Nasker Tolid
Traditionele modellen werken met vooraf gedefinieerde relaties tussen variabelen. Machine learning detecteert patronen die niet direct zichtbaar zijn. Het systeem past zich aan wanneer marktomstandigheden veranderen zonder dat iemand de parameters handmatig moet bijstellen.
Bij Nasker Tolid zien we dat algoritmes nu correlaties vinden tussen datasets die analisten nooit gecombineerd zouden hebben. Een voorbeeld: consumentengedrag op sociale media gekoppeld aan valutaschommelingen. Die verbinding maak je niet met traditionele regressieanalyse. Het vraagt wel om grotere datasets en meer rekenkracht dan klassieke methodes.
Het grootste gevaar zit in overmatig vertrouwen op historische data.
Modellen trainen op gegevens uit het verleden, maar markten evolueren. Een crisis die nooit eerder plaatsvond kan een algoritme volledig verrassen. Wij zagen dit tijdens plotselinge beleidswijzigingen door centrale banken. Het model had geen referentiekader en produceerde onstabiele voorspellingen. Daarom blijven menselijke experts controleren of uitkomsten logisch zijn binnen de huidige context.
Transparantie blijft een uitdaging. Sommige netwerken zijn zó complex dat zelfs de ontwikkelaars niet kunnen uitleggen waarom het systeem een specifieke aanbeveling doet. Dat werkt niet in een gereguleerde sector waar je keuzes moet kunnen verantwoorden.
Mira werkt sinds 2014 aan de ontwikkeling van voorspellende modellen voor financiële instrumenten. Ze combineert achtergrond in econometrie met praktische ervaring in algoritmische handel. Haar onderzoek richt zich op adaptieve systemen die marktanomalieën detecteren voordat ze wijdverspreid worden.
Voordat ze bij Nasker Tolid startte, bouwde Mira risicobeheertools voor een Europese investment bank. Ze behaalde haar doctoraat aan de Universiteit Gent met een proefschrift over tijdreeksanalyse in volatiele markten.