Wetenschappers aan de École Polytechnique Fédérale de Lausanne (EPFL) hebben op basis van methoden uit de topologische data-analyse een model ontwikkeld waarmee je beurscrashes, maar ook andere ingrijpende gebeurtenissen kunt voorspellen.
Bij topologische gegevensanalyse (TDA) wordt informatie uit datapuntwolken gebruikt om bijvoorbeeld patronen op te sporen, gegevens te classificeren en trends te voorspellen. Wetenschappers van EPFL’s Topology and Neuroscience Laboratory werken momenteel samen met onderzoekers van EPFL’s spin-off L2F en het HEIG-VD aan een model waarbij zij TDA gebruiken om te voorspellen wanneer een systeem op het punt staat een grote verandering te ondergaan. Dit model, giotto-tda, is beschikbaar als een open source. Het kan analisten bijvoorbeeld helpen te ontdekken wanneer een beurscrash op handen is. Maar het zou ook moeten werken bij gebeurtenissen zoals aardbevingen, verkeersopstoppingen, staatsgrepen of defecten aan treinen.
Onvoorspelbare voorspellen
Catastrofes zijn met conventionele methoden slechts met moeite of helemaal niet te voorspellen. Daarom hebben de wetenschappers de methoden van TDA gebruikt om een nieuwe aanpak te ontwikkelen. “Neem de situatie van een systeem dat een kritieke toestand bereikt. Bijvoorbeeld water dat op het punt staat te stollen tot ijs. De datapunten die het systeem vertegenwoordigen, beginnen dan vormen aan te nemen die de algemene structuur veranderen,” leggen de wetenschappers uit. Door de datapuntenclusters van een systeem in de gaten te houden, kunnen zij de normale toestand van het systeem vaststellen. Zo kunnen ze detecteren wanneer er een abrupte verandering op til is. Een ander voordeel van TDA is dat het ongevoelig is voor ruis. Signalen worden niet vervormd door irrelevante informatie, zo benadrukken de wetenschappers.
Tot dusver is TDA vooral gebruikt op gebieden als medische beeldvorming, vloeistofmechanica, materiaalwetenschap en 3D-modellering. Maar met giotto-tda werkt de methode ook bij veel andere soorten datasets, zoals zwaartekrachtgolven.
Beurscrashes
De onderzoekers gebruikten voor hun model de gegevens van de beurscrashes van 2000 en 2008. Daartoe keken zij naar de dagelijkse koersgegevens voor de S&P 500 van 1980 tot heden. Ze vergeleken die met de voorspellingen die hun model opleverde. De S&P 500 wordt beschouwd als een benchmark voor de toestand van de financiële markt. In dit geval vertoonde de koersgrafiek talrijke pieken die de waarschuwingsniveaus overschreden in de aanloop naar de twee crashes.
“Traditionele prognosemodellen bevatten heel veel ruis. Ze geven zoveel signalen dat je niet echt weet welke signalen je moet volgen,” aldus Matteo Caorsi, hoofd van het projectteam bij L2F. “Als je ze allemaal bij je besluitvorming betrekt, zul je uiteindelijk nooit investeren. Want er zijn maar heel weinig momenten waarop de signalen echt duidelijk zijn.”
Met giotto-tda echter, waren de signalen zeer duidelijk. De pieken lagen ver boven het waarschuwingsniveau. Ze gaven zo duidelijk de komende crashes aan. Dit zou aantonen dat TDA kan worden gebruikt om vluchtige bewegingen te detecteren die kunnen wijzen op een dreigende crash, aldus de onderzoekers.
Deze resultaten hebben echter slechts betrekking op een specifieke markt en een korte periode. Daarom willen de wetenschappers nu meer onderzoek doen. “De volgende stap zal zijn om TDA toe te passen op deep learning-methoden. Dit zal ons waardevolle informatie opleveren over ons model, hoe interpreteerbaar de resultaten zijn en hoe robuust het is,” aldus Caorsi.
Als je dit artikel leuk vindt, lees dan ook:
