Program sztucznej inteligencji skutecznie zarządza portfelami aktywów, twierdzi badacz NCSU
Data opublikowania:Naukowcy opracowali i zademonstrowali program sztucznej inteligencji (AI), który pozwala im sprostać określonym celom w zakresie ryzyka inwestycyjnego i zwrotu w przypadku portfeli na dużą skalę zawierających setki aktywów.
„Chcieliśmy wiedzieć, czy moglibyśmy wykorzystać uczenie maszynowe do poprawy wskaźnika Sharpe’a, aby uzyskać lepsze informacje na temat tego, co kupować, sprzedawać lub trzymać w portfelu, aby poprawić wyniki portfela w okresach 6–12 miesięcy” – mówi Mehmeta Canera, współautor pracy na temat pracy. „Ta praca pokazuje, że możemy”. Caner jest wybitnym profesorem ekonomii Thurman-Raytheon w Poole College of Management w Karolinie Północnej.
Współczynnik Sharpe'a to sposób pomiaru kompromisu, jaki portfel inwestora dokonuje pomiędzy wielkością jego zysków a ryzykiem utraty wartości jego inwestycji. Jest to dobrze ugruntowany wskaźnik stosowany w całej branży inwestycyjnej.
Jednakże sytuacja się komplikuje, gdy portfel zawiera setki pozycji, ponieważ coraz trudniej jest przeprowadzać analizy ryzyka/korzyści i podejmować decyzje zarządcze w odniesieniu do wszystkich pozycji.
Aby lepiej zarządzać tymi aktywami, sektor finansowy coraz częściej sięga po programy AI, które wykorzystują uczenie maszynowe do podejmowania decyzji dotyczących portfela.
Rak wcześniej pomagał się rozwijać program sztucznej inteligencji oparty na nowatorskim twierdzeniu matematycznym na potrzeby podejmowania decyzji finansowych. Caner chciał jednak sprawdzić, czy mógłby ulepszyć program sztucznej inteligencji, uwzględniając szereg czynników finansowych, których nie uwzględnił poprzedni model.
„Zarządzanie portfelem zawierającym setki aktywów jest wyzwaniem” – mówi Caner. „Może zawierać różnorodne akcje i towary, z których większość jest ze sobą w jakiś sposób powiązana. Jak sobie radzisz z tak skomplikowaną macierzą dynamiczną? Postanowiliśmy wytrenować program sztucznej inteligencji, aby uwzględniał wiele różnych czynników, a ostatecznym celem było osiągnięcie określonego współczynnika Sharpe’a – i udało nam się.
„Należy zauważyć, że nie ma «prawidłowego» współczynnika Sharpe'a – będzie się on różnić w zależności od tego, jak duże ryzyko akceptuje inwestor. Udało nam się jednak wyszkolić naszą sztuczną inteligencję tak, aby w ciągu 6–12 miesięcy osiągnęła dowolny docelowy współczynnik Sharpe’a, jaki ustaliłeś dla swojego portfolio. Wykazaliśmy to zarówno w symulacjach, jak i w praktyce w świecie rzeczywistym.”
Papier, "Analiza współczynników Sharpe'a w dużych wymiarach: regresja węzłowa oparta na resztach w modelach czynnikowych”, ukazuje się w Journal of Econometrics. Współautorem artykułu jest Marcelo Medeiros z Papieskiego Uniwersytetu Katolickiego w Rio de Janeiro; oraz Gabriel FR Vasconcelos z banku BOCOM BBM w Brazylii.
(C) NCSU
Oryginalne źródło artykułu: WRALTechWire