Новый ИИ отвечает целям прибыли и риска для сложных финансовых портфелей

Прочитано: 152 раз(а)


Исследователи разработали и продемонстрировали программу искусственного интеллекта (ИИ), которая позволяет им соответствовать определенным инвестиционным рискам и целям доходности для крупномасштабных портфелей, содержащих сотни активов.

«Мы хотели знать, можем ли мы использовать машинное обучение для улучшения коэффициента Шарпа, чтобы получить более точную информацию о том, что покупать, продавать или оставлять в своем портфеле , чтобы повысить эффективность вашего портфеля в течение 6–12 месяцев», — говорит Мехмет Канер. , соавтор статьи о работе. «Эта работа показывает, что мы можем». Канер является заслуженным профессором экономики Thurman-Raytheon в Пулском колледже управления штата Северная Каролина.

Коэффициент Шарпа — это способ измерения компромисса портфеля инвестора между величиной его доходов и риском потери стоимости его активов. Это хорошо зарекомендовавшая себя метрика, используемая в инвестиционной отрасли.

Однако все усложняется, когда портфель содержит сотни авуаров, потому что становится все труднее проводить анализ риска/выгоды и принимать управленческие решения для всех авуаров.

Чтобы лучше управлять этими активами, финансовый сектор все чаще обращается к программам искусственного интеллекта, которые используют машинное обучение для принятия решений по портфелю.

Канер ранее участвовал в разработке программы искусственного интеллекта, основанной на новой математической теореме для принятия финансовых решений. Однако Канер хотел посмотреть, сможет ли он улучшить эту программу искусственного интеллекта, включив ряд финансовых факторов, которые не учитывались в предыдущей модели.

«Управлять портфелем, состоящим из сотен активов, непросто, — говорит Канер. «Он может содержать множество акций и товаров, большинство из которых каким-то образом связаны друг с другом. Как вы обрабатываете такую ​​сложную динамическую матрицу? Мы решили обучить программу ИИ учитывать широкий спектр факторов с конечной целью достижения определенного коэффициента Шарпа — и мы это сделали.

«Важно отметить, что не существует «правильного» коэффициента Шарпа — он будет варьироваться в зависимости от того, какой риск устраивает инвестора. вашего портфолио в течение 6-12 месяцев. Мы продемонстрировали это как в моделировании, так и в реальной практике».

Статья «Анализ коэффициента Шарпа в больших измерениях: узловая регрессия на основе остатков в факторных моделях» опубликована в Journal of Econometrics. В соавторстве с этим документом выступили Марсело Медейрос из Папского католического университета Рио-де-Жанейро; и Габриэль Ф.Р. Васконселос из банка BOCOM BBM в Бразилии.

Новый ИИ отвечает целям прибыли и риска для сложных финансовых портфелей



Новости партнеров