Nas negociações de FX, a inteligência artificial (IA) é a tecnologia com o maior potencial de transformação para as análises preditivas. Mas o desenvolvimento de um aplicativo de IA quase sempre esbarra em deficiências de dados e de outros recursos. Confira, neste post, como uma joint venture entre a Refinitiv e o Banco da China conseguiu superar esses desafios e transformar novas ideias em realidade em um curto espaço de tempo.
- A Refinitiv e o Banco da China fizeram uma parceria para lançar um aplicativo inovador baseado em Inteligência Artificial (IA) que utiliza as previsões de sinais do Eikon for FX trading. A ferramenta associa o poder das máquinas e o conhecimento humano para alcançar seus objetivos.
- Os dados da Refinitiv são fundamentais para a inovação em Inteligência Artificial (IA). Eles ajudam na criação de aplicativos de IA, onde o ponto de partida é escolher os conjuntos de dados corretos e combiná-los para maximizar os retornos financeiros.
- A plataforma aberta do Eikon permite que os clientes criem seus próprios aplicativos e compartilhem rapidamente as inovações em fintech com a comunidade global. As APIs da Refinitiv também permitem uma integração perfeita do conteúdo com o sistema do cliente, que comporta suas inovações.
A idea de utilizar inovações em IA para a negociação cambial vem ocupando a mente dos profissionais do setor já há algum tempo. Agora, no entanto, devido aos desenvolvimentos na área de Big Data e Machine Learning (ML), essa possibilidade torna-se cada vez mais real, com os traders de FX usando esses avanços como base para análises preditivas.
O Banco da China vem realizando operações de câmbio há mais de 70 anos. E, apesar de recorrer a algoritmos de Deep Learning para prever o movimento dos preços de FX há somente alguns anos, o seu Departamento de Gerenciamento de Ativos Digitais fez progressos significativos.
Desafios da inovação em IA e negociação cambial
Existem quatro grandes desafios para o emprego da Inteligência Artificial no trading de FX. Confira a seguir:
Dados – É bastante complexo saber quais tipos de dados e combinações de dados seriam os mais apropriados para o desenvolvimento de um modelo de negociação cambial baseado em IA. Outro desafio é como adquirir uma fonte de dados de alta qualidade no momento certo. No mundo do Machine Learning (ML), tudo isso é conhecido como engenharia de recursos (feature engineering).
Algoritmos – Existem muitos algoritmos em cada estrutura de Machine Learning (ML) projetada para diferentes propósitos. Novos algoritmos são inventados de tempos em tempos, enquanto os existentes vêm sendo aprimorados. Por exemplo: “reforçar o aprendizado” (reinforce learning) e “supervisionar o aprendizado” (supervise learning) são duas estruturas típicas de ML para análise cambial, mas há muitas outras opções em termos de seleção de algoritmo. Assim, sempre é complicado escolher estruturas e algoritmos eficazes de ML para diferentes tarefas de negócios.
Plataformas – Uma equipe dedicada à inovação precisa de uma plataforma que consiga integrar facilmente diferentes conjuntos de dados usados no processo de treinamento de Machine Learning e que também forneça energia computacional suficiente (GPUs/CPUs) para lidar com Big Data e acelerar o processo de treinamento.
Conhecimento do domínio – Uma máquina inteligente pode aprender, mas os objetivos dos negócios são sempre definidos pelas pessoas. Por isso, são necessários traders de FX que possuam conhecimento profundo a respeito do domínio (domain). Só assim, eles poderão fornecer informações sobre o mercado e ajudar as máquinas a utilizar sua experiência sobre o setor de maneira programática. O cientista de dados tem desempenhado um papel essencial nessa área, preenchendo lacunas entre tecnologia e negócios.
Clique aqui para ter acesso a informações do Refinitiv 2019 Artificial Intelligence / Machine Learning Global Study
Colaboração em aplicativos auxilia traders
O Banco da China se uniu a Refinitiv para lançar um novo aplicativo de previsão de preço cambial: o DeepFX. Ele é um app que integra o Eikon, mas desenvolvido pelo Departamento de Gerenciamento de Ativos Digitais do Banco da China. Ao utilizar dados confiáveis e de alta qualidade da Refinitiv, o modelo cambial baseado em IA do departamento foi aperfeiçoado de forma significativa, provando ser mais preciso e estável do que outras fontes usadas no passado.
A versão “Lite” é gratuita se o usuário já for assinante do Eikon. Os sinais de negociação gerados podem ser usados por traders ou pesquisadores de câmbio como referência da direção do trading a curto prazo. Além da precisão aprimorada dessa previsão, o DeepFX também estima a força de um sinal de negociação para ajudar a gerenciar uma posição.
O processo de construção do modelo levou em consideração muitos fatores que influenciam as taxas de câmbio do ponto de vista dos dados, mas também integrou as experiências e insights dos traders. Além disso, o modelo foi “treinado” com uma grande quantidade de dados históricos, que visa abranger o maior número possível de condições anormais para lidar de maneira semelhante com comportamentos extremos do mercado no futuro.
Um modelo, por exemplo, pode não se comportar corretamente durante a pandemia do Covid-19 a menos que tenha sido “treinado” com os dados da crise financeira de 2008 (ou de outra anterior). O DeepFX obteve um desempenho satisfatório e constante durante a atual crise, após ter empregado uma ampla variedade de dados históricos para o seu “aprendizado”.
Como diretor de soluções de negócios na equipe que cuida de conta de estratégias chave na Refinitiv, trabalhei em estreita colaboração com a equipe do Banco da China em inovação de plataformas. Juntos, conseguimos finalizar a solução para a integração entre dados da Refinitiv (API) e dados de Inteligência Artificial e de Machine Learning do Banco da China, transferência para a nuvem e o Eikon App –tudo em uma única camada de apresentação—, liberando o lançamento do produto com grande sucesso.
Na captura de tela do DeepFX (abaixo), dois modelos de Inteligência Artificial foram pré-treinados por algoritmos avançados de Deep Learning e dados da Refinitiv no back-end.
Na tabela do lado esquerdo, o Sinal 1 mostra o resultado de um modelo que emprega uma estratégia agressiva, enquanto o Sinal 2, de um modelo diferente, com estratégia relativamente conservadora.
Ambos são capazes de prever o movimento dos preços de câmbio de curto prazo de seis principais pares de moedas e gerar sinais de negociação a cada cinco minutos. O valor resultante do Sinal 1 ou do 2 varia de -1 a 1, e indica uma posição recomendada pelo modelo; o símbolo “+/-” representa a direção de negociação sugerida (“+” para longo prazo e “-” para curto prazo).
No lado superior direito do gráfico pode-se conferir até 10 dias com resultados dos testes anteriores dos dois modelos para o par de moedas selecionado. A linha de compra e manutenção (BAH) no gráfico é a linha de base para as métricas de desempenho dos dois modelos.
Como a Refinitiv pode ajudar
Os dados refinados ajudam a aumentar a confiança dos clientes na inovação, à medida que o futuro das negociações será cada vez mais guiado por essas referências. Nossos dados de mercado coletam informações históricas e em tempo real de centenas de fontes e de parceiros especializados em todo o mundo, baseando-se em 25 anos de Tick History Data e cobrindo 500 locais ao redor do globo e colaboradores de terceiros.
Qualidade do conteúdo, cobertura e extensão dos dados históricos da Refinitiv são fatores fundamentais para criar um aplicativo de Inteligência Artificial.
A plataforma aberta do Eikon é um ótimo recurso para facilitar a inovação do cliente. Isso porque permite o desenvolvimento e a conexão a uma ampla variedade de APIs e aplicativos inovadores que ajudam a obter as informações necessárias e criar soluções. E, diferentemente dos modelos “fechados”, o Eikon é um catalisador de inovação no setor global de serviços financeiros.
Nossa comunidade global do Eikon, com mais de 300 mil profissionais, também auxilia os usuários a colaborar de maneira mais eficaz –e em escala global.
Os bancos chineses se beneficiaram significativamente da globalização. Em primeiro lugar, a sua capacidade na área de fintech será visível para mais de 300 mil profissionais em todo o mundo por meio do Eikon App. Enquanto isso, a equipe do Banco da China também pode aprender com outros bancos internacionais, inspirando-se na forma como eles administram as inovações de fintech. Por meio dessa comunidade global, idéias e soluções brilhantes podem ser constantemente compartilhadas e, sobretudo, implementadas.
A moderna API de nosso produto, com suporte para Python, provê amplo acesso a conteúdo de qualidade. Além disso, a integração perfeita da API com a infraestrutura de Machine Learning dos clientes ajuda a capacitar suas plataformas e a agilizar o trabalho de mineração de dados e execução de análises.
Ecossistema de inovação
A análise preditiva é apenas uma parte do fluxo de trabalho de negociação cambial. Existem muitos desafios complexos na área de FX, e eles exigem não apenas inovação em Inteligência Artificial, mas também a alavancagem do maior número possível de recursos.
Um ecossistema de inovação é um conceito importante para ajudar a solucionar esses desafios. Afinal, nesse ambiente é possível atingir os objetivos por meio da combinação de todos os recursos disponíveis e colaboração eficiente.
O Refinitiv Labs vem agindo para construir um ecossistema de inovação da Refinitiv com nossos clientes, parceiros e colegas a fim de gerar novas oportunidades de negócios.
Enquanto isso, tenho atuado como uma espécie de ponte entre nossas principais contas estratégicas e nosso laboratório, e continuarei trabalhando em equipe para identificar os pontos problemáticos dos clientes e fazer pleno uso de nosso ecossistema de inovação para ajudá-los a resolver seus desafios nos negócios.
