Inteligência Artificial nas Finanças

Capítulo 11. Gestão dos riscos

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

Um obstáculo significativo à implantação de veículos autónomos (AV) em grande escala é a garantia de segurança.

Majid Khonji et al. (2019)

Ter uma melhor previsão aumenta o valor do julgamento. Afinal, de nada serve saber a probabilidade de chuva se não souberes o quanto gostas de ficar seco ou o quanto detestas andar com um guarda-chuva.

Ajay Agrawal et al. (2018)

O backtesting vetorizado permite, em geral, avaliar o potencial económico de uma estratégia de negociação algorítmica baseada em previsões no estado em que se encontra (ou seja, na sua forma pura). A maioria dos agentes de IA aplicados na prática tem mais componentes do que apenas o modelo deprevisão. Por exemplo, a IA dos veículos autónomos (AV) não é autónoma, mas sim acompanhada de um grande número de regras e heurísticas que restringem as acções que a IA toma ou pode tomar. No contexto dos veículos autónomos, isto diz respeito principalmente à gestão dos riscos, como os resultantes de colisões ou despistes.

Num contexto financeiro, os agentes de IA ou os bots de negociação também não são, em geral, utilizados tal como estão. Em vez disso, há uma série de medidas de risco padrão que são normalmente utilizadas, tais como ordens stop loss (trailing) ou ordens take profit. O raciocínio é claro. Ao fazer apostas direcionais nos mercados financeiros, devem ser evitadas ...