Strojové učení na finančních trzích: funguje to v praxi, ale bude to fungovat v teorii?

Týdeník The Economist ve svém článku o nadvládě strojů na trzích píše: "Po 30 let kvantitativní investování začínalo hypotézou. Analytici poté tuto hypotézu testovali proti historickým datům a vyvozovali závěr, zda hypotéza platí. Nyní je pořadí obráceno: Začíná se daty a až poté hledá se hypotéza."

Tato citace vykresluje letitý svár mezi "idejemi" a "daty", který provází investory ženoucí se za nadvýnosem na akciových trzích. Měli bychom investovat na základě hypotézy o určité kauzální souvislosti vedoucí k nadvýnosu (např. "investice do malých firem, kvůli nižší publicitě a vyššímu riziku", "investice do společností s trvalou konkurenční výhodou"), nebo na základě jasně naměřeného výsledku (např. dobře známá strategie "momentum")?

Svět "hypotéz", který k nám promlouvá honosnými myšlenkami zasloužilých investorů Grahama, Dodda nebo Buffetta, se sice dobře poslouchá, ale v poslední době nedosahuje dobrých výsledků. Osvědčené přístupy jako hodnotové investování nebo jednoduché faktory odvozené od Fama-French přestaly fungovat (příliš uvolněná monetární politika, nebo prostě vývoj?), naopak pokrok ve výpočetní síle a programovacích jazycích otevřel výrazně cestu světu "dat".