IA-Machine Learning: aprendizado supervisionado, não supervisionado e de reforço
comentada em 06/11/2019 08:44

Trade quântico!!!! 

@MdeCarvalho. Obrigado por responder. Desculpe, o seu comentário sugere que você não leu o material sugerido. Entendo que vc. seja apenas uma pessoa 'bem humorada' (risos)

@MdeCarvalho, realmente trade quântico...kkk!!!

Só trazendo os deslumbrados pra realidade, a quantia de esforço e inteligência pra criar um software de trade funcional ou analisar risco é tão grande que o cara que conseguir (além de ser um escolhido) provavelmente vai ganhar muito mais dinheiro prestando seus serviços de programação e Machine-Learning  do que fazendo essas empreitadas para ele mesmo (o motivo é q trade serio exige bastante capital, já q os retornos são baseados em % e ele não vai ter).
Digo isso pq eu mesmo comecei a aprender python e ML com intuito de ganhar "vantagem" no mercado financeiro, não vou dizer que saber programação não traz nenhuma vantagem para um trader varejista, porém  a aplicação dos conhecimentos em python, databases e ML em outras áreas q não sejam mercado financeiro faz muito mais sentido para pessoas normais como nós e muito mais retorno.
Dinheiro de especulação é o dinheiro fácil mais difícil do mundo, recomendo qm gosta aprender essas coisas sim mas com intuito de prestar serviços para a sociedade e não tentar especular, mais fácil e mais lucrativo

Bom artigo. Acredito que isso seja o ORUTUF mesmo. Querendo ou não, IA vai tomar uma proporção cada vez maior em nossas vidas, e o gerenciamento de riqueza, não vai escapar. Ray Dalio já usa sistemas para tomada de decisão em investimentos já fazem decadas.

O proprio bastter system, podemos considerar um IA, pois ele te indica onde vc deve aportar, baseados em "features" que nos mesmos "programamos" quando selecionanos os pesos e categorias.

"com certeza o computador quântico vai permitir processar os algoritmos mais potentes hoje limitados pelo tamanho de memória"

vou fazer uma camiseta com essa frase

 

 

... e por fim, toda a humanidade usará um robô quântico (de R$ 99,90 mensais) para fazer trade e todos, eu disse todos, se tornarão bilionários, vivendo felizes para sempre. Fim.

 

 

Fiz minha contribuição "Cãotural":

 

Indicação do livro A Man for All Markets: From Las Vegas to Wall Street, How I Beat the Dealer and the Market. - Cãotural - Bastter.com

Gostei das notas e conclusões.

"In this case, it performs adequately and, if tuned carefully, outperforms the equal allocation benchmark."

Destaque para - "if tuned carefully"

"For the production use, more careful work is needed but this example can serve"

Destaque para - "more careful work is needed"


Sem contar que o artigo inteiro é quase um phishing para caçar clientes de trade quântico, vide a última frase da conclusão

In any case, whether you’re just starting working on quantitative investments or you already have a lot of complex developments, don’t hesitate to contact us at Neurons Lab. We’re an innovative and creative European AI boutique specialized on fintech applications and we’re ready to help in various issues.

Ou seja, se impressione com os gráficos coloridos que coloquei e com o monte de buzzwords no texto, não entenda nada e me contrate para te explicar.

Achei o artigo bastante superficial. Os algoritmos são apresentados de maneira um tanto simplista, como se fossem funções que resolvessem os problemas de otimização alocativa out-of-the-box. Isso é falso. Machine learning tuning é feito de modo quase artesanal e é bem mais difícil do que o artigo deixa a entender. Além do mais, algoritmos utilizados em modo default e com dados acessíveis por outros atores tendem a ter os ganhos facilmente arbitrados pelo mercado. Se muitos têm acesso, a vantagem desaparece. Ainda que haja benefícios na abordagem, eles estão longe de serem acessíveis para o pequeno investidor de modo que realmente tragam vantagens duradouras. Trade quântico é igual trade comum: os players maiores continuam lucrando em cima da sardinhada, sem ou com machine learning.

O autor também está vendendo coisa velha com roupa nova. Jim Simons, PhD em matemática, já usava alocação por algoritmo nos anos 1980 (aliás, saiu um livro novo sobre ele essa semana). Richard Sutton escreveu seu doutorado sobre reinforcement learning em 1984. Tin Ho desenvolveu o random forest em 1995. Então o artigo promete mais do que entrega, me parece apenas uma peça de publicidade com buzzwords como bem disse o @Roloff. Exceto pra alguém que consiga ser um Simons, e quase ninguém é, não vale muito a pena.

Problema de min max existe uma cacetada de algoritmos pra resolver isso, o do meu tcc é um problema desse tipo, tem IA, algoritmo genético, meta heurística etc etc...Só que pra quem é de fora e lê parece que IA é o único caminho.