Kunstmatige intelligentie wordt steeds vaker gebruikt om grote hoeveelheden financiële gegevens te analyseren. Ook bij het volgen van de AEX kunnen algoritmes helpen om koerspatronen te herkennen, marktbewegingen te beoordelen en handelssignalen te ondersteunen.
Een AI-gestuurd handelssignaal is niet hetzelfde als een voorspelling die altijd uitkomt. Het is een uitkomst van een analysemethode waarin gegevens, modellen en vooraf bepaalde beslisregels samenkomen.
Beurstrading Nederland gebruikt een AI Trading Systeem dat zich specifiek richt op de AEX. Het systeem analyseert iedere beursdag de markt en bepaalt of de gevolgde handelsrichting long of short blijft of moet veranderen.
Maar hoe kan een algoritme eigenlijk een koerspatroon herkennen? Wat is het verschil tussen vaste handelsregels en kunstmatige intelligentie? En hoe betrouwbaar zijn signalen die met AI worden berekend?
Wat zijn AI-gestuurde signalen voor de AEX?
AI-gestuurde signalen voor de AEX zijn uitkomsten van geautomatiseerde marktanalyses waarbij kunstmatige intelligentie wordt gebruikt om gegevens te verwerken of patronen te beoordelen.
Het doel is om volgens een systematische methode informatie te verkrijgen die kan worden gebruikt bij handelsbeslissingen.
Een algoritme kan bijvoorbeeld onderzoeken of bepaalde koersontwikkelingen overeenkomen met patronen uit eerdere marktperioden. Vervolgens kunnen de uitkomsten worden gecombineerd met technische indicatoren of vooraf vastgelegde handelsregels.
Bij Beurstrading Nederland resulteert de analyse in één van twee handelsrichtingen:
- Long: de strategie is gericht op een mogelijke stijging van de AEX.
- Short: de strategie is gericht op een mogelijke daling van de AEX.
Het systeem kent geen neutrale handelsrichting. Een bestaand long- of shortsignaal blijft gehandhaafd totdat volgens de systeemregels een positiewisseling nodig is.
Dat betekent niet dat een abonnee verplicht is voortdurend belegd te zijn. De gebruiker bepaalt zelf of hij het signaal volgt en welke positie hij inneemt.
Welke marktgegevens kan kunstmatige intelligentie analyseren?
Een AI-model kan verschillende soorten gegevens verwerken. Welke informatie daadwerkelijk wordt gebruikt, hangt af van het ontwerp van het handelssysteem.
Bij koersgerichte analyses kunnen onder meer de volgende gegevens relevant zijn:
- historische openings- en slotkoersen;
- hoogste en laagste koersen per handelsdag;
- veranderingen in de richting en snelheid van een trend;
- koersschommelingen en volatiliteit;
- technische indicatoren;
- eerder waargenomen marktpatronen.
Een model kan bijvoorbeeld onderzoeken hoe de AEX zich ontwikkelde in eerdere perioden met vergelijkbare koersbewegingen.
Daarbij gaat het niet uitsluitend om de vraag of de index gisteren steeg of daalde. Ook de onderlinge samenhang tussen meerdere gegevens kan belangrijk zijn.
Dat is een van de toepassingen van kunstmatige intelligentie: het ondersteunen van analyses waarbij veel verschillende variabelen gelijktijdig worden beoordeeld.
Meer gegevens betekenen echter niet automatisch betere signalen. Onjuiste, onvolledige of weinig relevante gegevens kunnen juist tot verkeerde conclusies leiden.
Hoe ontstaat een AI-handelssignaal uit marktgegevens?
De weg van ruwe beursgegevens naar een handelssignaal bestaat doorgaans uit meerdere stappen.
1. Verzamelen van gegevens
Het systeem ontvangt marktinformatie, bijvoorbeeld historische en actuele koersgegevens van de AEX.
2. Verwerken en controleren
De gegevens worden geschikt gemaakt voor analyse. Hierbij is onder meer van belang dat ontbrekende waarden, onjuiste koersen en andere gegevensproblemen worden herkend.
3. Analyseren van koerspatronen
Algoritmes onderzoeken de beschikbare informatie. Afhankelijk van de gebruikte methode kunnen ze trends, veranderingen in volatiliteit of andere statistische verbanden beoordelen.
4. Toepassen van beslisregels
De uitkomsten worden verwerkt volgens de regels van de handelsstrategie. Daarbij wordt bepaald onder welke voorwaarden een bestaande handelsrichting wordt aangehouden of gewijzigd.
5. Bepalen van het handelssignaal
Het resultaat is een signaal dat aangeeft welke marktrichting de strategie volgt.
Dit is een algemene beschrijving van de opbouw van een algoritmisch handelssysteem. Niet ieder AI-systeem gebruikt precies dezelfde gegevens, modellen of beslisregels.
Ook is het niet vanzelfsprekend dat een AI-model iedere dag opnieuw wordt getraind. Een model kan met eerder ontwikkelde parameters werken, periodiek worden aangepast of volgens een andere methode worden onderhouden.
Wat is het verschil tussen vaste handelsregels en AI-modellen?
Een traditioneel handelssysteem kan volledig met vooraf vastgelegde regels werken.
Zo’n systeem kan bijvoorbeeld bepalen dat een bepaalde combinatie van technische indicatoren aanleiding geeft om de handelsrichting te wijzigen.
De programmeur heeft vooraf vastgesteld welke voorwaarden daarvoor gelden.
Bij kunstmatige intelligentie kan een deel van de analyse bestaan uit het herkennen van statistische patronen en verbanden in gegevens.
Een belangrijk onderscheid is hoe eenvoudig de werking van het model kan worden uitgelegd.
White-boxmodel: inzichtelijke beslisregels
Een white-boxmodel werkt met regels of berekeningen waarvan de werking relatief goed kan worden gevolgd.
Bijvoorbeeld: als een bepaalde technische voorwaarde wel of niet wordt bereikt, volgt daar volgens de ingestelde regels een specifieke uitkomst uit.
Het voordeel hiervan is dat doorgaans beter valt uit te leggen waarom een bepaalde uitkomst ontstaat.
Dat betekent overigens niet dat een white-boxmodel automatisch betrouwbaarder of winstgevender is.
Black-boxmodel: complexere patroonherkenning
Bij een black-boxmodel is de weg van de invoergegevens naar de uitkomst minder eenvoudig te verklaren.
Dergelijke modellen kunnen complexe statistische verbanden verwerken die niet gemakkelijk in een beperkt aantal handmatige regels zijn samen te vatten.
Het nadeel is dat het moeilijker kan zijn om precies vast te stellen waarom het model tot een bepaalde conclusie komt.
Ook een complex model kan patronen herkennen die achteraf weinig voorspellende waarde blijken te hebben.
Daarom is niet alleen de technische complexiteit belangrijk, maar vooral hoe goed het model wordt getest en hoe de uitkomsten in de praktijk worden gebruikt.
Hoe combineert Beurstrading Nederland verschillende analysemethoden?
Volgens de beschrijving van het AI Trading Systeem van Beurstrading Nederland worden twee analysemethoden gecombineerd.
Het white-boxgedeelte werkt met technische analyse, trendanalyse, price action en vooraf vastgelegde regels.
Daarnaast gebruikt het systeem een black-boxgedeelte om patronen in historische en actuele marktgegevens te analyseren.
De combinatie wordt gebruikt om iedere beursdag de handelsrichting voor de AEX te beoordelen en een draaipunt te berekenen.
De officiële AEX-slotkoers bepaalt vervolgens of de voorwaarden voor een positiewisseling zijn bereikt.
Daarbij is een belangrijk onderscheid dat de dagelijkse analyse en het daadwerkelijke veranderen van handelsrichting niet hetzelfde zijn.
Het systeem kan op opeenvolgende beursdagen tot dezelfde richting komen. In dat geval ontstaat er geen nieuwe positiewisseling.
De precieze modelparameters, gebruikte trainingsperioden en interne weging van de afzonderlijke analyses worden hier niet gespecificeerd. Zonder die informatie kunnen we geen uitspraken doen over bijvoorbeeld het exacte voorspellingspercentage of de bijdrage van ieder model aan het uiteindelijke signaal.
Praktijkvoorbeeld: hoe kan een algoritme een verandering herkennen?
Stel dat de AEX gedurende enkele handelsdagen achtereen stijgt.
De slotkoersen zijn in dit fictieve voorbeeld:
| Handelsdag | Slotstand AEX |
|---|---|
| Maandag | 1.000 |
| Dinsdag | 1.012 |
| Woensdag | 1.021 |
| Donderdag | 1.016 |
| Vrijdag | 1.003 |
Aan het begin van de week beweegt de AEX omhoog. Later neemt de stijging af en volgen twee dalende handelsdagen.
Een algoritme kan deze ontwikkeling analyseren en bijvoorbeeld beoordelen hoe de recente koersverandering zich verhoudt tot eerdere perioden met vergelijkbare patronen.
Ook kan een model onderzoeken of de omvang van de dagelijkse koersbewegingen verandert.
Maar uit deze vijf slotkoersen volgt niet automatisch een betrouwbaar shortsignaal.
Een daling na een stijging kan het begin van een grotere trendomslag zijn, maar ook een tijdelijke correctie binnen een bestaande stijgende markt.
Het model moet daarom volgens zijn eigen analysemethode bepalen hoeveel betekenis aan de beweging wordt gegeven.
Vervolgens kunnen de beslisregels van een handelssysteem bepalen of de bestaande long- of shortpositie moet worden aangehouden of gewijzigd.
Dit voorbeeld laat uitsluitend zien hoe koersgegevens als invoer voor een analyse kunnen dienen. De genoemde standen vormen geen echte AEX-historie en het voorbeeld beschrijft niet de exacte algoritmes of draaipunten van Beurstrading Nederland.
Waarom werkt het AI Trading Systeem met dagkoersen?
Het AI Trading Systeem van Beurstrading Nederland richt zich op dagkoersen.
Daarbij vormt de officiële slotkoers van de AEX het beslismoment voor een eventuele verandering van handelsrichting.
Deze aanpak verschilt van systemen die tijdens de handelsdag voortdurend nieuwe transacties uitvoeren.
Een koers kan gedurende de ochtend sterk dalen en in de middag weer herstellen. Wanneer uitsluitend de dagslotkoers bepalend is, leidt die tussentijdse beweging niet zelfstandig tot een positiewisseling.
Het gebruik van dagkoersen kan daardoor helpen om minder te reageren op kleine intradaybewegingen.
Daar staat tegenover dat grote marktveranderingen ook tijdens de handelsdag kunnen optreden. Een systeem dat op de slotkoers wacht, reageert niet noodzakelijk op het eerste moment waarop zo’n beweging ontstaat.
De keuze voor dagkoersen heeft dus gevolgen voor zowel het aantal signalen als het moment waarop een handelsbeslissing wordt bevestigd.
Bij Beurstrading Nederland blijft de bestaande handelsrichting gemiddeld meerdere dagen gehandhaafd. Volgens de eigen systeemomschrijving zijn er doorgaans ongeveer 2 tot 4 positiewisselingen per maand.
Dat gemiddelde biedt geen garantie voor het aantal wisselingen in een afzonderlijke maand of voor het uiteindelijke rendement.
Hoe test je of een AI-model betrouwbaar is?
Een belangrijk aandachtspunt bij AI-systemen is dat goede resultaten op historische gegevens niet automatisch betekenen dat een model in de toekomst goed blijft functioneren.
Bij het ontwikkelen en beoordelen van een handelsmodel kunnen verschillende controles worden gebruikt.
Historische toetsing
Een methode wordt toegepast op historische marktgegevens om te onderzoeken hoe zij onder eerdere omstandigheden zou hebben gereageerd.
Dat wordt vaak een backtest genoemd.
Testen op andere gegevens
Een model kan worden getoetst op gegevens die niet zijn gebruikt bij het ontwikkelen of afstellen ervan.
Zo wordt onderzocht of gevonden patronen ook buiten de oorspronkelijke ontwikkelgegevens bruikbaar blijven.
Controleren onder verschillende marktomstandigheden
Een handelsmodel kan anders reageren in een stijgende beurs, een dalende markt of een periode met uitzonderlijk grote koersschommelingen.
Daarom is het belangrijk om niet uitsluitend naar één gunstige marktperiode te kijken.
Doorlopende beoordeling
Ook nadat een model in gebruik is genomen, blijft controle van de prestaties belangrijk. Marktstructuren, koersgedrag en andere omstandigheden kunnen veranderen.
Het Amerikaanse National Institute of Standards and Technology (NIST) benadrukt binnen zijn AI Risk Management Framework onder meer het belang van validatie, betrouwbaarheid, robuustheid en toetsing onder de omstandigheden waarin een AI-systeem wordt gebruikt.
Deze controles kunnen het vertrouwen in een model ondersteunen, maar ze kunnen toekomstige beursverliezen niet uitsluiten.
Wat is overfitting bij AI en beursanalyses?
Een bekend probleem bij het ontwikkelen van handelsmodellen is overfitting.
Dit betekent dat een model te sterk is afgestemd op de kenmerken en toevalligheden van historische gegevens.
Stel dat een algoritme wordt aangepast totdat het uitstekend presteert op een specifieke periode uit het verleden.
De resultaten van die historische test kunnen indrukwekkend lijken. Maar wanneer het model wordt toegepast op nieuwe marktgegevens, blijken de eerder gevonden verbanden mogelijk niet bruikbaar.
Het model heeft dan vooral geleerd om de historische testperiode goed te beschrijven, zonder dat daaruit een betrouwbare methode voor toekomstige marktomstandigheden is ontstaan.
Daarom zijn onafhankelijke testperioden, realistische handelskosten en een kritische beoordeling van de gekozen parameters belangrijk.
Ook moet worden voorkomen dat een historische test informatie gebruikt die op het betreffende handelsmoment nog niet beschikbaar was. Dat zou de uitkomst kunstmatig gunstig maken.
Een overtuigende backtest is dus geen bewijs dat een handelssysteem ook in de toekomst winstgevend zal zijn.
Welke risico’s hebben AI-gestuurde handelssignalen?
Kunstmatige intelligentie kan analyses ondersteunen, maar neemt de onzekerheid op financiële markten niet weg.
Bij AI-gestuurde handelssignalen spelen verschillende risico’s.
Onbetrouwbare of onvolledige gegevens
Wanneer de ingevoerde gegevens fouten bevatten, kan de analyse eveneens verkeerde uitkomsten opleveren.
Veranderend marktgedrag
Een patroon dat in het verleden regelmatig voorkwam, hoeft onder nieuwe economische of financiële omstandigheden niet terug te keren.
Modelrisico
Ook wanneer de software technisch correct functioneert, kan het model verkeerde conclusies trekken of onvoldoende aansluiten op de marktomstandigheden.
Beperkte verklaarbaarheid
Bij complexere modellen kan het lastig zijn om precies te achterhalen welke factoren doorslaggevend waren voor een bepaalde uitkomst.
Handels- en uitvoeringsrisico
Een correct ontvangen signaal betekent niet dat een belegger tegen dezelfde koers kan handelen als waarop de analyse is gebaseerd. Bovendien hebben financiële producten verschillende kosten en risico’s.
De internationale Financial Stability Board (FSB) bespreekt in haar onderzoek naar AI in de financiële sector onder meer modelrisico, datakwaliteit, afhankelijkheid van technologie en de gevolgen van toenemende toepassing van AI.
Die aandachtspunten maken duidelijk dat technologische geavanceerdheid niet hetzelfde is als financiële betrouwbaarheid.
Kan AI voorspellen of de AEX gaat stijgen of dalen?
AI kan worden gebruikt om historische patronen te analyseren en mogelijke marktontwikkelingen statistisch te beoordelen.
Dat betekent niet dat toekomstige koersbewegingen met zekerheid kunnen worden voorspeld.
Beurskoersen reageren onder meer op onverwachte economische berichten, bedrijfsontwikkelingen, renteveranderingen en geopolitieke gebeurtenissen.
Niet iedere gebeurtenis is vooraf in de gebruikte marktgegevens zichtbaar.
Ook kan een patroon dat eerder een bepaalde koersontwikkeling voorafging, later een andere uitkomst krijgen.
Een AI-model kan daarom een hulpmiddel zijn om beslissingen systematischer voor te bereiden, maar het kan geen winst garanderen.
De waarde van een handelsmodel moet uiteindelijk worden beoordeeld aan de hand van zijn werkwijze, toetsbaarheid, risico’s en resultaten onder verschillende omstandigheden.
Is een AI-handelssignaal hetzelfde als automatisch beleggen?
Nee. Het gebruik van kunstmatige intelligentie bij de analyse betekent niet automatisch dat de software ook transacties uitvoert.
Een handelssysteem kan een signaal berekenen en beschikbaar stellen zonder toegang te hebben tot de beleggingsrekening van de gebruiker.
Dat is de werkwijze van Beurstrading Nederland.
Abonnees ontvangen iedere beursdag rond het middaguur informatie over de actuele handelsrichting en het draaipunt.
Na het dagslot wordt op basis van de officiële AEX-slotkoers duidelijk of de bestaande handelsrichting moet worden gewijzigd.
Een eventuele transactie voert de abonnee zelf uit via zijn eigen bank of broker.
De keuze voor het financiële product en de positieomvang blijft eveneens bij de belegger.
Daarbij is het belangrijk om te begrijpen dat bijvoorbeeld turbo’s, futures, CFD’s en opties verschillende risicokenmerken hebben. Sommige daarvan werken met een hefboom, waardoor verliezen snel kunnen oplopen.
Wat kun je als belegger van AI-gestuurde AEX-signalen verwachten?
AI-gestuurde signalen kunnen helpen om een vaste en systematische handelsmethode te volgen.
De belangrijkste mogelijke meerwaarde is dat marktgegevens consequent volgens dezelfde analysemethode worden beoordeeld.
Een algoritme wordt niet moe en hoeft tijdens de analyse geen persoonlijke mening te vormen over iedere nieuwe koersbeweging.
Toch verdwijnen menselijke keuzes daarmee niet volledig. Mensen bepalen welke gegevens worden gebruikt, hoe een model wordt ontwikkeld, welke handelsregels gelden en hoe het systeem wordt gecontroleerd.
Bovendien blijft de beslissing om een signaal te volgen bij de belegger zelf.
Voor Beurstrading Nederland betekent dit dat de technologie de dagelijkse analyse en signaalbepaling ondersteunt, terwijl de abonnee verantwoordelijk blijft voor de uitvoering en het financiële risico.
Wie AI wil gebruiken bij beleggen op de AEX, doet er daarom goed aan niet alleen naar het uiteindelijke long- of shortsignaal te kijken, maar ook naar de achterliggende methode, de beperkingen van het model en de risico’s van het gekozen beleggingsproduct.