Dan Ushman, PDG de TrendSpider – Série d'interviews

Daniel Ushman est le fondateur et PDG de TrendSpider, avec une carrière d'entrepreneur technologique depuis 2001 et une expérience dans le trading depuis 2008. Avant de créer TrendSpider, il a occupé le poste de directeur marketing chez SingleHop, une société de cloud computing qu'il a cofondée et qui a été acquise en 2018. Chez SingleHop, Ushman s'est concentré sur l'utilisation de logiciels pour automatiser les tâches techniques de routine, souvent gérées par les services informatiques. Son expérience en tant que trader l'a amené à reconnaître la nécessité d'automatisation des processus de trading, ce qui a inspiré la création de TrendSpider. Cette plateforme lui permet de fusionner son intérêt pour les marchés avec sa passion pour le développement de nouvelles technologies.

TrendSpider, fondée en 2016, a été créée pour remédier aux inefficacités des plateformes graphiques traditionnelles qui conduisaient souvent à des analyses incohérentes et à des erreurs coûteuses. La plateforme a depuis évolué pour devenir un outil d'analyse technique complet, qui se distingue par son moteur d'automatisation entièrement personnalisable et ses systèmes d'alerte avancés. TrendSpider permet aux traders de se débrouiller en leur fournissant des outils pour améliorer la précision et l'efficacité sans remplacer leur expertise.

Qu'est-ce qui vous a inspiré à créer TrendSpider et quels défis dans le monde du trading souhaitiez-vous relever pour les investisseurs particuliers ?

Dans mes entreprises précédentes, comme SingleHop, nous avons identifié les tâches chronophages et sujettes aux erreurs et avons développé une technologie pour les automatiser. Lorsque j’ai vendu MidPhase et que je me suis lancé dans l’investissement, j’ai remarqué une lacune flagrante : les traders et les investisseurs particuliers manquaient d’outils comparables à ceux auxquels les professionnels d’autres secteurs avaient accès. Par exemple, les spécialistes du marketing disposent de milliers d’outils pour rationaliser leurs flux de travail, et le cloud computing est devenu hautement automatisé. Les tâches qui prenaient des semaines, étaient chronophages, fastidieuses et sujettes aux erreurs, sont devenues des actions en un clic qui s’exécutaient automatiquement.

Pourtant, les traders et les investisseurs particuliers faisaient encore tout manuellement. La technologie et l'automatisation du trading ont profité de manière disproportionnée aux institutions disposant de vastes ressources, laissant les petits investisseurs sur la touche. La mission de TrendSpider est de changer cela en uniformisant les règles du jeu. Notre objectif est de fournir à chaque trader, qu'il s'agisse d'un professionnel chevronné ou d'un lycéen, les mêmes outils avancés sur lesquels s'appuient les fonds spéculatifs, les banques et les grandes institutions.

Comment AI Strategy Lab se distingue-t-il des autres outils de trading basés sur l'IA en termes d'accessibilité et de fonctionnalités ?

La plupart des outils de trading IA actuels ne sont guère plus que des algorithmes de type boîte noire déguisés en IA. Ils n'utilisent pas réellement l'apprentissage automatique mais s'appuient sur des règles prédéfinies commercialisées sous le nom d'« IA ». C'est malhonnête.

Pire encore, ces outils sont souvent positionnés comme des générateurs de signaux d’achat/vente, qui non seulement ne fonctionnent pas de manière fiable, mais sont également d’une légalité douteuse puisque leurs créateurs agissent souvent en tant que conseillers sans licence.

Le laboratoire de stratégie IA de TrendSpider, en revanche, fournit aux traders des outils pour créer leurs propres modèles d'IA, en utilisant un véritable apprentissage automatique. Il leur permet de former leurs propres modèles d'apprentissage automatique personnalisés et prédictifs, adaptés à leurs marchés, points de données et stratégies spécifiques, sans avoir besoin de connaissances techniques.

Cette approche par pointer-cliquer donne aux traders la possibilité de former et de déployer des modèles à l'aide des entrées qu'ils sélectionnent, garantissant ainsi transparence et adaptabilité. Il ne s'agit pas d'un raccourci, mais d'un outil conçu pour doter les traders de capacités d'IA honnêtes.

C'est également fondamentalement différent des chatbots comme ChatGPT. Il s'agit d'outils à usage général conçus pour écrire du code et faire des recherches. Ils ne sont pas conçus pour analyser de vastes quantités de données de marché afin de générer des signaux prédictifs basés sur des critères personnalisés. Le laboratoire de stratégie IA de TrendSpider offre précisément cette capacité.

Quels types de modèles d’IA les utilisateurs peuvent-ils créer dans AI Strategy Lab, et comment ces modèles aident-ils à optimiser les stratégies de trading ?

AI Strategy Lab prend en charge quatre types de modèles d'apprentissage automatique :

1. Régression logistique:Idéal pour les relations linéaires entre les entrées et la probabilité d'un événement.
2. Naïf Bayes:Efficace lorsque les entrées sont indépendantes les unes des autres.
3. K-plus proche voisin (KNN) : Utile pour les modèles d’entrée et les résultats directement liés.
4. Forêt aléatoire:Idéal pour les relations non linéaires et complexes dans les données.

Les utilisateurs peuvent expérimenter ces modèles pour identifier celui qui correspond le mieux à leur stratégie et à leurs objectifs. Par exemple, Random Forest fonctionne bien dans les scénarios où le comportement du marché est complexe et non linéaire, tandis que KNN peut convenir à des relations plus simples et plus directes. La fonctionnalité de recyclage de TrendSpider permet aux utilisateurs d'itérer et d'affiner leurs stratégies rapidement, même sans formation technique.

Pourriez-vous nous expliquer le processus de création d'un modèle de trading personnalisé sur AI Strategy Lab ? Dans quelle mesure est-il accessible aux personnes sans expertise technique ?

Créer un modèle personnalisé est simple :

1. Définir le marché et le calendrier: Choisissez l’actif et la période sur laquelle vous souhaitez entraîner le modèle.
2. Sélectionnez les entrées:Décidez des points de données à utiliser : indicateurs techniques, données fondamentales, action des prix ou formules personnalisées.
3. Choisissez un modèle d'apprentissage automatique:Sélectionnez l’un des quatre modèles pris en charge en fonction de votre stratégie.
4. Former le modèle:Utilisez les données sélectionnées pour apprendre au modèle à prédire les mouvements du marché.
5. Tester et affiner: Effectuez un backtest du modèle sur des données hors échantillon pour vous assurer qu'il n'est pas surajusté et ajustez les règles d'optimisation.
6. Croisement et ajustement:Combinez les modèles pour améliorer leur pouvoir prédictif, ajustez les conditions, puis répétez les étapes ci-dessus.

L'interface est conçue pour les traders, et non pour les ingénieurs, ce qui rend l'apprentissage automatique avancé accessible sans aucun codage requis.

Quels sont les avantages des fonctionnalités de backtesting et de forward testing, et comment les traders peuvent-ils les utiliser pour affiner leurs stratégies ?

TrendSpider permet de tester facilement des modèles à l'aide de vastes données historiques. Le backtesting permet aux traders de valider leur modèle avec l'avantage de 50 ans de recul, pour vérifier sa précision et ses performances. Les tests en avant vont encore plus loin en testant le modèle dans des conditions de marché réelles sans risquer de l'argent réel. Ces fonctionnalités aident les traders à :

• Identifier les forces et les faiblesses de leurs modèles.
• Optimisez les règles d'entrée et de sortie, ajoutez des conditions de filtrage pour minimiser les mauvaises entrées.
• Testez en utilisant des données différentes de celles sur lesquelles le modèle a été formé (hors échantillon) pour garantir que les modèles ne sont pas ajustés aux courbes.
• Renforcez la confiance dans la robustesse de la stratégie avant son déploiement.

L'accent mis par AI Strategy Lab sur l'adaptabilité étant mis sur ce point, comment garantit-il que les modèles répondent efficacement aux conditions changeantes du marché ?

TrendSpider permet aux utilisateurs de recycler et de croiser des modèles avec des conditions, des entrées, des objectifs ou des entrées mis à jour. Les utilisateurs peuvent également passer à différents modèles d'apprentissage automatique à mesure que les conditions du marché évoluent. Des fonctionnalités avancées telles que l'analyse des probabilités aident à affiner les stratégies pour rester pertinentes, garantissant que les modèles restent adaptatifs plutôt que statiques. Les utilisateurs ont également la possibilité de former plusieurs modèles en utilisant différents types de comportement du marché, puis de choisir celui à utiliser en fonction des conditions du marché lui-même, ce qui est également le cas de nombreux grands fonds spéculatifs de trading systématique.

Pouvez-vous fournir des exemples de stratégies de trading que les investisseurs particuliers pourraient automatiser à l’aide de l’AI Strategy Lab ?

Ici, les possibilités sont infinies. La structure du Laboratoire de Stratégie IA offre aux utilisateurs une grande flexibilité pour concevoir des modèles capables de prédire le comportement du marché de multiples façons. Voici quelques exemples (liste non exhaustive) :

• Stratégies d'analyse technique:Les utilisateurs peuvent créer des modèles qui se concentrent sur les indicateurs, l'action des prix ou d'autres types de données
• Stratégies de réversion à la moyenne:Identifier quand les prix s’écartent trop de la moyenne.
• Stratégies d'évasion:Prédire les mouvements de prix lorsqu'un actif franchit les niveaux de support ou de résistance.
• Stratégies d'inversion:Les modèles peuvent être formés pour tenter de prédire les inversions de l’action des prix.
• Stratégies de continuation:Les modèles peuvent être conçus pour identifier la continuation des prix et se lancer pour surfer sur les vagues.
• Stratégies basées sur le momentum:Détecter les tendances et les exploiter jusqu’à ce qu’elles s’inversent.
• Modèles hybrides:Combiner l'action des prix avec des indicateurs tels que le RSI ou le MACD pour une approche multiforme.

La fonctionnalité de croisement dans AI Strategy Lab semble intrigante : comment fonctionne-t-elle et quels avantages apporte-t-elle aux performances du modèle ?

Le croisement permet aux utilisateurs de combiner deux ou plusieurs modèles entraînés en un seul modèle hybride. Par exemple, un modèle Random Forest entraîné sur un ensemble de données peut être combiné avec un autre modèle Random Forest. Cette technique peut améliorer les performances des modèles issus de cette formation en intégrant des atouts complémentaires, en réduisant le surajustement et en augmentant la robustesse face à différents scénarios de marché. Cela est particulièrement utile si vous avez découvert deux ou plusieurs modèles qui ont un alpha fonctionnel dans leur matrice de probabilité. En les combinant, vous pouvez améliorer la capacité des modèles résultants à prédire le comportement du marché en leur apprenant essentiellement à observer le marché de plusieurs manières différentes.

Comment TrendSpider gère-t-il les risques potentiels du trading automatisé pour les investisseurs particuliers, en particulier ceux qui sont nouveaux dans les stratégies basées sur l'IA ?

TrendSpider intègre des mesures de protection pour minimiser les risques :

• Utilisateur en contrôle :Les sorties de modèles sont essentiellement des indicateurs qui génèrent des scores de probabilité sur les signaux. Les utilisateurs peuvent choisir ce qu'ils veulent faire avec ces modèles. Ils peuvent les visualiser sur leurs graphiques, les tester, les analyser et lancer des robots de trading avec eux. Mais ils ne sont pas obligés de faire quoi que ce soit. Nous ne recommandons à personne de se lancer immédiatement dans le trading en direct de signaux de modèles d'IA. Ils doivent prendre le temps de les comprendre, de les tester et d'utiliser les modèles d'IA dans le cadre de leur système de trading, et non dans son intégralité.
• Transparence:Les modèles sont entièrement personnalisables et interprétables, ce qui permet aux traders de comprendre comment les décisions sont prises. Les traders sélectionnent ce qu'ils veulent prédire, sur quel marché s'entraîner, quelles entrées utiliser et ont un contrôle total sur tout à tout moment.
• Backtesting et tests ultérieurs:Ces fonctionnalités garantissent que les traders valident les stratégies avant de les déployer. Les recommandations en matière de backtesting consistent à utiliser des données hors échantillon issues de la formation (par exemple, ne jamais exécuter de backtest sur un modèle d'IA en utilisant les mêmes données sur lesquelles il a été formé). Le système avertira activement les utilisateurs de cela lorsqu'ils sélectionneront un modèle dans le testeur de stratégie.
• Gestion des risques natifs: Options intégrées pour définir des stop loss, une tolérance au risque et des objectifs de profit. Les modèles sont conçus pour prédire un ratio récompense/risque fixe. Si un trader entraîne un modèle pour viser un gain de 5 % et une perte maximale de 1 %, le modèle créera les mêmes conditions dans les stratégies de test Backtesting et Forward ultérieurement. Cela fournit à l'utilisateur un profil de risque fixe et permet aux modèles de se concentrer uniquement sur la génération de signaux d'entrée.
• Éducation:Tutoriels et ressources pour aider les traders à naviguer de manière responsable dans les stratégies basées sur l'IA.
• Formation:L'équipe de TrendSpider proposera une formation individuelle à tout client souhaitant apprendre à utiliser l'AI Strategy Lab gratuitement avec son abonnement à la plateforme. Une partie de la formation consiste à discuter des risques liés au fonctionnement des modèles d'IA et des meilleures pratiques pour les utiliser.

Ces mesures garantissent que les utilisateurs gardent le contrôle et évitent de s’appuyer aveuglément sur des outils automatisés.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter TrendSpider.