Las tendencias tecnológicas puede parecer desafiantes y lejanas, pero ya están aquí y hay organizaciones que requieren profesionales capacitados en éstas, así que si deseas emprender una carrera en Machine Learning, en este post encontrarás algunas de las preguntas que les realizan a estos profesionales en finanzas.

Las preguntas vienen de la experiencia de Sebastien Guglietta, codirector de «estrategias sistemáticas de inteligencia computacional» de Brevan Howard. Guglietta se unió a Brevan de Comac Capital, donde pasó 18 años como prop- gestor de cartera comercial y estratega senior. En estos días, se trata de aplicar la «inteligencia computacional» (es decir, el Machine Learning) al comercio sistemático, dirigiendo un equipo en Londres que parece estar compuesto por él y al menos otras tres personas.

• No elogies la simplicidad del Machine Learning

Cuando desarrollas un modelo, estás reduciendo la aparente complejidad de un sistema y luchando contra su incertidumbre inherente, dijo Guglietta. Pero un modelo superficial que intenta simular un sistema macroeconómico con una «estructura causal profunda» no va a funcionar. Añadió que hay enormes «interdependencias» en una economía: cada una tiene 100 características macro solas: «La simplicidad está muy sobrevalorada».

• No hable sobre VAR estructural

Guglietta no está interesado en VAR (es decir, autorregresión vectorial, un algoritmo de pronóstico), llamándolo una de las dependencias del modelo que produce solo «sutilezas algorítmicas superficiales».

• Citar a los grandes

Guglietta ama a Alan Turing, el criptógrafo que rompió el código nazi Engima. También ama a Ray Solomonoff, el inventor de la probabilidad algorítmica. Citar a estos grandes matemáticos podría romper el hielo con cualquier personas en Machine Learning o Inteligencia Artificial. investigador / entrevistador.

También debe estar familiarizado con la complejidad de Kolmogorov y el Teorema de probabilidad de Bayes. Guglietta también es fanática del concepto del ‘centauro’: una noción introducida por el campeón de ajedrez Garry Kasparov para describir los beneficios de combinar la inteligencia humana y la máquina (en esencia: una computadora puede vencer a un humano en el ajedrez, claro … pero un un humano asociado con una plataforma de IA puede vencer a una computadora en solitario sin ningún problema).

• No hables a favor de los datos por el bien de los datos

No todos los datos son iguales. «Cuando no estamos seguros de los datos, no los usamos», dijo Guglietta. “Siempre cambias el orden. No intercambias ruido. Si estás intercambiando ruido, detente.

• No presumas que puedes hacerlo todo

Guglietta también tenía algunas cosas que decir sobre la noción propagada por Marcos López de Prado de que los científicos de datos sin conocimiento del dominio financiero pueden idear modelos comerciales simplemente basados en patrones matemáticos.

«Si espera poner a 50 científicos de datos en una habitación y encontrar una solución, entonces buena suerte», dijo Guglietta. “Se necesitan comerciantes, economistas … se necesita experiencia. Los científicos de datos por sí solos no encontrarán una solución ”. En otras palabras, más conocimiento siempre es mejor. Tenga esto en cuenta al entrevistar específicamente para puestos de finanzas en TI.