

이것은 물론 SingularityDAO와 SingularityNET 플랫폼의 사용에 대해 정확하게 알려준다. SingularityNET은 공통 목표 서비스에 다양한 AI 도구를 강력하게 통합하고 AI 알고리즘의 정교함이 점진적으로 증가함에 따라 다양한 수직 영역에서 나타나는 좁은 AI와 AGI의 경계를 탐색하기 위해 특별히 설계되었다.

SingularityDAO (SingularityNET에서 새롭게 시작하는 프로젝트)는 알트 코인 세트의 가치를 예측하는 특정 맥락에서 SingularityNET 기반 AI의 가치를 증폭하도록 설계되었으며, 이러한 알트 코인을 위한 더 건강하고 유동적인 시장을 창출하는 것을 목표로 한다. 따라서 분산 기술 부문의 성장을 촉진한다. 알트 코인 시장에서 사명을 추구하는 과정에서 SingularityDAO는 매우 까다로운 상황에서 AI 알고리즘을 사용한 R & D 및 실제 실험을 주도하여 최첨단 기술을 발전시킬 것이다.

글쓴이:

Ben Goertzel