Соавтор, доктор Тристан Флетчер, академик из UCL и основатель фирмы Invinio по количественному управлению винными активами, сказал: «Люди инвестируют в вино на протяжении сотен лет, и только совсем недавно способ, которым они это делают, изменился. Инвестиции в вино становятся все более доступными и представляют собой постоянно растущий рынок, в основном с брокерской деятельностью в Лондоне: мировом центре винной торговли. Мы показали, что алгоритмы прогнозирования цен, подобные тем, которые обычно используются на других рынках, могут быть применены к винам ».Исследование, опубликованное в Journal of Wine Economics под руководством Invinio, показало, что более сложные методы машинного обучения превосходят другие более простые процессы, обычно используемые для финансовых прогнозов.
Применительно к 100 наиболее востребованным марочным винам из винного индекса Liv-ex 100 новый подход предсказывал цены с большей точностью, чем другие более традиционные методы, путем изучения того, какая информация была важной среди данных.Соавтор, профессор Джон Шоу-Тейлор, содиректор Центра вычислительной статистики UCL Машинное обучение и глава UCL Computer Science сказал: «Машинное обучение включает в себя разработку алгоритмов, которые автоматически учатся на новых данных без вмешательства человека.
Мы создали интеллектуальное программное обеспечение, которое ищет в данных полезную информацию, которая затем извлекается и используется, в данном случае для прогнозирования ценности вин.С тех пор, как мы впервые начали работать над машинным обучением в UCL, наши методы использовались в самых разных отраслях, особенно в медицинской и финансовой, но мы впервые вошли в мир хорошего вина. "В рамках этого исследования команда протестировала две формы машинного обучения, включая «регрессию гауссовского процесса» и более сложное «многозадачное функциональное обучение», которое впервые было изобретено учеными UCL в 2006 году, но в последнее время в него были внесены значительные улучшения. Эти методы способны извлекать наиболее релевантную информацию из различных источников, в отличие от их более стандартных аналогов, которые обычно предполагают, что каждая точка данных представляет интерес, является ложной или нет.Анализ показывает, что методы машинного обучения, основанные на регрессии гауссовского процесса, могут быть применены ко всем винам в Liv-ex 100 с улучшением средней точности прогноза на 15% по сравнению с наиболее эффективными традиционными методами.
Методы машинного обучения, основанные на многозадачном функциональном обучении, работали только для половины проанализированных вин, поскольку требовали более сильной взаимосвязи между ценами от одного дня к другому. Однако там, где применялось многозадачное функциональное обучение, точность прогнозов увеличивалась на 98% по сравнению с более стандартными тестами.
Первый автор и выпускница UCL Мишель Йео сказала: «В других областях финансов уже используются автоматизированные процессы для выявления значимых тенденций, но они не были протестированы на рынке изысканных вин до сих пор. Мы рады, что смогли разработать модели. применимы к марочным винам, и мы надеемся, что наши результаты вселят в промышленность уверенность в том, что они начнут применять методы машинного обучения в качестве инструмента для принятия инвестиционных решений ».Invinio планирует продолжить сотрудничество с UCL, чтобы усовершенствовать алгоритмы и улучшить инструменты, которые он предоставляет существующим и потенциальным винным инвесторам через свой сайт.
При этом команда заявляет, что им необходимо найти баланс между сложностью разрабатываемых алгоритмов и фактическими улучшениями, которые они предлагают с точки зрения производительности. В дальнейшем они рассматривают возможность применения этих методов в мире классических автомобилей.