کیا ڈیپ لرننگ کو مقداری تجارت کے لیے استعمال کیا جا سکتا ہے؟

• ### ہاں ، لیکن پیش گوئی نہ کریں (سوائے ہائی فریکوئینسی ٹریڈنگ کے)

میں نے بہت سے مضامین دیکھے ہیں، عوامی اشاعتیں، یا بروکرز، یہ کہتے ہوئے کہ گہری سیکھنے کے لئے تاریخی اشارے کے طور پر ان پٹ، ایل ایس ٹی ایم جیسے نیٹ ورک کا استعمال کرتے ہوئے مستقبل میں اسٹاک، مستقبل کی آمدنی کی پیش گوئی کرنے کے لئے، اور اس کے مطابق ٹریڈنگ کی حکمت عملی. میں نے اس طریقہ کار کو بنیادی طور پر آزمایا ہے، چاہے درجہ بندی کے ذریعہ یا واپسی کے ذریعہ پیش گوئی کرنے کے لئے، نتائج خراب ہیں. اور یہ کہ پیداوار ایک حرکت پذیر اوسط سے باہر نکلنے کے نتیجے میں ہے، یہ دلچسپ ہے.

یہاں اس بات پر بحث نہیں کی جارہی ہے کہ نئی ٹکنالوجی کے ذریعہ اسٹاک جیسی اثاثوں کی قیمتوں کی پیش گوئی کی جاسکتی ہے یا نہیں ، لیکن سب سے پہلے ، یہ واضح کریں کہ صرف چند آدانوں سے مستقبل کی پیش گوئی کیوں کی جاسکتی ہے۔ تاریخی اعداد و شمار پر مبنی مستقبل کی پیش گوئی کا یہ مفروضہ بہت مضبوط ہے ، اور ایک مضبوط مفروضے کے تحت ، ایک بلیک باکس کے ساتھ رن آؤٹ میں جیت کی شرح میں جدوجہد کے نتیجے میں ، تھوڑا سا کمزور ہے۔ یہ حقیقت میں استعمال کرنے کے لئے قائل کرنا مشکل ہے۔ یہی وجہ ہے کہ فیصلہ کرنے والے درخت جیسے الگورتھم کو مالی معاملات میں تھوڑا سا زیادہ استعمال کیا جاتا ہے۔

تو پھر اتنی اچھی نئی ٹکنالوجی کا اطلاق کیسے کیا جائے؟ گہری سیکھنے کے لئے تصویری درجہ بندی کے لئے موزوں ہے ، کلیدی یا تصویر اور نام کے مابین اعداد و شمار کے طول و عرض کا مستحکم تعلق ہے ، یہ تعلق کتنا پیچیدہ ہے ، لیکن یہ تعلق مستحکم ہے۔ مالی تسلسل مختلف ہے ، اور تاریخی اعداد و شمار مستقبل کی پیش گوئی کرنے کا منطق خود ہی غیر مستحکم ہے ، اس طرح کے پیچیدہ ٹول کا استعمال صرف اس کے نتائج کو مزید الجھا دیتا ہے۔ لیکن دراصل گہری سیکھنے میں ثانوی منڈیوں میں مقداری تجارت کے لئے بھی خاص طور پر موزوں ایپلی کیشنز موجود ہیں ، خاص طور پر جو میں نہیں کہنا چاہتا ہوں ، اس ایپلی کیشن کی خصوصیت یقینی طور پر مستحکم تعلق ہے۔

ٹویٹ ایمبیڈ کریں