Miksi ei voisi tehdä ohjelmaa joka ennustaa esim. valuuttakurssia niin hyvin, että sijoitustoiminta kannattaa vaikkapa vuositasolla aina? Vai voiko?
Sään ennustaminen onnistuu vaikka ilmiö on monimutkainen ja kaoottinen.
Vai johtuuko tehtävän vaikeus siitä että spekulaatiot vaikuttavat kursseihin (sään ennustaminen ei vaikuta säähän) ja pitäisi ennustaa niin paljon paremmin kuin muut?
Sään ennustaminen onnistuu vaikka ilmiö on monimutkainen ja kaoottinen.
Vai johtuuko tehtävän vaikeus siitä että spekulaatiot vaikuttavat kursseihin (sään ennustaminen ei vaikuta säähän) ja pitäisi ennustaa niin paljon paremmin kuin muut?
Vastaukset 12
Vanhimmat
Eikös WinCapitalla pitänyt olla sellainen ohjelma?
Ja eikö Kailajärven sijoitustoiminta kannattanut?
Jos jollakin olisi tällainen toimiva ohjelma, niin tuskinpa hän sitä kirkossa kuuluttaisi.
Sellainen ohjelma vois siis olla mutta siitä ei hiiskuta?
Jotain voinee päätellä siitä, että parhaina vuosina New Yorkin pörssin vaihdosta arviolta yli 60 prosenttia on tehty algoritmisen kaupankäynnin avulla.
Petteri Taalaksen ilmastoenustamisohjelmaa voi aivan suoraan käyttää valuuttakursseihin.
Yksi lupaavimmaksi mainostetuksi tavaksi ennustaa pörssikursseja on käyttää laskennalliseen matematiikkaan perustuvia oppivia neuroverkkoja, joilla kyetään jossain määrin erittäin hyvinkin ratkaisemaan epämääräisesti määriteltyjä ongelmia.
Tämä onnistuu monilla eri osa-alueilla siten, että on olemassa tunnettu syöte input x(t) ja vastaavaan syötteeseen liittyvä tuloste output y(t), ja näiden perusteella pitäisi neuroverkolle opettaa funktio f(x) siten, että saadaan mahdollisimman tarkkaan y(n)=f(x(n)).
Pörssissä tämä tarkoittaisi sitä, että esim. tunnetaan osakekurssit vaikkapa ajanhetkiltä 3.8.2013-2.9.2013 ja nämä arvot ovat syötearvoja eli saadaan suuridimensioinen vektori x, ja päälle tunnetaan osakekurssit ajanhetkellä 3.9.2013 ja nämä arvot ovat tulostearvoja ja saadaan tästäkin vektori y. Sitten karkeasti sanoen minimoidaan virhe sum( (y-f(x)^2)).
Ongelmana on, että liian monet tahot saattavat käyttää samanlaista lähestymistapaa. Tässä on syntynyt hypetystä ennen IT-kuplaa.
Perushakusanoja tässä esimerkissäni ovat mm.
-multilayer perceptron
-back-propagation
Itse en varmaankaan uskaltaisi käyttää ko. lähestymistapaa, vaan mieluummin isäni suosituksia.
Sään ennustaminen on helppoa verrattuna pörssikursseihin. Ilmankehän fysiikka tunnetaan varsin tarkasti. Matemaattinen mallintaminen on siis periaatteessa selvää. Mutta tunnetusti sääilmiot ovat kaoottisia, jolloin siis pienet muutokset alkutilanteessa voivat muuttaa ennustetut ratkaisut perusteellisesti. Lisäksi ilmavirtaukset ovat turbulenttisia. Niihin vaikuttavat myös vuoristot.
Talouden ennustamista taas haittaa, että siellä ei ole edes kunnon matemaattisia malleja, jotka kuvaisivat ihmisten käyttäytymistä muuten kuin karkealla tasolla. Kun jossain tulee sodan uhka, niin kurssit muuttuvat yhtäkkiä. Nokian myynnin kaltaiset tapahtumat heilauttavat ainakin yksittäisen firman kursseja. Pörssianalyytikkojen ajatuksia on mahdotonta ennustaa muuten kuin, että he pyrkivät maksimimaan omat bonuksensa. Jos sää pystytään ennustamaan melko luotettavasti 5 vuorokautta eteenpäin, niin pörssissä voidaan olla onnellisia, jos tiedetään jotain edes huomisesta.
Sään ja talouden ennustamisessa on sama ongelma. Kumpikin on herkkä alkuarvo muutoksille.
Säätä esimerkiksi pystytään ennustamaan matemaattisesti muutaman päivän eteenpäin... useimmiten. Kun ennustetta tehdään, tietokoneeseen syötetään paitsi arvot joita on saatu, myös arvot lähellä mitatun arvon ylä- ja alapuolella. Kaikki arvot, ilmanpaineet, suhteelliset kosteudet ja lämpötilat käsitellään näin ja syötetään supertietokoneeseen. Jos tulos on kaikilla arvoyhdistelmillä kohtuullisesti katsoen sama, niin sää on ennustettu kohtuullisen tarkasti.
Mutta aina se ei ole sama. Jos osutaan raja-alueelle, pieni muutos lämpötilassa saattaa kääntää tuulen suuntaa etelästä pohjoiseen ja sään ennustaminen muuttuu käytännössä mahdottomaksi. On mahdotonta sanoa, mikä lämpötila on esimerkiksi puolivälissä kahden mittauspisteen välissä ja tälläisillä raja-alueilla joissa malli muuttuu, sillä on suuri merkitys. Sama tapahtuu myös pidemmälle tulevaisuuteen viedyissä malleissa. Eli sääennustus malli, johon syötetään vain hivenen erilaisia alkuarvoja, saattaa näytää samalta kolme päivää, mutta täysin erilaiselta viiden päivän kuluttua. Kuukaudessa ero on lumisateen ja hellepäivän luokkaa.
Tälläinen alkuarvojen mitättömästä erosta johtuva suuri muutos on tyypillinen kaaosjärjestelmille, kuten sää ja talous.
Sään ennustaminen onnistuu viikon eteenpäin.
Petteri Taalas pystyy ennustamaan ilmaston sata vuotta eteenpäin.
Varmaan myös valuuttakurssit.
Miksi Jumala loi taloustieteilijät? Siksi ettei säätietilijöillä olisi alemmuuskompleksia.
Miksi astrologia keksittiin?
No siksi että taloustiede näyttäisi tieteeltä.