תוכנית בינה מלאכותית מנהלת ביעילות תיקי נכסים, אומר חוקר NCSU
תאריך פרסום:חוקרים פיתחו והדגימו תוכנית בינה מלאכותית (AI) המאפשרת להם לעמוד ביעדי סיכון ותשואה ספציפיים להשקעה עבור תיקים בקנה מידה גדול המכילים מאות נכסים.
"רצינו לדעת אם נוכל להשתמש בלמידת מכונה כדי לשפר את Sharpe Ratio כדי לקבל מידע טוב יותר על מה לקנות, למכור או לשמור בתיק שלך כדי לשפר את ביצועי התיק שלך על פני תקופות של 6-12 חודשים", אומר מהמט קאנר, מחבר שותף של מאמר על העבודה. "העבודה הזו מראה שאנחנו יכולים". קאנר הוא הפרופסור המובהק לכלכלה ב-Turman-Raytheon במכללת פול למינהל במדינת NC.
ה-Sharpe Ratio הוא דרך למדוד את ההחלפה שתיק המשקיע עושה בין גודל התשואות שלו לבין הסיכון שהאחזקות שלו יאבדו מערכן. זהו מדד מבוסס היטב המשמש בכל תעשיית ההשקעות.
עם זאת, העניינים מסתבכים כאשר תיק מכיל מאות אחזקות, מכיוון שקשה יותר ויותר לבצע ניתוחי סיכונים/תועלת ולקבל החלטות ניהוליות עבור כל האחזקות.
כדי לנהל טוב יותר את הנכסים הללו, המגזר הפיננסי פנה יותר ויותר לתוכניות בינה מלאכותית המשתמשות בלמידת מכונה כדי לקבל החלטות תיקים.
קנר עזר בעבר להתפתח תוכנית בינה מלאכותית שנבנתה על משפט מתמטי חדש כדי להודיע על קבלת החלטות פיננסיות. עם זאת, קאנר רצה לראות אם הוא יכול לשפר את תוכנית הבינה המלאכותית על ידי שילוב מגוון גורמים פיננסיים שהדגם הקודם לא הביא בחשבון.
"ניהול תיק שמכיל מאות נכסים הוא מאתגר", אומר קנר. "הוא יכול להכיל מגוון של מניות וסחורות, שרובם קשורים זה לזה בדרך כלשהי. איך מתמודדים עם מטריצה דינמית שהיא כל כך מסובכת? יצאנו לאמן תוכנית בינה מלאכותית שתתחשב במגוון רחב של גורמים עם המטרה הסופית של השגת יחס Sharpe ספציפי - ועשינו את זה.
"חשוב לציין שאין יחס Sharpe 'נכון' - זה ישתנה בהתאם לכמות הסיכון שמשקיע מרגיש איתו בנוח. אבל הצלחנו לאמן את הבינה המלאכותית שלנו כדי להשיג כל יעד Sharpe Ratio שקבעת עבור תיק העבודות שלך, במהלך 6-12 חודשים. הדגמנו זאת בסימולציות ובתרגול בעולם האמיתי".
הנייר, "ניתוח יחס Sharpe בממדים גבוהים: רגרסיה מבוססת שיורית במודלים של גורמים" מתפרסם ב- כתב עת לאקונומטריה. המאמר נכתב בשיתוף מרסלו מדיירוס מהאוניברסיטה הקתולית האפיפיורית של ריו דה ז'ניירו; וגבריאל FR Vasconcelos מבנק BOCOM BBM בברזיל.
(ג) NCSU
מקור המאמר המקורי: WRAL TechWire