งาน Quant หลักๆของ Lab ที่ผมทำเรื่องการสอน Robot ให้มันเรียนรู้จากข้อมูลจริงและคิดตอบสนองให้เป็น ตรงนี้งานต่างจาก algorithmic trading เดิม ที่คนหรือเทรดเดอร์ผู้เป็น expert สร้างโมเดล ให้ robot ทำตามคำสั่ง
ด้วยโลกความจริง ตลาดหุ้น ตลาดทองคำ เหมือนเราทราบ ข้อจำกัด หรือขอบเขตของการจัดการกับข้อมูลที่ไม่เป็นเส้นตรง หรือมีความ random สูงมันมีเยอะ สิ่งที่ Machine learning เข้ามาทำให้งานด้านนี้พัฒนาได้ซับซ้อนขึ้นไปอีกจากอดีตคือ คอมพิวเตอร์มันเรียนรู้จัก ข้อมูลจริงที่เกิด ทั้งจาก training data จำนวนมหึมา(ฺBig data) ที่เราโยนไปให้มัน และการเรียนรู้จากข้อมูล real time ข้อมูลใหม่ๆที่เกิดทุกวันทุกนาที ความสนุกมันอยู่ตรงสอนให้ robot มันเรียนรู้
ในภาพเอาโมเดลแบบเบสิกมาให้ดู คือลองสอน QuantRobot ให้มันแยกพฤติกรรมราคา แบบ unsupervised ด้วย Weight Adjusted KNN ใช้พารามิเตอร์ของพฤติกรรมราคา 8 ตัวสำหรับ training data รอบแรกยังมั่วๆอยู่เพราะข้อมูลไม่ค่อยดี
จากนั้นลอง clean data ใหม่ด้วย Principal Components Analysis (PCA) ก่อนแล้วเอามารันอีกรอบ ผลค่อนข้างดีขึ้น ตัวนี้ถ้าทำงานได้จะประหยัดเวลามาก เพราะ ML เดิมเป็น SVM ผลการ classification ดีแต่ค่อนข้างช้าเมื่อรันข้อมูลระดับนาทีเรียลไทม์
ซึ่งการสอนให้ robot คิดเป็นสามารถจำแนกแต่ละกลุ่มพฤติกรรมราคา มันจะทำให้เราสามารถสร้าง กลยุทธ์ในการเทรด หรือการบริหารเงินที่แตกต่างกันไปจัดการได้ เหมาะสม เป้าหมายการทำ ML ให้ robot ตัวนี้ไม่สร้างมาเพื่อ เดาหรือทำนายราคา แต่มันสร้างให้ ประเมินผลความน่าจะเป็น และให้ information สนับสนุนการตัดสินใจ และการบริหารความเสี่ยง ของ เทรดเดอร์
ด้วยโลกความจริง ตลาดหุ้น ตลาดทองคำ เหมือนเราทราบ ข้อจำกัด หรือขอบเขตของการจัดการกับข้อมูลที่ไม่เป็นเส้นตรง หรือมีความ random สูงมันมีเยอะ สิ่งที่ Machine learning เข้ามาทำให้งานด้านนี้พัฒนาได้ซับซ้อนขึ้นไปอีกจากอดีตคือ คอมพิวเตอร์มันเรียนรู้จัก ข้อมูลจริงที่เกิด ทั้งจาก training data จำนวนมหึมา(ฺBig data) ที่เราโยนไปให้มัน และการเรียนรู้จากข้อมูล real time ข้อมูลใหม่ๆที่เกิดทุกวันทุกนาที ความสนุกมันอยู่ตรงสอนให้ robot มันเรียนรู้
ในภาพเอาโมเดลแบบเบสิกมาให้ดู คือลองสอน QuantRobot ให้มันแยกพฤติกรรมราคา แบบ unsupervised ด้วย Weight Adjusted KNN ใช้พารามิเตอร์ของพฤติกรรมราคา 8 ตัวสำหรับ training data รอบแรกยังมั่วๆอยู่เพราะข้อมูลไม่ค่อยดี
จากนั้นลอง clean data ใหม่ด้วย Principal Components Analysis (PCA) ก่อนแล้วเอามารันอีกรอบ ผลค่อนข้างดีขึ้น ตัวนี้ถ้าทำงานได้จะประหยัดเวลามาก เพราะ ML เดิมเป็น SVM ผลการ classification ดีแต่ค่อนข้างช้าเมื่อรันข้อมูลระดับนาทีเรียลไทม์
ซึ่งการสอนให้ robot คิดเป็นสามารถจำแนกแต่ละกลุ่มพฤติกรรมราคา มันจะทำให้เราสามารถสร้าง กลยุทธ์ในการเทรด หรือการบริหารเงินที่แตกต่างกันไปจัดการได้ เหมาะสม เป้าหมายการทำ ML ให้ robot ตัวนี้ไม่สร้างมาเพื่อ เดาหรือทำนายราคา แต่มันสร้างให้ ประเมินผลความน่าจะเป็น และให้ information สนับสนุนการตัดสินใจ และการบริหารความเสี่ยง ของ เทรดเดอร์
