NCSU 연구원은 인공 지능 프로그램이 자산 포트폴리오를 효과적으로 관리한다고 말합니다.
게시 날짜:연구원들은 수백 개의 자산을 포함하는 대규모 포트폴리오에 대한 특정 투자 위험 및 수익 목표를 충족할 수 있는 인공 지능(AI) 프로그램을 개발하고 시연했습니다.
"우리는 6~12개월 동안 포트폴리오 성과를 향상시키기 위해 포트폴리오에서 무엇을 매수, 매도 또는 보유해야 하는지에 대한 더 나은 정보를 얻기 위해 기계 학습을 사용하여 샤프 비율을 개선할 수 있는지 알고 싶었습니다."라고 말합니다. 메흐메트 카네르, 해당 작업에 관한 논문의 공동 저자입니다. "이 작품은 우리가 할 수 있다는 것을 보여줍니다." Caner는 NC State 풀 경영대학의 Thurman-Raytheon 경제학 석좌교수입니다.
샤프 비율은 투자자의 포트폴리오가 수익률 규모와 보유 자산의 가치 하락 위험 사이에서 취하는 균형을 측정하는 방법입니다. 이는 투자 산업 전반에 걸쳐 사용되는 잘 정립된 지표입니다.
그러나 포트폴리오에 수백 개의 보유 자산이 포함되어 있으면 모든 보유 자산에 대해 위험/이익 분석을 수행하고 관리 결정을 내리는 것이 점점 더 어려워지기 때문에 상황이 복잡해집니다.
이러한 자산을 더 잘 관리하기 위해 금융 부문은 기계 학습을 사용하여 포트폴리오 결정을 내리는 AI 프로그램으로 점점 더 전환하고 있습니다.
Caner는 이전에 개발을 도왔습니다. 재무적 의사결정에 정보를 제공하기 위해 새로운 수학적 정리를 기반으로 구축된 AI 프로그램. 그러나 Caner는 이전 모델이 고려하지 못한 다양한 재정적 요인을 통합하여 AI 프로그램을 개선할 수 있는지 확인하고 싶었습니다.
Caner는 "수백 개의 자산이 포함된 포트폴리오를 관리하는 것은 어려운 일입니다."라고 말합니다. “그것은 다양한 주식과 상품을 포함할 수 있으며, 그 중 대부분은 어떤 방식으로든 서로 관련되어 있습니다. 이렇게 복잡한 동적 행렬을 어떻게 처리합니까? 우리는 특정 샤프 비율을 달성한다는 궁극적인 목표를 가지고 다양한 요인을 설명하는 AI 프로그램을 훈련하기 시작했고 실제로 그렇게 했습니다.
“'정확한' 샤프 비율은 없다는 점을 기억하는 것이 중요합니다. 이는 투자자가 어느 정도의 위험을 감수하느냐에 따라 달라질 수 있습니다. 그러나 우리는 6~12개월에 걸쳐 귀하가 포트폴리오에 대해 설정한 샤프 비율 목표를 달성하도록 AI를 훈련시킬 수 있었습니다. 우리는 시뮬레이션과 실제 사례를 통해 이를 입증했습니다.”
종이, "고차원의 샤프 비율 분석: 요인 모델의 잔차 기반 노드별 회귀,”라는 글이 게재됐다. 계량경제학 저널. 이 논문은 리우데자네이루 교황청 가톨릭 대학교의 Marcelo Medeiros가 공동 집필했습니다. 브라질 BOCOM BBM Bank의 Gabriel FR Vasconcelos입니다.
(다) NCSU
원본 기사 출처: WRAL TechWire