Bu Stanford makalesi, finansın en sevilen bahanelerinden birine bir delik atıyor: "veri çok gürültülü." On yıllardır, quantlar ham fiyatların el yapımı göstergeler olmadan işe yaramadığını savunmuştur. Bu makale daha temiz bir soru soruyor. Ya sinyal zaten oradaysa ve biz sadece yanlış bir şekilde bakıyorsak? Yazar, S&P 500 hisseleri için sadece ham fiyat verileriyle yükseliş ve ayı hareketlerini öngören bir model oluşturuyor. Hiçbir gösterge yok. Faktör kütüphaneleri yok. Sadece günlük OHLCV artı açıkça temettü ve bölünmeleri yansıtan düzeltilmiş fiyatlar. Sorun daha fazla veri değil. Bu temsildir. Zaman serilerini dizileri olarak ele almak yerine, makale dönen fiyat pencerelerini mekânsal nesneler olarak ele alıyor. Her pencere, bir grafikten çok bir görüntüye daha yakın olan yapılandırılmış bir matrise dönüşür. Bu, konvolüsyon filtrelerin momentum kaymaları, volatilite kümelenmesi ve kurumsal eylemlerden kaynaklanan yapısal kopuklar gibi yerel kalıpları tespit etmesini sağlar. Bu, klasik ekonometrikten değil, bilgisayar görüşünden sezgi alıyor. Veri seti, her hisse için yirmi yıla kadar süreyi kapsar ve kurumsal düzeyde fiyatlandırma sağlar. Modeli on kanal besliyor ve kaydırma pencereler sentetik hileler olmadan yoğun eğitim örnekleri yaratıyor. Normalizasyon her şeyi özellikler arasında ölçeksiz tutar. Mimari olarak, derin bir 1D CNN. İlk katmanlar kısa vadeli yapıya odaklanır. Daha derin katmanlar daha uzun trendleri yakalar. Tekrarlayan modellere kıyasla, CNN volatilite artışlarını ve olay odaklı sıçramaları daha istikrarlı bir şekilde yönetiyor. Görev basit ama katıdır: yönü tahmin etmek, geri dönüşleri değil, birkaç günden bir aya kadar ufuklar arasında ilerlemek. Eğitim dikkatlice ayarlanmış ve yakınsama şüpheli değil, temiz görünüyor. Sonuçlar insanları rahatsız eden şey. Birçok büyük şirket hissesi, yüksek 80'lerde ve 90'ların altında doğrulama doğruluğuna ulaştı. JP Morgan uzun vadeli dönemlerde yaklaşık %91'e ulaşıyor. Eğriler gerçek öğrenmeyi ima ediyor, hızlı bir aşırı uyum değil. Yazar temkinli kalır. Bu, maliyetleri, uygulamayı veya kaymayı modellemez. Ama önemli bir şeyi gösteriyor. Derin modeller, piyasa mekaniklerini doğrudan ham fiyat tensörlerinden içselleştirebilir, çoğu boru hattının düzelttiği bozulmalar da dahil. Daha büyük ima ise derin bir şekilde kesiyor. Özellik mühendisliği, veriyi nasıl çerçevelediğinizden daha az önemli olabilir. Doğru tümevarımsal önyargıyı seçerek, model insanların genellikle sertleştirmeye çalıştığı yapıyı öğrenir. Finansal zaman serilerini görsel benzeri nesneler gibi ele almak bir numara değildir. Bu, onlarca yıllık el yapımı varsayımlara ciddi bir alternatif ve piyasaların yoğun insan müdahalesi olmadan okunamaz olduğu fikrini sorguluyor. ...