Skapa din egen “robotfond”
Datum: 12 april 2021
Dagens Industri publicerade för en tid sedan några artiklar om Nordnets fiasko med sina algoritmstyrda “Smartfonder”, utvecklade i samarbete med investmentbanken J.P. Morgan, Tydligen var algoritmerna inte anpassade till den extrema volatilitet Corona-krisen skapade, vilket fick till följd att algoritmerna missade att anpassa sina innehav både till det inledande raset, men även till den därpå följande branta uppgången. Sammantaget ledde detta till att fonderna tappade ca 15% samtidigt som marknaden och konkurrerande fonder gick plus-minus noll (cirka).
Exakt vilka metoder algoritmerna är baserade på framgår inte av de artiklarna, men begrepp som “smart teknologi”, “robotsparande”, “automatisk rebalansering” eller helt enkelt bara “annorlunda” för tankarna till moderna IT-begrepp som “Data Science”, “Machine Learning” och “Artificial Intelligence” eller bara “AI” kort och gott. Att en stor investmentbank var/är involverad indikerar också att det kan röra sig om komplicerade grejer, med mycket intellektuellt arbete och avancerad programmering bakom algoritmerna.
Så skulle det kunna vara, men som gammal algo-trader tycker jag resultatet var undermåligt och frågade mig själv, “hur svårt kan det vara nuförtiden att lära sig det senaste inom machine learning och algoritmisk trading?” På “min tid” - dvs för bara några år sedan - kunde man läsa om machine learning och algoritmisk trading på universitetsnivå. Själv betalade jag bra pengar ur egen ficka för privilegiet att ta flera kurser online, utgivna av ett antal amerikanska toppuniversitet. Hur är läget nu, bara några år senare, “vad händer om jag gör en sökning på ‘learn algorithmic trading’, på YouTube?”
Jo, det dyker upp “hur mycket som helst”, som uttrycket lyder. Massor och massor (vi pratar förmodligen tusentals) med videos om hur man börjar programmera i Python (förmodligen det populäraste programmeringsspråket i dagsläget), utbildningar i algoritmisk trading och seminarium i machine learning och AI. Det mesta inte mer än några månader gammalt och mycket lite är äldre än tre år, vilket indikerar att det produceras nytt material i en strid ström hela tiden, med de senaste algoritmerna inom trading och machine learning, av intelligenta unga människor.
Idag har det dessutom blivit så enkelt att programmera att du kan göra det direkt i din internetbrowser. Om du har använt Googles Chrome browser så har du säkert redan upptäckt att den kan husera sina egna applikationer för ordbehandling, kalkylark och presentation, precis som MS Office. På samma sätt är browsern idag även förberedd för att du själv skall kunna lära dig programmera i t ex Python.
Efter att ha ögnat igenom innehållet från några leverantörer fattade jag tycke för leverantören “Computer Science” och klickade för en prenumeration. Här följer ett litet axplock av relativt färska videotitlar från just denna leverantör:
- Stock Trading Using Bollinger Bands & Python
- Algorithmic Trading Using Money Flow Index & Python
- Stock Prediction Using Python & Machine Learning
- Stock Market Sentiment Analysis Using Python & Machine Learning
- Predict Stock Prices Using Machine Learning & Python
Samtliga strategier ovan kan du lära dig att själv programmera direkt i din Chrome browser om du bara skriver in följande adress: https://colab.research.google.com/. Emellertid har jag ingen aning om hur just denna leverantör står sig i konkurrensen. Det finns helt enkelt så mycket nyproducerat material av så många leverantörer att det inte går att bedöma. Poängen jag vill komma till är att “Robotfonder” eller “Smartfonder” inte längre är några märkvärdigheter. Informationen och verktygen är numera helt gratis, endast en Googlesökning bort. Tillsätt endast egen tid.
Thomas Stridsman Sjövy
Har du frågor eller kommentarer hör av dig till: redaktionen@safereturn.se