موضوع: کاربرد هوش مصنوعی در بازارهای سهام

ولادیمیر پوتین، کمتر صحبت می‌کند، اما وقتی صحبت می‌کند، معمولا راهبردی است. وی می‌گوید: «کشوری که سردمدار هوش مصنوعی باشد، رهبری دنیا را در دست خواهد داشت». هوش مصنوعی و تاثیر آن بر بازارهای مالی و صنعت اکنون توجهات بیشتری را به خود جلب کرده است و در بخش‌های مختلف تا حدودی توسعه پیدا کرده است. اگر بخواهیم هوش مصنوعی را تعریف کنیم، به صورت خلاصه می‌توان گفت هوش مصنوعی به دستگاه‌ها یا سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمندانه انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرآیندهای فکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال کمی‌ برای حل مسائل را داشته باشد. در واقع به صورت خلاصه می‌توان آن را «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرد. استفاده از هوش مصنوعی در بازارهای مالی نیز اهمیت ویژه‌ای پیدا کرده است و امروزه می‌بینیم که شرکت‌های بزرگ برای تجزیه و تحلیل داده‌های مربوط به سهام از هوش مصنوعی استفاده می‌کنند.

وضعیت هوش مصنوعی در جهان
برآورد می‌شود ارزش بازار هوش مصنوعی تا سال 2020 حدود 16 میلیارد دلار خواهد بود. اکنون بسیاری از شرکت‌ها در جهان از حوزه هوش مصنوعی درآمد زیادی کسب می‌کنند. طبق برآوردهایی که انجام گرفته میزان درآمد از فعالیت‌های مربوط به هوش مصنوعی در سال 2017 حدود دو میلیارد دلار بوده است و این در حالی است که پیش‌بینی می‌شود این میزان درآمد در سال 2018 دوبرابر شود و به چهار میلیارد دلار برسد. پیش‌بینی‌ها حاکی از این است که تا سال 2025 میزان درآمد‌ از حوزه هوش مصنوعی به 59 میلیارد دلار برسد.
فروش جهانی ربات‌های صنعتی برای فعالیت در شرکت‌ها به جای نیروی کار نیز روز به روز در حال افزایش است. در سال 2004 حدود 97 هزار ربات صنعتی برای فعالیت در بخش‌های مختلف به فروش رفته است و این میزان در سال 2005 به 120 هزار عدد رسیده است. از سال 2013 به این سو شاهد افزایش بسیار زیاد فروش ربات‌های صنعتی بوده‌ایم، به طوری که میزان ربات‌های فروش رفته در سال 2014 حدود 221 هزار دستگاه بوده و این در حالی است که این میزان برای سال 2015‌، معادل 254 هزار دستگاه بوده است. آخرین آمار مربوط به فروش تعداد ربات‌ها در سال 2016 بوده که حدود 294 هزار عدد بوده است.
کاربردهای هوش مصنوعی
از جمله صنایعی که بیشترین استفاده را از ربات‌ها و هوش مصنوعی کرده‌اند به ترتیب عبارتند از صنعت اتوماسیون که حدود 103 هزار واحد از این صنعت از ربات‌ها استفاده کرده‌اند و بعد از آن حوزه صنایع الکترونیک است که شامل 91 هزار بنگاه می‌شود. صنایع فلزات، مواد شیمیایی و غذایی به ترتیب با 29 هزار، 20 هزار و 8 هزار به ترتیب در رده‌های بعدی قرار دارند. اگر بخواهیم به کشورهای پیشرو در حوزه هوش مصنوعی اشاره کنیم به دو روش می‌توان این کار را انجام داد:
1. بر اساس تعداد شرکت‌هایی که از هوش مصنوعی بهره می‌برند؛ حدود 2905 شرکت در ایالات متحده قرار دارند که مبتنی بر هوش مصنوعی هستند و در این راستا چین با 709 شرکت در رده دوم است. بریتانیا با 366 و هندوستان با 233 و کانادا با 228 در رده‌های بعدی قرار گرفته‌اند.
2. بر اساس حوزه رباتیک و تولید آن؛ طبق آمار منتشر شده کشورهای ژاپن، چین، ایالات‌متحده، کره‌جنوبی و آلمان به ترتیب کشورهای پیشتاز در حوزه تولید هوش مصنوعی به شمار می‌روند. بازیگران و شرکت‌های کلیدی در حوزه ساخت ربات‌ها عبارتند از‌ ABB، KUKA، Fanuc، کاواساکی و «شرکت الکترونیک یاشاوا». به عنوان مثال شرکت ژاپنی «یاشاوا» که رتبه اول در ساخت ربات‌ها را دارد حدود 23 درصد کل بازار رباتیک را پوشش می‌دهد.
گزارش مکنزی
موسسه مک‌کنزی در پژوهشی به بررسی تاثیر هوش مصنوعی و ربات‌ها بر نیروی کار پرداخته و برآورد کرده است تا سال 2050 حدود 800 میلیون کارگر در سراسر جهان در نتیجه توسعه هوش مصنوعی و ارتقای ربات‌ها در بخش‌های مختلف، شغل خود را از دست خواهند داد. این موسسه همچنین اعلام کرده است هم کشورهای توسعه‌یافته و هم در حال توسعه از این فرآیند متاثر خواهند شد. اپراتورهای دستگاه‌ها، کارگران فست‌فود و کارمندان اداری در میان کسانی هستند که بیشترین تاثیر منفی را از ارتقای هوش مصنوعی در شغل‌های مختلف می‌گیرند. مک‌کنزی همچنین نوشته برآورد کرده است حتی اگر سرعت رشد هوش مصنوعی در مشاغل مختلف پایین باشد باز هم در 13 سال آینده حدود 400 میلیون نفر در سراسر جهان شغل خود را از دست خواهند داد و در این راستا باید حرفه‌های دیگری را برای خود دست و پا کنند.
مک‌کنزی اما سویه‌‌ دیگر این وضعیت را نیز توضیح داده و آن اینکه در نتیجه افزایش ربات‌ها و هوش مصنوعی در مشاغل مختلف شغل‌های جدیدی ایجاد خواهد شد که البته شامل نیروی کار متخصص و تکنسین‌های جدید خواهد شد. به همین خاطر بسیاری از افراد برای وفق دادن خود با این شرایط مجبورند برای تطبیق با شرایط شغلی جدید آموزش‌های لازم را ببینند که این امر وظیفه دولت‌هاست تا بتوانند در این باب و بر اساس نیاز صنایع مختلف امکانات آموزشی را برای مردم ایجاد کنند و به نوعی مهارت‌زایی کنند.
افزایش هوش مصنوعی در صنعت و بازارهای مالی گریزناپذیر است و اکنون تمامی ‌کشورها به دنبال این هستند که سرمایه‌گذاری‌های بیشتری روی هوش مصنوعی انجام دهند. در نتیجه این افزایش باید امکانات آموزش و فراهم کردن تکنسین‌ها برای مشاغل مختلف نیز فراهم شود. کشورهایی که بیشترین تاثیر را از رشد هوش مصنوعی در صنعت و اتوماسیون می‌گیرند عبارتند از چین، هندوستان، ایالات متحده، ژاپن، مکزیک و آلمان. در اهمیت هوش مصنوعی باید این جمله ولادیمیر پوتین را به خاطر داشت که: «هرکشوری که رهبری هوش مصنوعی را در دست داشته باشد، رهبری جهان را در دست خواهد داشت».
هوش مصنوعی و بازارهای سهام
بازارهای مالی از جمله حوزه‌هایی است که اخیرا‌ هوش مصنوعی در آن راه پیدا کرده است و شرکت‌های بزرگ حوزه بازارهای سهام و ارز از این ابزار برای تجزیه و تحلیل داده‌ها از آن استفاده می‌کنند. سوالی که در اینجا مطرح می‌شود این است که هوش مصنوعی چگونه می‌تواند در بازارهای سرمایه مورد استفاده قرار بگیرد؟ وال‌استریت با استفاده از هوش مصنوعی و بخش‌ها و ابزارهای مهم آن مانند «یادگیری ماشین» (Machine Learning) و یادگیری عمیق (Deep Learning) می‌تواند میلیون‌ها داده‌ای را که در زمان واقعی اتفاق می‌افتد، تجمیع کند و بسیاری از همبستگی‌ها که با روش سنتی نمی‌توان به دست آورد، با استفاده از هوش مصنوعی به راحتی به دست می‌آیند.
«یادگیری عمیق» که به آن «یادگیری سلسله‌مراتبی» نیز می‌گویند و در چند سال اخیر بسیار مورد اقبال قرار گرفته بخشی از یک خانواده بزرگ‌تر روش یادگیری ماشین بر مبنای «بازنمایی‌هایی یادگیری داده» است. بسیاری از بازنمایی‌ها تا حد زیادی از طریق تفسیر پردازش اطلاعات و الگوهای ارتباطی در یک سیستم بیولوژیک‌ عصبی از قبیل رمزگذاری عصبی الگو گرفته‌اند که تلاش می‌کند رابطه بین چندین محرک و پاسخ‌های مرتبط با آن را تعریف کند. بر مبنای همین کارکرد یادگیری عمیق یا سلسله‌مراتبی که بنیان اصلی هوش مصنوعی را تشکیل می‌دهد، بسیاری از سازمان‌ها یادگیری عمیق هوش مصنوعی را برای کارکردهای مختلف مورد استفاده قرار می‌دهند. یک نمونه بسیار آشکار استفاده از هوش مصنوعی توسط شرکت فیس‌بوک مورد استفاده قرار می‌گیرد که به آن تکنولوژی DeepMind می‌گویند و کارهایی از قبیل تگ کردن اتوماتیک عکس‌ها را با قراردادن نام افراد روی آنها انجام می‌دهد.
هوش مصنوعی و صندوق‌های سرمایه‌گذاری
شرکت‌های بزرگ وال‌استریت همیشه در تلاش هستند تا بتوانند افرادی را از شرکت‌های گوگل، مایکروسافت، اپل و آی.‌بی.‌ام واتسون استخدام کنند تا به این شرکت‌ها کمک کنند که خوشه‌های عظیم هوش مصنوعی را برای استفاده از معامله و سرمایه‌گذاری ایجاد کنند.
در سال‌های گذشته تعداد بسیار کمی ‌از صندوق‌های تامین سرمایه و نهادهای عظیم مالی از قبیل «گلدمن ساکس» از تکنولوژی هوش مصنوعی برای سرمایه‌‌گذاری و جمع‌آوری منابع کافی برخوردار بودند. حتی امروزه نیز این تکنولوژی در بین بسیاری از شرکت‌ها و نهادهای مالی نیز رایج نیست. شرکت «کاووت» به عنوان مثال یکی از شرکت‌هایی است که در این راستا و برای سرمایه‌گذاری از هوش مصنوعی استفاده می‌کند. روز به روز استفاده از این تکنولوژی در بازارهای سرمایه بیشتر و بیشتر می‌شود و استفاده از روش‌های تحلیلی متکی بر هوش مصنوعی جای روش سنتی تحلیل انسان‌محور را می‌گیرد.
اخیرا یادگیری ماشین بیش از پیش چه در حوزه تحقیق و توسعه و چه در حوزه کاربردی در حال گسترش و تکامل بوده است. یادگیری عمیق یا سلسله‌مراتبی یک تکنولوژی جدیدی است که در تمامی‌ حوزه‌ها رسوخ کرده و به مردم کمک می‌کند تا تعداد زیادی از منابع داده‌ها را مدیریت کنند و سپس از این طریق به الگوهای جدیدی دست می‌یابند که به آنها در برآورد معامله، تصمیمات سرمایه‌گذاری و تفکرات جدید برای ورود در بازارهای سرمایه کمک شایانی می‌کند. به همین دلیل است که اکنون بسیاری از شرکت‌های بزرگ در حال سرمایه‌گذاری روی هوش مصنوعی هستند تا بتوانند عملکرد موفقی در بازارهای سرمایه داشته باشند.
هوش مصنوعی و تجزیه تحلیل سهام
اکنون هزاران سهام برای انتخاب در بازار سرمایه وجود دارد و تجزیه و تحلیل آنها بسیار کار دشوار و البته ترسناکی است، اما با استفاده از هوش مصنوعی می‌توان در مدت زمان بسیار کوتاهی داده‌ها را جمع‌آوری کرد، به تمامی ‌اخبار مربوط به سهام در‌ شبکه‌های اجتماعی و وبلاگ‌ها توجه کرد و هزاران سهم را در یک بازه زمانی واقعی رصد کرد و بهترین ایده‌ها را از این فرآیند دریافت کرد. از این رو امروزه استفاده از این تکنولوژی در بازارهای سهام در حالت خاص و بازار سرمایه در حالت عام اهمیت بنیادی دارد. به عنوان مثال در شرکتی مانند «کاووت» که تماما متکی بر تجزیه و تحلیل داده‌ها بر اساس هوش مصنوعی است دارای نرم‌افزاری به نام «کای اسکور» است که تحلیل‌های بنیادین، تکنیکال و روند حرکتی سهام را رصد می‌کند و در اختیار معامله‌گران قرار می‌دهد و این نرم‌افزار بر اساس خروجی‌ این داده‌ها و مدل‌های ایجاد شده می‌تواند سهم را رتبه‌بندی کند.
اکنون معامله‌گران، کانال‌های خبری بسیاری دارند که از خلال آنها اخبار مربوط به داده‌های سهام را رصد می‌کنند اما استخراج اطلاعات از این مجموعه داده‌های ساختاربندی‌نشده بسیار اهمیت دارد به همین دلیل این تکنولوژی جدید بیش از پیش برای معامله‌گران اهمیت پیدا می‌کند تا بتوانند این داده‌های بدون ساختار و چارچوب را مدیریت کنند. این روند حتی برای وال استریت نیز یک تکنولوژی جدید به شمار می‌رود چرا‌که آنها هنوز هم در این راستا متکی به روش سنتی انسان‌محور هستند. با استفاده از یادگیری ماشین و نیز یادگیری عمیق یا سلسله‌مراتبی اکنون می‌توان اطلاعات مربوط به این داده‌های ساختاربندی نشده را ساختاربندی کرد و تعداد زیادی دیدگاه برای معامله‌گران فراهم کرد که پیش از این ممکن نبود.
هوشمند مصنوعی و تحلیل احساس
ما هر روزه به صورت طبیعی تمامی ‌این فرآیندها را در پردازش زبانی انجام می‌دهیم که این امر بدین معناست که می‌توان سیستمی ‌داشت که از خلال آن بتوان معنای چیزی را که مردم می‌گویند، برداشت کرد. در هنگام انتقال اخبار، این امر می‌تواند برای بعضی شرکت‌ها مثبت یا منفی باشد و این همان چیزی است که در فرآیند تحلیل روانشناختی، آن را «تحلیل احساس» می‌نامند. یکی از ابزارهایی که هوش مصنوعی برای تجزیه و تحلیل داده‌ها می‌تواند به کار بگیرد، در واقع چیزی است که می‌تواند احساسات و هیجانات را تحلیل کند و بر این اساس احساسات معامله‌گران، معنای اخبار، وبلاگ‌ها و نیز داده‌هایی از انواع معاملات را جمع‌آوری می‌کند. این امر از طریق جمع‌آوری مجموعه داده‌هایی پنهان و مخفی صورت می‌گیرد که بر اساس آن می‌توان فهمید که کدام شرکت یا کدام رئیس هیات مدیره در حال خرید یا فروش سهام است و تلاش می‌کند تا داده‌های کمی‌ استخراج شده از معاملات را با احساسات معامله‌گران همگرا کند و از این طریق می‌توان بهتر فهمید که مردم درباره مجموعه سهام خاص، چه فکری می‌کنند.
حوزه دیگر استفاده از هوش مصنوعی در بازارهای مالی بحث شناسایی الگوهای چارت است که در وال استریت به افرادی که این کار را انجام می‌دهند، «چارتیست» می‌گویند. شرکت‌ها، تحلیلگرانی را استخدام می‌کنند که هر روزه به چارت‌ها نگاه می‌کنند و الگوهایی را از خلال آنها شناسایی می‌کنند، اما با به کارگیری تکنولوژی هوش مصنوعی می‌توان هر سهم را اسکن و تمامی ‌الگوهای چارتی کلاسیک آن را پیدا کرد، بدون اینکه نیازی به استفاده از انسان باشد و این امر باعث صرفه‌جویی در زمان می‌شود و فرصت‌های معامله‌گیری بیشتری را در اختیار معامله‌گران قرار دهد.
بعضی از کاربردهای هوش مصنوعی در بازارهای مالی
یادگیری ماشین بخشی از فرآیند پیچیده هوش مصنوعی را تشکیل می‌دهد و دارای کاربردهای بسیار در بازارهای سرمایه است و می‌تواند فرآیند معامله‌گری را تسهیل کند. بعضی از کاربردها به صورت زیر هستند:
1. مدیریت پرتفوی
در بحث چشم‌اندازهای مالی بحث «ربات مشاور» تا چند سال پیش کاملا ناشناخته بود اما اکنون شرکت‌هایی تاسیس شده که بر همین بنیان فعالیت می‌کنند. این اصطلاح غلط‌انداز است و به هیچ عنوان شامل ربات‌ها نمی‌شود. برعکس «ربات – مشاور»ها شامل الگوریتم‌هایی هستند که فعالیت‌شان قاعده‌مند کردن سبدهای سرمایه‌گذاری مالی بر اساس اهداف و ریسک‌های مورد نظر کاربر است. شرکت‌هایی از قبیل «بترمنت»، «ولث‌فرانت» و... در این حوزه فعالیت می‌کنند. کاربران این سیستم‌ها، اهداف (مثلا بازنشستگی در سن 65 سالگی با 250 هزار دلار سرمایه)، سن، درآمد و وضعیت کنونی دارایی‌های‌شان را وارد می‌کنند. سپس «ربات – مشاور» سرمایه‌گذاری مورد نظر را بر تمامی‌ طبقه‌بندی‌ دارایی‌ها و ابزارهای مالی در اختیار کاربر توزیع می‌کند تا هدف مورد نظر کاربر را به دست بیاورد. همچنین این سیستم روی تغییرات در اهداف و نیز تغییرات در بازه‌های زمانی مورد نظر در بازار همیشه باز است و بهترین مسیر را برای رسیدن به هدف کاربر فراهم می‌کند.
2. معامله الگوریتمی
معامله الگوریتمی‌ که به آن «سیستم‌های معامله خودکار» نیز گفته می‌شود شامل استفاده از سیستم‌های پیچیده هوش مصنوعی برای افزایش سرعت تصمیمات سرمایه‌گذاری و معامله است. سیستم‌های الگوریتمی ‌غالبا هزاران یا میلیون‌ها معامله را در روز انجام می‌دهند و «معامله‌گری با سرعت بالا» در واقع زیرمجموعه معامله‌گری الگوریتمی است. بیشتر صندوق‌های تامین سرمایه و نهادهای مالی رویکردهای هوش مصنوعی مورد استفاده خود را افشا نمی‌کنند، اما بر این باورند که یادگیری ماشینی و عمیق یا سلسله‌مراتبی تصمیمات معامله‌گری را در یک زمان واقعی قاعده‌مند می‌کند.
3. کشف کلاهبرداری مالی
سیستم‌های قدیمی ‌کشف کلاهبرداری مالی تا حد زیادی وابسته به مجموعه‌های پیچیده‌ای از قوانین و قواعد بودند اما سیستم کشف کلاهبرداری مدرن، فراتر از دنبال کردن فاکتورهای خطرآفرین می‌رود و بر مبنای آن پتانسیل‌های جدید تهدیدات امنیتی در مورد اطلاعات شرکت‌ها را قاعده‌مند می‌کند. با استفاده از یادگیری ماشین، سیستم‌ها می‌توانند فعالیت‌ها یا رفتارهای منحصربه‌فرد آشفتگی را کشف کنند و آنها را برای تیم امنیتی ارسال کنند.
4. فرآیند بیمه‌گری و وام‌دهی
بیمه‌گری و وام‌دهی یکی از مهم‌ترین کارهایی است که یادگیری ماشین و هوش مصنوعی می‌تواند در بازارهای مالی وارد آن شود. نگرانی‌های زیادی درباره فرآیند بیمه کردن و وام‌دادن روی دوش شرکت‌هایی وجود دارد که در این حوزه فعالیت می‌کنند. الگوریتم‌های یادگیری ماشین می‌توانند به گونه‌ای تنظیم شوند که میلیون‌ها داده مشتریان را که شامل سن، شغل، وضعیت مالی و نیز فرآیند وام‌دهی یا بیمه کردن را پردازش کنند. همچنین روندهای بنیادی که با الگوریتم‌ها قابل تحلیل هستند و نیز تجزیه و تحلیل روندهایی که ممکن است بر وام‌دهی و بیمه کردن تاثیر بگذارند از ویژگی‌های به کارگیری هوش مصنوعی در شرکت‌های بیمه‌ای و نهادهای بانکی است.

کاربرد هوش مصنوعی در بازارهای سهام

پیش‌بینی شاخص بورس

گزارش کارگاه «هوش مصنوعی و کاربرد آن در بازارهای مالی»

کارگاه« هوش مصنوعی و کاربرد آن در بازارهای مالی» در تاریخ هفتم بهمن‌ماه با تدریس جناب آقای وحید شیرازی و جناب آقای عطا افتخاری برگزار شد. ایشان متخصص بازار­های مالی و فعال در زمینه تکنولوژی هستند. در ابتدا افراد شرکت­‌کننده به معرفی خود پرداختند و مختصری از رزومه تحصیلی و کاری خود را شرح دادند. کلاس به‌طورکلی از دو قسمت تشکیل‌شده بود. قسمت اول در رابطه با بازار ­مالی و قسمت دوم در رابطه با نقش تکنولوژی به‌خصوص هوش مصنوعی در این بازار­ها صحبت شد.

قسمت اول: سیستم مالی: هر جریان پولی که بین شخصی یا نهادی که مازاد سرمایه و تمایل به سرمایه­‌گذاری دارد و فرد یا نهادی که نیازمند پول است شکل گیرد، سیستم مالی را شکل می­‌دهد. ارکان بازار مالی: در بخش سرمایه‌گذار، موسسه مالی و بخش سرمایه‌­پذیر جامعه، عمل انتقال پول در مؤسسات مالی مختلف مانند بانک‌ها و در زمان اتفاق می­‌افتد. به‌علاوه تأمین مالی صورت می‌گیرد. با توجه به پیشینه افراد شرکت­‌کننده، بازار مالی موضوع صحبت جلسه، بازار سهام بود. افرادی که در این بازار فعالیت می­‌کنند ­می­‌توانند سهام شرکت‌ها را بخرند و از سود شرکت‌ها نفع ببرند. درواقع هدف اصلی بازار سهام سود بردن افراد نیست، کارکرد مهم‌­تر آن کشف قیمت و ارزش­‌گذاری شرکت‌ها می‌باشد. در شرکتی که در بورس به‌صورت سهامی عام خریدوفروش می­‌شود، افراد می­‌توانند با مشاهده­‌ی صورت‌های مالی و سود شرکت تصمیم به خریدوفروش سهم بگیرند و با توجه به معاملات انجام‌شده، قیمت واقعی سهام آن مشخص می‌گردد. ضرب تعداد سهام در قیمت سهام آن، کل ارزش بازار شرکت را تعیین می‌­کند. تا زمانی که یک شرکت در بورس نیست، کارشناسان مالی مختلف قیمت­‌های متفاوتی را برای شرکت تعیین می­‌کنند. یکی از کارکرد­های بازار سهام برای افرادی است که در فضای استارتاپی کار می­‌کنند. استارتاپی که هنوز محصولش را وارد بازار نکرده است، نمی‌­تواند از بانک پول بگیرد و باید سراغ سرمایه‌گذار برود و با دادن بخشی از سهام شرکت به آن‌ها تأمین سرمایه کند. که این کار در بازار سهام صورت می­‌گیرد. به‌علاوه معمولاً سرمایه‌گذار نمی­‌خواهد تا آخر در یک استارتاپ بماند و تمایل دارد روزی بتواند سهام خود را بفروشد. امکان این کار برای سرمایه‌گذار نیز از طریق بازار سهام فراهم می­‌شود.

سؤالی که ممکن است ایجاد شود این است که چرا باید سهم خود را در بازار بفروشیم؟ در هر بازاری که سرمایه­‌گذاری انجام گیرد، از حدی بیشتر نمی­‌توان پول درآورد. چون عموم شرکت‌هایی که در بازار هستند در دوره بلوغ خود بوده، در نتیجه معمولاً اندکی بیشتر از تورم سود به دست می‌آید. بنابراین افراد (کارآفرینان) تمایل دارند کاری کوچک (استارتاپ) درست کنند و آن­ را گسترش دهند و در انتها آن را به افرادی که فقط پول‌دارند، بفروشند. در هر بازار مالی نرخ بازده مورد انتظاری وجود دارد. چنانچه بخواهیم در بازار سهام سرمایه­‌گذاری غیر­مستقیم بکنیم و به دلایلی مانند نبود اطلاعات و وقت کافی و … مستقیماً اقدام به خرید سهم نکنیم، سراغ صندوق‌های سرمایه­‌گذاری مشترک (mutual fund) می­رویم. به این صورت که افراد مختلف پول خود را در صندوق می­گذارند و مدیریت صندوق تصمیم می­گیرد با آن پول در بازار سهام چه سهامی بخرد، چقدر بخرد و کی بفروشد. ولی اگر بخواهیم مستقیم در بازار سهام خریدوفروش کنیم و هر روز با توجه به وضعیت بازار و تحلیل خودمان، اقدام به خریدوفروش سهم کنیم، باید دسترسی به سامانه معاملات آنلاین داشته باشیم. اینجاست که کارگزاری‌ها وارد کار می­شوند. درواقع ما از طریق کارگزاری‌ها در بازار سهام معامله انجام می‌دهیم. کارگزاری‌ها به معاملات رسمیت می‌دهند و سندی ایجاد می­‌شود که خریدار مالک سهمی شده است و در ازای آن مبلغی را سرمایه‌گذاری کرده است.

قسمت دوم: برای معاملات در بازار سهام در سطح پیشرفته، نیاز به بررسی عوامل مختلفی است. از آنجایی‌که حجم داده‌ها بسیار بالاست، مغز انسان به دلیل محدودیت­‌های بیولوژیکی قادر به تجزیه‌وتحلیل به‌موقع اطلاعات نیست. اما ماشین می­‌تواند به‌صورت الگوریتم وار این داده‌ها را مرتب کند و الگو­ها را تشخیص دهد و با توجه به آن تصمیم به خرید یا فروش سهم بگیرد و شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد. مشخصاً چنانچه وارد این حوزه نشویم به‌زودی قادر به رقابت با سایرین نخواهیم بود. هم‌اکنون ۶۵ درصد معاملات در امریکا به‌صورت (high frequency trading) HFT انجام می‌گیرد و سرعت دریافت اطلاعات در حد چند میلی­ ثانیه اهمیت دارد. در ادامه در مورد کسب­‌و­کار­های موفق در دنیا و کشور و همچنین ارزش بازار آن‌ها نیز توضیح داده‌شده. نکته قابل‌توجه این است که شرکت‌هایی که در حوزه تکنولوژی هستند، در سال‌های اخیر رشد قابل توجه‌­ای داشته­‌اند. در آینده نیز حوزه تکنولوژی وارد سایر قسمت‌ها می­‌شوند. دو حوزه مالی و سلامت از محتمل‌ترین بخش‌هایی است که تکنولوژی وارد آن‌ها می­‌گردد و بخشی از سهم بازار آن‌ها را می­‌گیرد. در حاشیه جلسه در مورد عوامل مهم برای سرمایه­‌گذار جهت سرمایه­‌گذاری در استارتاپ‌ها و ارزش­‌گذاری استارتاپ­‌ها صحبت شد. دو فاکتور مهم یکی اندازه فرصت و جدید بودن ایده و دیگری تیم می‌باشد. در کشور­های پیشرفته انسجام تیمی و کارگروهی به‌خوبی دیده می­شود ولی ایده­‌های ناب کمی وجود دارد. برعکس در ایران کار تیمی کمتر دیده­ می­‌شود و در صورت داشتن تیم خوب امکان موفقیت بسیار بیشتر است زیرا فرصت­‌ها بیشتر هستند. در قسمت دوم جلسه مثال‌های متنوع در حوزه تکنولوژی مالی و نقش هوش مصنوعی در آن بررسی شدند. آسان پرداخت، آتیه داده‌پرداز و ترب شرکت‌های مورد بحث داخلی و two sigma و kensho وbigcoin و… به­‌عنوان کسب‌­و­کار­های موفق خارجی معرفی شدند.

گزارش کارگاه هوش مصنوعی و کاربرد آن در … | | ستاک: ستاد توسعه ایده های کارآفرینانه-دانشگاه صنعتی شریف

کاربرد های هوش مصنوعی و ماشین هایی که یاد می گیرند.

به راستی کاربرد های هوش مصنوعی چیست؟ قبل از پرداختن به این موضوع باید ابتدا با تاریخچه هوش مصنوعی آشنا شویم تا بهتر بتوانیم تصمیم بگیریم که چارچوب های این حوزه تا کجای ادبیات علمی انسان می گنجد.
۷ مورد از کاربرد های هوش مصنوعی

۱) پلیسی که هرگز نمی خوابد.

همانطور که می دانید سالانه شرکت ها و اشخاص حقیقی میلیون ها دلار بابت سرقت اطلاعات متضرر می شوند. بدافزار های مختلفی روز به روز بیشتر شده و راه های مقابله با آن ها پیچیده تر می شود. یکی از ویژگی های این موضوع در شناسایی و تشخیص بدافزارها می باشد و قبل از اینکه بتوانند وارد عمل شوند آن ها را نابود یا گزارش می کند.
۲) وقتی دستگاه های امنیتی احساس دارند.

عملیات های تروریستی در سطح دنیا امنیت فرودگاه ها و معابر عمومی را با مشکل مواجه کرده است. سرویس هایی هوشمند راهی برای بهبود دستگاه های امنیتی بوده که علاوه بر رصد واکنش های مردم از بوجود آمدن صداهای بی مورد امنیتی جلوگیری می کند.
۳) ربات های بیزینسمن

همه دوست دارند در بازار سهام و بورس معاملات سود آورد را پیش بینی کنند. یکی دیگر از کاربرد های هوش مصنوعی که بخشی از آن علوم کلان داده هاست، بهبود شرایط معاملات و پر سود بودن آن ها می باشد که بشدت مورد استفاده قرار گرفته است.
۴) پزشکی که ما را خوب می شناسد.

با پیشرفت علم در زمینه های پردازش داده و هوش مصنوعی سرویس هایی خلق و در حال ایجاد هستند، که با داشتن پیشینه بیمار و آگاهی از انواع بیماری ها قابلیت تشخیص دارند این سرویس ها بخاطر اینکه داده های قبلی بیمار را هم مد نظر می گیرند و از مشکلات آن ها با خبر هستند، در بسیاری از مواقع می توانند راهنمایی موثری را به بیماران داده و دستیاری مطمئن برای پزشکان محسوب شوند.
۵) بازاریابانی بدون حتی یک لحظه خستگی

ماشین ها یاد میگیرند و این تازه آغاز عصر باور کردن باور نکردنیهاست… رد پای هوشمند سازی کم کم در حوزه بازاریابی نیز احساس می شود. سرویس هایی که علایق شما را درک می کنند، اطلاعات شما را جمع آوری کرده و پیشنهاد هایی جذاب مطابق با سلیقه شما می دهند، این تنها بخش کوچکی از خدمات این حوزه در بازاریابیست.
۶) مبارزه با پول شویی

بگذارید این مورد را با یک مثال از شرکت پی پال توضیح دهیم، پی پال که روزانه توسط آن میلیون ها تراکنش انجام می شود، سرویسی هوشمند دارد که با تحلیل تراکنش ها می تواند از تبادلات مشکوک بین فروشنده و خریدار ها جلوگیری بعمل آورد.
۷) ماشین هایی هوشمند که دوست ما هستند.

تحقیقات انجام شده در زمینه ساخت ماشین های هوشمند این بینش را بوجود آورده است، که در سال ۲۰۲۵ صنعت خودرو سازی با استفاده از اینترنت اشیا و هوش مصنوعی می تواند علاوه بر اینکه وسیله ای نقلیه باشد یک دوست و همراه نیز هست که موسیقی مورد علاقه راننده را می گذارد و حتی میزان دما را بنا به سلیقه ی شخص کم یا زیاد می کند.

تهیه و تنظیم: محسن کاظمی فرد

تحریریه شناخت مگ
https://shenakhtmag.com/1396/05/18/%...-%DA%A9%D9%87/

کاربرد هوش مصنوعی در بازارهای مالی

فت‌وگو با مدیرگروه مهندسی رباتیک در پژوهشکده رباتیک دانشگاه امیرکبیر

ماموریت غیرممکن با هوش مصنوعی

هوش مصنوعی بیش از هر چیز به انسان کمک می‌کند تا حجم بسیار زیاد داده‌هایی را تحلیل کند که هر لحظه وارد شبکه‌های ارتباطی می‌شود. این کاری است که در دنیای امروز با حجم اطلاعات فراوان برای انسان غیرممکن است. هوش بدون اختیار و امکان انتخاب معنا ندارد و حتی هوش مصنوعی هم نمی‌تواند جلوی جاه‌طلبی‌های بشر را بگیرد. به همین دلیل هوش مصنوعی می‌تواند هم زندگی انسان را تهدید کند و هم فرصت‌های بیشتری برای توسعه دانش و فناوری فراهم آورد.

فرهنگ جهانی این تکنیک بزودی رایج و به مرور در جوامع مختلف بومی‌سازی می‌شود. یکی از نقش‌های هوش مصنوعی که تحول زیادی در دنیای ما ایجاد کرده، موضوع داده‌کاوی است. داده‌کاوی، شاخه‌ای بین‌رشته‌ای از علوم رایانه است که به صورت محاسباتی ارتباطات و الگوهای حجم زیاد داده‌ها را مطالعه می‌کند. داده‌کاوی در تقاطع یا محل برخورد رشته‌های هوش مصنوعی، یادگیری ماشینی (یادگیری بر پایه نرم‌افزار)، استاتیک و سیستم‌های مرکز داده (Data Base) قرار دارد و به کشف راه‌حل‌هایی برای استخراج داده‌ها می‌پردازد. با دکتر سعید شیری قیداری، عضو هیات علمی دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر و مدیرگروه دوره تحصیلات تکمیلی مهندسی رباتیک در پژوهشکده رباتیک دانشگاه امیرکبیر، درباره مفهوم هوش مصنوعی و کاربردهای ملموس آن گفت‌وگو کرده‌ایم. این روزها درباره داده‌کاوی و ربات‌هایی که این کار را انجام می‌دهند زیاد می‌شنویم. اینها در دنیای هوش مصنوعی چه می‌کنند؟
ربات‌هایی که برای داده‌کاوی از آنها استفاده می‌شود، در واقع یک قطعه کد نرم‌افزاری هستند که می‌توانند از یک رایانه به رایانه دیگر از داخل شبکه اینترنتی حرکت کنند. قابلیت انتقال این قطعه در برنامه‌های مختلف باعث شده به آنها کلمه ربات را نسبت دهند، اما اینها هیچ شباهتی به ربات‌هایی که موجودی فیزیکی هستند و عموم مردم می‌شناسند، ندارند. این ربات‌ها می‌توانند بین‌رایانه‌ها و برنامه‌های مختلف حرکت کنند و از منابع مختلف اطلاعات جمع‌آوری کرده و در اینجا مفهوم داده‌کاوی (DataMining) تداعی می‌شود. همان‌طور که افرادی در معدن به کاوش اطلاعات باارزش می‌پردازند، اینجا هم به دنبال اطلاعات باارزش خواهیم بود. همان‌طور که معدن حجم زیادی مواد باارزش دارد، وبگاه‌ها و اطلاعاتی که در اینترنت تولید می‌شود نیز حجم زیادی داده دارند. حجم داده‌ها معمولا این‌قدر زیاد است که ذهن انسان قادر به استخراج الگوی آنها نیست. بنابراین باید با تکنیک‌هایی، اطلاعات مفید را از دل این حجم زیاد اطلاعات استخراج کرد. به مجموع این تکنیک‌ها، داده‌کاوی و ابزارهای آن را ربات‌های داده‌کاوی می‌نامند.
این تکنیک‌ها در زندگی روزمره چه نقشی ایفا می‌کند؟
این ربات‌ها معمولا از تکنیک‌های هوش مصنوعی برای به دست آوردن سرنخ در مورد اطلاعات استفاده می‌کنند. برای مثال در یک روز ممکن است رایانه یک بانک میلیون‌ها تراکنش انجام دهد. بعضی از این تراکنش‌ها ممکن است تراکنش‌های مخرب باشد، تشخیص این تراکنش‌ها میان‌تراکنش‌های اصلی نیاز به الگوریتم‌های هوش مصنوعی دارد. با تکنیک‌های هوش مصنوعی و روش‌های احتمالاتی و بسیاری که برای این منظور ابداع شده است و هر روز هم به این روش‌ها اضافه می‌شود، می‌توانیم تشخیص دهیم کدام یک از تراکنش‌های انجام گرفته در یک بانک ممکن است مخرب باشد. مثال دیگر ارتباطات بین‌کاربران در شبکه‌های اجتماعی و تشخیص ساختار و الگوی مشخص میان آنهاست. وسعت این شبکه‌ها به قدری زیاد است که ذهن انسان از درک ارتباطات میان چنین شبکه‌هایی ناتوان است. در صورتی که تکنیک‌های هوش مصنوعی از طریق ساخت گراف‌ها و اتصالاتی که بین افراد شبکه‌های اجتماعی وجود دارد، اطلاعات مفیدی را درباره نحوه تعامل افراد داخل این شبکه‌ها به دست می‌آورند. بعضی اوقات اطلاعات بسیار زیادی تولید می‌شود که در مرحله اول ممکن است اهمیت آنها کشف نشود. برای مثال هر روز میلیون‌ها خودرو سوختگیری می‌کنند. الگوهای خاصی که در جایگاه‌های بنزین وجود دارد، تاثیر تعطیلات رسمی روی جایگاه‌های مختلف سوختگیری و ساعت‌های مختلف شبانه‌روز بررسی می‌شود تا الگویی برای توزیع بهینه سوخت به دست آید.
نمونه دیگر هنگامی است که داده‌های فارسی و انگلیسی زیادی را همزمان داشته باشید. برای مثال خیلی از روزنامه‌ها ممکن است خبری را از روی خبر اصلی به زبان انگلیسی یا فرانسه ترجمه کنند و همزمان خبر فارسی و انگلیسی یا فرانسه در دسترس است. به کمک هوش مصنوعی و با به دست آوردن حجم زیادی از این متون ترجمه شده، می‌توان از علم ترجمه آماری بهره برد که شاخه‌ای از ترجمه است و در حال حاضر بهترین نتیجه‌ها را ترجمه‌های آماری می‌دهند. در ترجمه‌های استاندارد کنونی به دنبال ساختار درست و رعایت کردن قواعد هستند، در حالی که امروزه تکنیک‌های هوش مصنوعی از روی حجم عظیمی از داده‌ها قواعدی را استخراج می‌کنند که ساختار زبان بدون آن که برای برنامه رایانه‌ای مشخص شده باشد، داخل آن وجود دارد. مترجم گوگل یا مترجم ایرانی «ترگمان» می‌تواند با کاوش در متون فراوان ترجمه شده قواعد و نحوه ترجمه از یک زبان به زبان دیگر را استخراج کند.
پس می‌توان گفت هوش مصنوعی در همه جنبه‌های زندگی انسان در آینده تاثیرگذار خواهد بود؟
در حدی که شما بتوانید تخیل خود را به پرواز درآورید، برای هوش مصنوعی کاربرد وجود دارد و هر جایی که فکر کنید کاربردهای هوش مصنوعی وجود دارند. در بحث‌های هنری هم کاربردهای هوش مصنوعی مشهود است. ساخت موسیقی کار بسیار سختی است. اگر حجم زیادی از موسیقی‌هایی که موسیقیدانان در طول زمان ساخته‌اند و مورد استقبال جوامع قرار گرفته است را داشته باشید، می‌توانید از دل آنها موسیقی جدیدی خلق کنید که دوباره مورد توجه قرار بگیرد. حتی در بحث نقاشی و شعر و بعضی کاربردهای فانتزی هم هوش مصنوعی می‌تواند ایفای نقش کند.
هوش مصنوعی دقیقا چیست و چه کارهایی می‌تواند انجام دهد؟
اگر بخواهیم هوش مصنوعی را به طور خلاصه تعریف کنیم، یک برنامه رایانه‌ای است که سعی می‌کند با تکنیک‌های ریاضی و آماری و الگوریتم‌های مختلف عملکردی را از خود نشان دهد که تا پیش از این در انحصار انسان بوده است. مثل بحث ترجمه که قبلا فقط در اختیار انسان بود، اما اکنون رایانه می‌تواند خودش الگوها را استخراج کند و متنی را ترجمه کند. ما چنین رایانه‌ای را دارای هوش مصنوعی می‌دانیم.
یکی از چالش‌های بزرگ بشر تشخیص چهره و شناسایی دستخط است که تا حد بسیاری به کمک تکنیک‌های هوش مصنوعی حل شده و حتی در مواردی از توانایی بشر هم فراتر رفته و دقت الگوریتم‌ها بیشتر از دقت کاربران انسانی است. یکی دیگر از کاربردهای هوش مصنوعی شناسایی پلاک خودروهاست. روزانه میلیون‌ها خودرو در شهر تردد می‌کنند و هزاران دوربین روی این خودروها نظارت دارند. هر لحظه میلیون‌ها شماره پلاک خودرو شناسایی می‌شود و کاربر نمی‌تواند اطلاعات این تعداد شماره پلاک را استخراج کند. با کمک تکنیک‌های هوش مصنوعی که فناوری‌های بومی برای آن در ایران وجود دارد نیز پلاک خودروها تشخیص داده می‌شود و اگر خودرویی اعلام سرقت شود، از مقابل اولین دوربین راهنمایی و رانندگی که عبور کند، به آسانی ردیابی می‌شود. این تکنیک‌هایی است که روزمره با آنها سر و کار داریم و فناوری‌های بومی حامی این راهکارها هستند. تکنیک‌های کنترل رفتار رانندگان و کاربردهای دیگر هوش مصنوعی در بحث ترافیک هم در آینده نزدیک به این مجموعه افزوده خواهد شد.
با گسترش هوش مصنوعی ترس انسان از این فناوری بیشتر می‌شود، این فناوری می‌تواند به انسان آسیب برساند؟
این ترس جنبه‌های مختلفی دارد؛ هوش مصنوعی چاقویی دو لبه است. فرض کنید امروز اعلام کنند خودرویی تولید شده است که از آخرین تکنیک‌های هوش مصنوعی استفاده می‌کند. این خودرو امنیت بالایی دارند و راننده می‌تواند در ماشین خود بنشیند و مطالعه کند و ماشین در بزرگراه‌ها و خیابان‌ها خودبه خود براند. طبیعی است هر کس به عنوان راننده دوست داشته باشد چنین خودرویی را در اختیار داشته باشد و سفر لذتبخشی را تجربه کند، اما از طرف دیگر باعث خواهد شد حدود 50 سال آینده شغلی به اسم رانندگی وجود نداشته باشد. اگر جامعه آمادگی مقابله با چنین بحرانی را نداشته باشد، هوش مصنوعی جایگزین بسیاری از شغل‌ها خواهد شد. این ساده‌ترین خطری است که هوش مصنوعی برای افراد دارد. در بحث‌های امنیتی هم با این که دوربین‌های کنترل ترافیک می‌تواند امنیت شهر را تامین کند، اما می‌تواند آزادی‌های فردی افراد را هم تحت تاثیر قرار دهد و همه اطلاعات کارهایی که فردی در طول روز انجام داده است می‌تواند در دسترس قرار بگیرد. بنابراین هوش مصنوعی در حالی که امنیت اجتماعی را تامین می‌کند، می‌تواند تهدیدی برای آزادی‌های فردی باشد. ممکن است افرادی که به نرم‌افزارهای هوش مصنوعی تسلط دارند زندگی را برای افراد دیگر محدود کنند. در کنار همه این خطرات آینده خواهد بود که نشان می‌دهد بشر می‌تواند در مقابل آنها بایستد یا اسیر دست ساخته‌های خود خواهد شد!

هوش مصنوعی چیست؟

هوش مصنوعی برنامه رایانه‌ای است که سعی می‌کند با تکنیک‌های ریاضی و آماری و الگوریتم‌های مختلف عملکردی را از خودش نشان دهد که تا پیش از این در انحصار انسان بوده است. مثل بحث ترجمه که قبلا فقط در اختیار انسان بود، اما اکنون رایانه می‌تواند خودش الگوها را استخراج کند و متنی را ترجمه کند. ما چنین رایانه‌ای را دارای هوش مصنوعی می‌دانیم. یکی از چالش‌های بزرگ بشر تشخیص چهره و شناسایی دستخط است که تا حد بسیاری به کمک تکنیک‌های هوش مصنوعی حل شده و حتی در مواردی از توانایی بشر هم فراتر رفته و دقت الگوریتم‌ها بیشتر از دقت کاربران انسانی است. یکی دیگر از کاربردهای هوش مصنوعی شناسایی پلاک خودروهاست. روزانه میلیون‌ها خودرو در شهر تردد می‌کنند و هزاران دوربین روی این خودروها نظارت دارند. هر لحظه میلیون‌ها شماره پلاک خودرو شناسایی می‌شود و کاربر نمی‌تواند اطلاعات این تعداد شماره پلاک را استخراج کند. با کمک تکنیک‌های هوش مصنوعی که فناوری‌های بومی برای آن در ایران وجود دارد نیز پلاک خودروها تشخیص داده می‌شود و اگر خودرویی اعلام سرقت شود، از مقابل اولین دوربین راهنمایی و رانندگی که عبور کند، به آسانی ردیابی می‌شود.

تجارت با تکیه بر هوش مصنوعی

ربات خودکار فارکس نوعی ربات هوش مصنوعی است که در خرده تجارت‌های آنلاین استفاده می‌شود. این ربات در واقع نرم‌افزاری است که با استفاده از استراتژی‌های پایه‌ای تجارت و الگوریتم‌ها از روش‌های ترکیبی شاخص‌های بورس برای تحلیل فنی اطلاعات بهره می‌برد. ربات تجاری فارکس جنبه‌های زمان‌بندی، قیمت و کمیت را بررسی می‌کند و در کنار آن کاربر به پارامترهای کیفی و موضوعاتی مثل ریسک‌های موجود می‌پردازد. این نرم‌افزار هوش مصنوعی توان تحلیل داده‌های بیشتری نسبت به انسان دارد و نوسانات بازار بورس که ممکن است از نظر روان‌شناسی انسان را تحت تاثیر قرار دهد، روی آن تاثیری ندارد. با وجود این استفاده از قوانین جدی و کارآمد برای جلوگیری از بروز مشکلات ضروری است. نکته مهم این است که هوش و مهارت این نوع هوش مصنوعی به خالق آن وابسته است و می‌تواند به راه سریعی برای خرید و فروش در بازار بورس یا راه تازه‌ای برای استفاده سودجویان تبدیل شود.
جام جم آنلاین - ماموریت غیرممکن با هوش مصنوعی

با پرکابردترین روش های هوش مصنوعی در بازار بورس آشنا شوید

تحقیقات بیشمار در زمینه بازار سهام نشان می دهد که بطور کلی بازار سرمایه نظم مشخصی نداشته و استفاده از ریاضیات پیچیده در سیستمهای غیر خطی و دینامیکی می تواند مدلهایی را ایجاد کند که نظریه های گذشته را باطل می سازد. در واقع در بسیاری از سیستمهای پیچیده و خصوصاً غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روشهای کلاسیک و تحلیلی امری بسیار دشوار حتی بعضاً غیر ممکن می نماید، از روشهای غیر کلاسیک که از ویژگیهایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردار هستند، استفاده میشود.
متخصصان بازار سرمایه برای سالیان متمادی بازار را مطالعه نموده اند و الگوهایی را فرا گرفته اند و پیش بینی ها را براساس آن انجام می دهند پیش بینی بازار سهام شامل تعاملات پیچیده مابین فاکتورهای موثر بازار و فرایندهای تصادفی ناشناخته می باشد.
استفاده از ریاضیات مالی و روشهای هوشمند و غیره مورد استفاده قرار گرفته است تا بتواند بیش از پیش این فاکتورها و فرایندهای پیچیده را شناسایی کرده و تاثیرات آنها را در پیش بینی وارد نماید. از میان این روشها بدلیل پیچیدگیهایی که بیان شد ، روشهای هوشمند ، توانسته است تا پیش بینی های دقیقتری ارائه دهند.
در روش های مبتنی بر هوش مصنوعی، الگوریتم های یادگیری ماشین وظیفه درک الگوهای موجود در بازار را بر عهده دارند. این الگوریتم ها رفتار بازار را می آموزند و برای پیش بینی آینده از آن استفاده می کنند. طراح الگوریتم، با انتخاب مناسب ماشین یادگیرنده،فراهم نمودن داده های ورودی مناسب برای ماشین، نظارت بر فرآیند یادگیری ماشین و در نهایت تحلیل خروجی های آن، امکان دستیابی به نتایج مطلوب را فراهم می سازد. او ممکن است از علت برخی از اعمال هوش مصنوعی خلق شده آگاه نباشد، ولی می تواند در جهت یادگیری قوانین بازار به آن کمک کند.
شبکه های عصبی مصنوعی، سیستمهای استنتاج فازی، روشهای محاسبات تکاملی و الگوریتم های یادگیری تقویتی ازپایه های اصلی دانش هوش مصنوعی هستند. این الگوریتم ها در کنار هم و با بکارگیری سیستم های مناسب پیش پردازش داده ها توان فوق العاده ای خواهند یافت؛ به گونه ای که مشاهده عملکرد برخی از این سیستم ها می تواند یادآور قابلیت های انسان باشد.
استفاده از شبکه های عصبی مصنوعی کارایی خود را در یافتن روابط غیر خطی موجود در دنیای واقعی به اثبات رسانیده و توان کشف رابطه میان داده ها بدون وجود اطلاعات مبسوط از امتیازات این الگوریتم هوش مصنوعی می باشد . فرار از نقاط بهینه محلی و رسیدن به نقطه بهینه سراسری قدرت این روش را حتی در قیاس با سایر الگوریتم های هوش مصنوعی به رخ می کشد.ولیکن وجود داده های فراوان قیمت سهام می تواند موجب از دست رفتن داده های مفید گردد ، انتخاب ورودی ها برای چنین سیستمهای پیچیده ای که ورودی واضحی ندارند و پالایش داده های ورودی حذف آنچه که ممکن است موجب انحراف و گمراهی در فرایند پیش بینی گردد می تواند بسیار مفید و سازنده بوده و به جریان پیش بینی کمک نماید.

https://poolinic.com/1396/08/13/%D8%...-%D8%A8%D8%A7/

اینتل به دنبال کاربردی‌ کردن هوش مصنوعی

به گزارش اقتصاد نیوز و به نقل از زومیت، اینتل از یک ابزار جدید با عنوان OpenVINO رونمایی کرد که استفاده از بینایی ماشین و یادگیری عمیق را در کاربردهای مختلف تسهیل می‌کند.
اینتل از ابزار جدیدی با عنوان OpenVINO رونمایی کرده که استفاده از ابزار‌های یادگیری ماشین را ساده‌تر می‌کند. این ابزار جدید که با عنوان OpenVINO (Open Visual Inference & Neural network Optimization) معرفی شده به توسعه‌دهندگان این امکان را می‌دهد تا یک هوش مصنوعی را بر روی بستری ابری –مانند TensorFlow، MXNet و Caffe- بسازند، آموزش دهند و در محصولات مختلف به کار ببرند.
این می‌تواند فوائد سرمایه‌گذاری‌های اخیر اینتل برای بهبود و شتاب فناوری‌های هوش مصنوعی مانند FPGA (field programmable gate arrays) ها و VPU (Movidius vision processing units) ها را بیش از پیش مشخص کند.
آدام برنز از اینتل می‌گوید:«بیشتر از یک معماری برای هوش مصنوعی وجود دارد.»
ابزار OpenVINO مجموعه‌ای از قابلیت‌های بهینه‌سازی و موتورهای اجرایی را در اختیار توسعه‌دهنده قرار می‌دهد که او را قادر می‌سازد تا مدل خود را بر روی معماری که برای کاربرد مورد نظرش بهتر است، اجرا کند. این معماری می‌تواند یک FPGA بهینه شده یا یک VPU بهبود یافته باشد. برای مثال در یک کاربرد مرتبط با خرده‌فروشی توسعه‌دهنده ممکن است بخواهد به صورت همزمان اطلاعات مربوط به گیت‌های ورود و خروج و دوربین‌ها را پردازش کند.
اینتل می‌گوید حوزه اینترنت اشیا بازارهای وسیعی در سراسر جهان پدید آورده است، بخشی از این بازار به خاطر رشد کاربردهای مربوط به بینایی ماشین و هوش مصنوعی‌ست. کسب‌وکارهای مختلف برای مقاصد گوناگون مختلف به هوش مصنوعی نیاز دارند. برن می‌گوید:
این کسب‌وکارهای شاید بخواهند اطلاعات کمتری را برای طولانی مدت ذخیره کنند، شاید محدودیت‌هایی در پهنای باند داشته باشند یا ممکن است بخواهند تصمیماتی سریع مبتنی بر اطلاعاتی که در اختیار دارند بگیرند.کسب‌وکار مربوط به اینترنت اشیا اینتل در چهارماهه اول سال رشد ۱۷ درصدی نسب به سال پیش داشته و ۸۴۰ میلیون دلار درآمد برای این شرکت به ارمغان آورده است.
ابزار OpenVINO می‌تواند در کاربردهای وسیعی در بازار مورد استفاده قرار گیرد. این کاربردها می‌تواند در صنعت، خرده‌فروشی، انرژی و داروسازی. برن می‌گوید همین حالا هم این ابزار به صورت وسیع مورد استفاده قرار می‌گیرد. برای مثال شهر دوبی از آن برای مدیریت شهر هوشمند و راه‌کارهای ترافیکی استفاده می‌کند. شرکت‌های دیگری مانند جنرال الکتریک، AgentVI، خدمات وب آمازون، دل و هانی‌ول.

https://www.eghtesadnews.com/%D8%A8%...88%D8%B9%DB%8C

سهم هوش مصنوعی در اقتصاد جهانی به ۱۶ تریلیون دلار می‌رسد

بکارگیری هوش مصنوعی می تواند موجب رونق تقریبا ۱۶ تریلیون دلاری در تولید ناخالص داخلی جهان تا سال ۲۰۳۰ میلادی شود.

به گزارش خبرنگار مهر به نقل از بلومبرگ انگلیسی، محققان در تازه ترین بررسی های خود متوجه شدند که بکارگیری هوش مصنوعی نه تنها تهدید کننده نیست بلکه به رشد اقتصاد جهانی و نیز افزایش بهره وری و مصرف، کمک قابل توجهی می کند.

این در حالی است که امروزه هشدارهایی در مورد بکارگیری ربات ها در صنعت و مختل شدن روند اقتصادی توسط آنها به دلیل از میان رفتن نقش های سنتی در اقتصاد به وسیله هوش مصنوعی مطرح می شود.
بر اساس برآوردهای انجام گرفته، بکارگیری هوش مصنوعی می تواند ۱۵ تریلیون و ۷۰۰ میلیارد دلار به اقتصاد جهانی تا سال ۲۰۳۰ کمک کند؛ این رقم بیشتر از تولید فعلی چین و هند است.
بر همین اساس، این میزان از سودهی هوش مصنوعی را می توان به دو بخش تقسیم کرد که سهم قسمت اول آن ۶.۶ تریلیون دلار در افزایش بهره وری که شامل روند صعودی در فرآیندهای تجارت اتوماسیون است و سهم قسمت دوم آن ۹.۱ تریلیون دلار به دنبال تاثیرات هوش مصنوعی در حوزه مصرف از قبیل «اسنپ های خرید کننده» است.
محققان بر این باور هستند که در آینده انسان در برابر ربات نخواهد بود بلکه انسان و ربات با یکدیگر می تواند بهتر از انسان عمل کنند.
رشد تولید ناخالص داخلی جهان در سال ۲۰۱۵ میلادی در حدود ۷۴ تریلیون دلار اعلام شده است که این رقم در سال ۲۰۳۰ میلادی با ۱۴ درصد افزایش به دلیل بکارگیری هوش مصنوعی در اقتصاد همراه خواهد بود.

https://www.mehrnews.com/news/401896...B1%D8%B3%D8%AF

مصاحبه با دن مارکین معامله گر بازارهای مالی

دنیل مارکین متولد 1970 در سنت پترزبورگ روسیه است. او در 8 سالگی به همراه خانواده به آمریکا مهاجرت کرد. والدین او تحصیل کرده بودند. پدرش زمین شناس و مادرش مهندس مکانیک بود. او همچنین یک خواهر دارد که 10 سال از خودش بزرگتر است. دن ازدواج کرده و 3 فرزند دارد. او اکنون در شهر کارلزبد ایالت کالیفرنیا ساکن است.
دن به عنوان کودکی که از روسیه به آمریکا مهاجرت کرده و به زبان انگلیسی تسلطی نداشته، در مدرسه سختی های فراوانی کشید، اما با سختی فراوان توانست خود را با محیط جدیدش تطبیق دهد. دن در دوران نوجوانی و دبیرستان ورزش هاکی را به صورت نیمه حرفه ای دنبال کرده و در مسابقات شرکت میکرد. او در سال 1989 از دبیرستان “بلیر” فارق التحصیل شد و به دانشگاه تگزاس در آستین رفت.
فلیپ اسمولن (شریک تجاری دن در ساخت شرکت “Trade-ideas” و همچنین مدیر فناوری این شرکت) از کلاس 9 ام دبیرستان با دن دوست نزدیک بوده است. آنها با هم در سال 1989 از دبیرستان “بلیر” فارق التحصیل شده و در خوابگاه دانشگاه تگزاس با هم در یک اتاق سکونت داشتند. فلیپ تحصیلات خود را در رشته علوم کامپیوتر ادامه داد در حالی که دن در رشته بازرگانی تحصیل میکرد. در سال 1992 دن مشغول تحصیل در دانشگاه اقتصاد لندن شد.
سوالاتی در مورد اینکه چگونه ایشان شروع کردند و چگونه شرکت “Trade-Ideas” بنیان گذاری شد را از ایشان پرسیدیم که در ذیل میخوانیم:
به عنوان سوال اول بگذارید بپرسم برای اولین بار چگونه به بازار سهام علاقه مند شدید؟
جالبترین چیز ها در زندگی بر اساس شانس و زمان بندی مناسب سراغ انسان می آیند تا چیز دیگر. در دانشگاه به گروهی پیوستم که به اسم “سیگما، آلفا، میکرو” شناخته میشدند. در آنجا با شخصی آشنا شدم که تا به امروز یکی از نزدیکترین دوستان من در زندگی است. اسم او “استیون گجولد” (فراچارت: Steven Geduld) است. تمام این ماجرا نشات گرفته از تاثیرات او بر زندگی من بود.
من و استیون به نوعی رفیق پایه هم بودیم و تمام کار ها را با هم انجام میدادیم. بعد از سال های اولیه دانشگاه، استیون من را به”آونچر” (فراچارت: در ایالت فلوریدا) دعوت کرد تا او را ببینم و با خانواده اش معاشرت کنم. استیون همیشه در سخنانش به این اشاره میکرد که خانه پدر و مادرش یک آپارتمان است. در ایام کودکی زمانی که در هوستون ایالت تگزاس با پدر و مادرم زندگی میکردم نیز تجربه زندگی در آپارتمان را داشتم و همواره دلم برای استیون بیچاره میسوخت.
زمانی که من به فرودگاه میامی رسیدم استیون به دنبالم آمد و با هم به آپارتمانش رفتیم. آپارتمانش در مکانی به نام “جزیره ویلیامز” (Williams Island) بود. نیاز به توضیح نیست که بعد از دیدن آپارتمان او دید من نسبت به آپارتمان به طور کلی تغییر کرد. آپارتمان انها حدود 470 مترمربع (5000 فوت مربع) وسعت داشت. آپارتمان چندین بالکن و یک دید 360 درجه به دریا و ساحل داشت. در همان لحظه یک یادداشت ذهنی برای خودم نوشتم با این مضمون که : “دنیل، هر اتفاقی که پیش آمد فقط از آقای گجولد بپرس که چه شغلی دارد.”
بعد ها معلوم شد که خانواده بهترین دوست من صاحب بزرگترین شرکت بازارگردان (فذاچاذت: مارکت میکر) در بازار نزدک (NAZDAQ) است. اسم شرکت (Herzog Heine and Geduld) بود. بله، همان “گجولد” معروف! من در آن سفر مفاهیمی را فهمیدم از جمله این که تریدر بودن به چه معناست، ریسک کردن چگونه است و مارکت میکری را به چه میگویند. همچنین فرق بین تریدر و یک بروکر را فهمیدم. قبل از آن هیچ تصوری نسبت به این مفاهیم نداشتم و در واقع فکر میکردم تریدر و بروکر یک چیز هستند.
رابطه دوستی من با استیون باعث ادامه دار شدن این آموزش ها شد. وقتی ما در سال 1994 از دانشگاه اقتصاد فارق التحصیل شدیم، استیون به نیویورک مهاجرت کرد تا مارکت میکر شرکت خودش شود و من هنوز مطمئن نبودم که چه کاری میخواهم انجام دهم.
ما از سوابق تریدری شما آگاه نبودیم تا اینکه مقداری جستجو کردیم، قابل تحسین است، استایل خاص ترید شما در آن زمان ها چه بود؟
اروین گجولد، پدر استیون، به من گفت که در مورد افرادی که به روش SOES (Small Order Execution System فراچارت: یک اصطلاح عامیانه و اسلنگ است و به معامله گرانی گفته می شود که خیلی سریع خرید و فروش می کنند و هدف انها کسب سود از تغییرات اندک قیمت است و در اصل همان سوپر اسکالپر ها هستند) ترید میکردند تحقیق کنم. او میگفت افرادی که از این سیستم استفاده میکنند پول زیادی به دست میاوردند و در حال شکست مارکت میکر ها هستند.
این موضوع خیلی برای من جالب بود و سازگار با تمایل درونیم در ارتباط با ریسک کردن بود. برای همین سریع به سراغ سیستم SOES رفتم و با شرکت Block Trading شروع به کار کردم. مجله اینک (Inc) یک مقاله در مورد ما چاپ کرد به عنوان :”پسران بد کپیتالیسم” (Bad Boys of Capitalism).
شرکت Block trading فراتر از هرگونه توانایی برای توسعه، گسترش یافت. آنها همچنین درک نکرده بودند که امکانات آنها از لحاظ تکنولوژی محدود است. آنها تمام نیاز های تکنولوژیک خود را به یک دفتر کوچک که اسمش را “سایبر تریدر (Cyber Trader) ” گذاشته بودند برون سپاری کردند. مسئولیت سایبر تریدر ساخت ابزار های مورد نیاز برای کمک به تریدر های SOES بود.
در سال 1996 ، من دفتری داشتم که به یک خط T1 متصل بود. در آن زمان سرعت اینترنت من سریع تر از اینترنتی بود که من و شما اکنون استفاده میکنیم. ما بازار های فیوچرز، اوراق قرضه و سهام را زیر نظر داشتیم. در زمان ما از دیتای سطح دو (فراچارت : منظور دیتایی که در آن میتوان علاوه بر قیمت حجم ها را مشاهده کرد) استفاده میکردیم قبل از آنکه اکنون دیگر مورد استفاده قرار نگیرد.
تریدر هایی که اکنون از دیتای سطح دو استفاده میکنند نمیخواهند قبول کنند که اکنون این دیتا ها بی معنی هستند. امروزه تمام اردر ها میتوانند دستکاری شوند، به این معنی که هیچ شرکتی تمام حجم را در یک قیمت نمیگذارد تا بقیه ببیند، این کار دیوانگی است و بر خلاف قوانین شرکت های سرمایه گذاری است. آنها کار های مختلفی میکنند تا مقاصد خود را از دید بقیه پنهان کنند. اما در زمان ما، مارکت میکر ها آنقدر باهوش و زیرک نبودند که بفهمند افراد دیگری میتوانند معاملاتشان را تماشا کنند.
همکاری مابین تریدر های SOES و شرکت اینترنت Select-Net به معامله گردان خرد برتری بیشتری نسبت به مارکت میکر ها را داد. آن زمان دوران نوآوری های سریع بود. جالب تر اینکه آستین (فراچارت: محل زندگی دن) سرمنشا تریدرهای SOES بود.
بسیار عالی. چه چیزی باعث شد به ایجاد نرم افزار گرایش پیدا کنید؟
مدیر شرکت Cyber Trader یک رابط کاربری زیبا به اسم “CyberTrader” تولید کرد که در واقع یک نسخه کپی از اولین نسل رابط کاربری به اسم “The Watcher” بود که توسط شرکت Datek تولید شده بود. آنها بهترین شرکت در این زمینه بودند و اولین شرکتی بودند که این نرم افزار را ساختند.
بعد ها آنها شبکه (Island ECN) را راه اندازی کردند که نقش بزرگی در اعشاری کردن قیمت ها داشتند.(فراچارت: قبل از ورود این تکنولوژی تغییرات کوچک قیمت ها در حد یک چهارم، نصف و سه چهارم دلار بود که بعد از انجام decimalization باعث شد اعداد اعشاری همچون 12.37$ به قیمت سهم ها اضافه شود)
برنامه Cyber Trader ایده بسیار خوبی بود، چون به خیلی از شرکت ها کمک کرد تا مشتریان بیشتری داشته باشند و تعداد کارمند هایشان را کمتر کنند. مشخص بود که نرم افزار است که حاکم بر بازار است. قصه رو کوتاه کنم، شرکت Block Trading یک سال پس از انتشار مقاله Inc بسته شد. شرکت CyberTrader یک دلال بروکر ایجاد کرد و بعد از آن توجه ها به سمت آن زیاد شد. در نهایت در سال 2002 شرکت Charles Schwab شرکت CyberTrader را به مبلغ 500 میلیون دلار خرید. در موردش فکر کنید.
از کجا ایده شرکت Trade Ideas به ذهنتان خطور کرد؟
در سال 1998 من یک تریدر SOES موفق بودم، پول زیادی به دست میاوردم و مردم میخواستند تا از استعداد من استفاده کنند. من توسط دفتر توسعه SOES به عنوان رهبر تریدر های شرکت استخدام شدم. شما تریدر های بیشتری را میتوانید جذب شرکت خود کنید وقتی آنها ببیند در واقع کسی هست که توانایی انجام آن کار را دارد، من آن شخص بودم.
من به شهر اروین ایالت کالیفرنیا نقل مکان کردم. شغلم را دوست داشتم و در کاری که میکردم مهارت داشتم. در تمام مدتی که در کالیفرنیا بودم فقط به این فکر بودم که پولم را به حدی برسانم که شرکتی شبیه CyberTrader برای خودم راه اندازی کنم. در آن زمان آنقدر ترید انجام داده بودم که حس خوبی داشتم از اینکه تریدر بهتری شده ام.
در سال 2000 مقاله ای در مورد من در چندین روزنامه چاپ شد، از جمله روزنامه “San Diego Union Tribune”. در نهایت به همراه یک تیم از افرادی که زمان کار در کالیفرنیا پرورش داده بودم، توانستیم 4 میلیون دلار در سال 2000 سرمایه گذاری کنیم تا شرکت نرم افزاری خودمان را داشته باشیم. ما 2 شرکت اروپایی توسعه نرم افزار با استفاده از مهارت های زبان روسی من و پولی که در اختیار داشتیم راه اندازی کردیم.
زمان بندی همه چیز است. در آن زمان ما با دو چالش مواجه شدیم. اولی انفجار حباب شرکت های الکترونیک بود که باعث شد خیلی از مردم ضرر های سنگینی دهند و بعد از آن خیلی از آنها دیگر تمایلی به سرمایه گذاری نداشتند. چالش دیگر حادثه 11 سمپتامبر 2001 بود که حتی وضعیت را از قبل هم بدتر کرد. با تمام شدن سال 2002 من به همراه تیم اصلی اولیه ام با ایده Trade Ideas شروع به کار کردیم. اولین مشتری آبونه ما در ژانویه سال 2003 به ما پیوست.
چه چیزی باعث شد که به سمت هوش مصنوعی (AI) بروید و به دنبال ایجاد یک نرم افزار هوش مصنوعی باشید؟
ما شرکت Trade Ideas رو ایجاد کردیم چون اعتقاد داشتم که من در مکان مناسب و در زمان مناسبی مهارت هایی را برای ارائه دادن داشتم. من فکر میکنم تقریبا غیر ممکن هست برای افرادی که اکنون وارد بازار میشوند آن احساسات را داشته باشند، پس چطور میشود آن احساسات را منتقل کرد؟ من تکنولوژیی میخواستم ایجاد کنم تا بتواند کاری را که من با احساساتم در زمان ترید انجام میدهم را به صورت اتوماتیک انجام دهد. و اینگونه بود که ما کار خود را شروع کردیم و رفته رفته از آن زمان در حال تکامل هستیم. برای ما هیچ خط پایانی وجود ندارد.”
در این مدت چه درس هایی یاد گرفتید که بتوانید با خوانندگان ما به اشتراک بگذارید؟
یکی از بهترین درس هایی که من در مدیریت سرمایه و سرمایه گذاری یاد گرفتم این بود که چه چیز هایی امکان پذیر است. در دهه دوم از زندگی خودم روز هایی بود که در یک روز 250 هزار دلار در آمد داشتم. تجربه و حس این درآمد برای یک نوجوان به طرز دیوانه کننده ای خوب و جالب است.
همچنین یاد گرفتم چقدر آسان میتوان جنگل را از بین درختان ندید! (فراچارت:اشاره به مردی که در میان درختان جنگل به دنبال جنگل بود). من در آن دوران هر روز سهام شرکت های Dell ، INTC ، CSCO و MSFT را میخریدم و میفروختم. چرا این کار را میکردم؟ در تلاش بودم تا روزی 500 دلار درآمد داشته باشم، اما این بزرگترین اشتباه من بود که اینگونه فکر میکردم. این طرز فکر شما را محدود میکند تا تنها به چیزی که جلوی چشم شما است (روزی 500 دلار) توجه کنید. من با این طرز فکر بزرگترین رشد این شرکت ها را از دست دادم. به عنوان مثال شرکت Dell از سال 1996 تا 2000 در حدود 35 برابر رشد کرد. اینگونه است که ثروت ها ساخته میشوند و من این ها را دیدم و فهمیدم که در مورد کدام شرکت ها صادق است.
بازار سهام مکان تغییر دادن در مقدار ثروت شماست. این بازار جزو معدود مکان هایی است که اگر خوش شانس باشید میتوانید به سرعت جایگاه اجتماعی خود را ارتقا دهید. من دیدم که این اتفاق میافتد و میخواهم به مردم کمک کنم تا آنها هم بتوانند این کار را انجام دهند.
چه خصوصیتی از نرم افزار شما باعث میشود تا در رقابت با بقیه خدمات اشتراکی که وجود دارد، مردم به سمت شرکت شما بیایند؟
نرم افزار ما اکنون در جایگاه بسیار خاصی قرارگرفته است. ما تنها تکنولوژی هوش مصنوعی در بازارهای مالی هستیم. تکنولوژی ما را نمیتوانند مهندسی معکوس کنند. مردم میتوانند این کار را تست کنند البته، اما از آنجایی که حتی خود ما نمیدانیم فردا هوش مصنوعی چه کاری انجام میدهد، این کار (مهندسی معکوس نرم افزار) یک کار بیهوده محسوب میشود. ما خیلی جلوتر هستیم، به خاطر این عرض میکنم که سابقه گروه ما بسیار زیاد است. دانشی که گروه ما با همکاری هم بر روی این پروژه قرار داده امروزه در جای دیگری موجود نیست.
بزرگترین تراژدی غم انگیز برای سرمایه گذاران خرد این است که همانطور که شهاب سنگ باعث نابودی دایناسور ها شد، انفجار حباب (فراچارت: سقوط سهام شرکت های کامپیوتری آمریکا) و حادثه 11 سمپتامبر باعث شد تا خیلی از سرمایه گذاران نابود شوند. در همان هنگام شرکت های سرمایه گذاری گفتند که مقصر افراد عادی ایی هستند که نباید در بازار باشند و باید بازار را به دست متخصصین بسپارند.
بله همانطور که میدانید همان متخصصینی که باعث بحران اقتصادی شدند. بیشتر از 16 سال است که مردم دائما پول خود را به سایر افراد میدهند. صنعت سرمایه گذاری، هنر انتخاب سهام را کُشت و به جایش همه افراد را بر روی یک شاخص جمع کرد. در بهترین حالت شاخص میانگین تمام سهم هاست.
اهداف آتی شرکت Trade Ideas چیست؟ آیا پروژه در حال انجامی دارید؟
هر موقع این اتفاق بیافتد مشتریان Trade Ideas زودتر از همه خواهند فهمید. در حال حاضر یک انقلاب تکنولوژیک در حال شکل گیری است. این انقلاب به حدی سریع و وسیع است که هیچ صنعتی توان فهم و قیمت گذاری بر روی آن را ندارد. خوشبختانه برای ما یکی از بهترین مکان ها برای بهره گیری از این انقلاب در بازار سهام است. هر چیز جدیدی در دنیا ابتدا در بازار سهام اتفاق میافتد.
Trade Ideas نهایت کاری است که شما میتوانید با اطلاعات بازار انجام دهید. اینکه تمام این اطلاعات به کجا ختم خواهند شد بسیار هیجان انگیز خواهد بود. بهترین قسمت این ماجرا این است که ما یک شرکت نوپا (استارت آپ) نیستیم. ما قبلا کارهایمان را انجام داده ایم و اکنون زمان آن است تا Trade Ideas پیروز شود.”
دوست دارید “میراث” شما به عنوان یک تریدر چه چیزی باشد؟
من میخواهم یکی از این افرادی باشم که بازی را در جهت مثبت تغییر میدهند.
عباراتی چون ‘تریدر روزانه، تریدر موج سوار، و سرمایه گذار بلند مدت’ تماما تصاویری منفی در ذهن شما ایجاد میکنند. ما تریدر روزانه رو به 95% افرادی که پولشان را در بازار از دست داده اند اطلاق میکنیم. تریدر موج سوار نیز بر اساس تعریف زودتر از مقداری که باید بازدهی مناسب را بگیرد از بازار خارج میشود، و سرمایه گذاران بلند مدت به عنوان افرادی که “هیچ موقع نمیفروشند” اطلاق میشود. من میخواهم تا مردم تمام این مفاهیم را فراموش کنند. بازار سهام جایی است که ما کشف میکنیم. ما هکر های ثروت هستیم.
ما به دنبال درمان سرطان هستیم، به دنبال تغییر ژن ها هستیم. ما در بازار سهام هستیم تا شناوری را بالا ببریم، شناوری را جمع کنیم و از عصر جدید اطلاعات استفاده بهینه بکنیم. عصری که در آن ما ابزار های عصر حجری تحلیل تکنیکال را فراموش خواهیم کرد و درگیر شیوه جدید خرد کردن دیتا های بزرگ به وسیله هوش مصنوعی خواهیم شد.
!فراچارت: کسانی که علاقه دارند می توانند به سایت دن مارکین واقع در این لینک مراجعه کنند: www.trade-ideas.com
مترجم: محسن پاشایی | انتشار:فراچارت

https://farachart.com/10009