Kemeruapan Pasaran dan Kebangkitan Dagangan Automatik Semasa Awal 2010-an
Kongsi
Pengenalan
Pada separuh pertama 2010-an, Purata Industri Dow Jones mengalami kenaikan berterusan walaupun terdapat beberapa gangguan ekonomi global yang besar. Ini termasuk krisis hutang Eropah, kesan daripada penghentian sementara hutang Dubai World, dan krisis had hutang AS pada tahun 2011. Pada masa yang sama, bank-bank pusat — terutamanya Bank Rizab Persekutuan AS — melaksanakan dasar kewangan yang mudah, termasuk pelonggaran kuantitatif, untuk menstabilkan pasaran.
Tempoh volatiliti ini bertepatan dengan kenaikan yang ketara dalam sistem perdagangan automatik dan algoritmik. Penyelidikan akademik dari tempoh tersebut dan analisis kemudian mencadangkan bahawa kemajuan dalam kecerdasan buatan, pembelajaran penguat, dan strategi algoritmik memainkan peranan yang semakin meningkat dalam aktiviti pasaran saham, termasuk dalam indeks utama seperti Dow Jones.
Perdagangan Algoritmik sebagai Daya Pasaran yang Meningkat
Penyelidikan dalam kejuruteraan kewangan menunjukkan bahawa sistem perdagangan automatik menjadi lebih menonjol kerana pasaran menjadi digital dan keupayaan pemprosesan data meningkat.
Pakar #1: Pengarang Kajian MDPI
Penyelidik dalam teknologi kewangan
Penggunaan perdagangan algoritmik telah meningkat secara signifikan dengan kemajuan dalam kuasa pengiraan dan analisis data.
Sumber: MDPI, Jurnal Risiko dan Pengurusan Kewangan, 2024
https://www.mdpi.com/2504-2289/9/12/317
Kajian tersebut mencatat bahawa strategi automatik semakin digunakan untuk menganalisis jumlah data pasaran yang besar dan melaksanakan dagangan berdasarkan peraturan yang telah ditetapkan sebelumnya, bukan keputusan diskresionari.
Kecerdasan Buatan dalam Saham Dow Jones
Penyelidikan yang memberi tumpuan kepada komponen individu Dow Jones menyoroti penggunaan kecerdasan buatan yang semakin meningkat dalam pasaran ekuiti.
Pakar #2: Pengarang Kajian Academia.edu
Penyelidik dalam strategi pelaburan AI
Teknik kecerdasan buatan semakin digunakan dalam membuat keputusan pelaburan di pasaran modal.
Sumber: Academia.edu – Aplikasi Pelaburan Kecerdasan Buatan dalam Pasaran Modal
https://www.academia.edu/112539156/The_application_of_artificial_intelligence_investment_in_capital_markets_A_case_study_of_two_constituent_stocks_of_Dow_Jones
Kajian ini mengkaji bagaimana strategi berasaskan AI boleh digunakan pada saham yang termasuk dalam indeks Dow Jones, mencerminkan peralihan yang lebih luas kepada pendekatan pelaburan automatik dan berdasarkan data.
Pembelajaran Penguat dan Perdagangan Saham Automatik
Teknik pembelajaran mesin juga telah dikaji sebagai alat untuk perdagangan automatik di pasaran saham.
Pakar #3: Pengarang Kajian ResearchGate
Penyelidik dalam pembelajaran penguat mendalam untuk kewangan
Perdagangan automatik menggunakan pembelajaran penguat mendalam membolehkan sistem mempelajari strategi optimum daripada data pasaran.
Sumber: ResearchGate – Analisis Empirikal Perdagangan Saham Automatik Menggunakan Pembelajaran Penguat Mendalam
https://www.researchgate.net/publication/366838681_Empirical_Analysis_of_Automated_Stock_Trading_Using_Deep_Reinforcement_Learning
Kajian ini mencadangkan bahawa model pembelajaran penguat boleh menyesuaikan diri dengan keadaan pasaran yang berubah, yang mana ia sangat relevan semasa tempoh ketidakpastian ekonomi.
Kemajuan Teknologi dalam Sistem Perdagangan Algoritmik
Kemajuan dalam infrastruktur pengkomputeran juga telah menyumbang kepada pengembangan perdagangan automatik.
Pakar #4: Pengarang Kajian ACM
Penyelidik dalam sains komputer dan teknologi kewangan
Sistem perdagangan algoritmik moden bergantung pada teknik dan infrastruktur pengkomputeran canggih.
Sumber: ACM Digital Library, 2024
https://dl.acm.org/doi/full/10.1145/3745133.3745185
Sistem-sistem ini menggunakan pemprosesan data masa nyata, model ramalan, dan pelaksanaan automatik untuk bertindak balas dengan cepat terhadap perubahan pasaran.
Kegelisahan Pasaran dan Pendekatan Dagangan Sistematis
Tempoh tekanan ekonomi—seperti krisis hutang Eropah dan kebuntuan had hutang AS—mencipta peningkatan ketidakstabilan di seluruh pasaran global. Semasa keadaan sedemikian, strategi sistematik dan automatik mendapat perhatian kerana ia dapat bertindak balas dengan pantas kepada data baru dan melaksanakan dagangan tanpa gangguan emosi.
Kajian akademik menunjukkan bahawa sistem dagangan algoritmik dan berasaskan AI sering direka untuk menyesuaikan diri dengan perubahan persekitaran pasaran, menjadikannya sangat relevan semasa tempoh yang tidak stabil.
Kesimpulan
Awal 2010-an ditandai oleh ketidakstabilan pasaran yang ketara dan lonjakan kuat dalam indeks utama seperti Dow Jones. Pada masa yang sama, kemajuan dalam dagangan algoritmik, kecerdasan buatan, dan pembelajaran penguatan mula membentuk semula cara pasaran dianalisis dan didagangkan.
Penyelidikan akademik dan teknikal mencadangkan bahawa sistem automatik menjadi semakin penting pada tempoh ini, kerana ia menawarkan pendekatan berdasarkan data yang mampu bertindak balas terhadap perubahan ekonomi yang berlaku dengan cepat.
Rujukan
-
Pengarang Kajian MDPI. (2024). Dagangan algoritmik dan analisis pasaran kewangan. Jurnal Pengurusan Risiko dan Kewangan. Diperoleh dari https://www.mdpi.com/2504-2289/9/12/317
-
Pengarang Kajian Academia.edu. (2024). Aplikasi Pelaburan Berasaskan Kecerdasan Buatan dalam Pasaran Modal. Diperoleh dari
https://www.academia.edu/112539156/The_application_of_artificial_intelligence_investment_in_capital_markets_A_case_study_of_two_constituent_stocks_of_Dow_Jones -
Pengarang Kajian ResearchGate. (2023). Analisis Empirikal Dagangan Saham Automatik Menggunakan Pembelajaran Penguatan Dalam. Diperoleh dari
https://www.researchgate.net/publication/366838681_Empirical_Analysis_of_Automated_Stock_Trading_Using_Deep_Reinforcement_Learning -
Pengarang Kajian ACM. (2024). Sistem dagangan algoritmik dan teknik pengkomputeran. Diperoleh dari
https://dl.acm.org/doi/full/10.1145/3745133.3745185
