北卡罗来纳州立大学研究人员表示，人工智能程序可以有效管理资产组合
发布日期：研究人员开发并演示了一种人工智能 (AI) 程序，使他们能够满足包含数百种资产的大规模投资组合的特定投资风险和回报目标。
“我们想知道是否可以使用机器学习来提高夏普比率，以便获得有关购买、出售或保留投资组合中的内容的更好信息，从而提高您的投资组合在 6-12 个月内的表现。” 穆罕默德·卡内尔，有关该工作的论文的合著者。 “这项工作表明我们可以。”卡纳是北卡罗来纳州立大学普尔管理学院的瑟曼-雷神杰出经济学教授。
夏普比率是衡量投资者投资组合在回报大小和所持资产贬值风险之间进行权衡的一种方法。这是整个投资行业使用的一个成熟的指标。
然而，当投资组合包含数百个持股时，事情就会变得复杂，因为对所有持股进行风险/收益分析并做出管理决策变得越来越困难。
为了更好地管理这些资产，金融部门越来越多地转向使用机器学习来做出投资组合决策的人工智能程序。
Caner 此前曾帮助开发 一个基于新颖数学定理的人工智能程序，可为财务决策提供信息。然而，卡纳想看看他是否可以通过纳入先前模型未考虑到的一系列财务因素来改进该人工智能程序。
“管理包含数百项资产的投资组合具有挑战性，”Caner 说。 “它可以包含各种股票和商品，其中大多数都以某种方式相互关联。如何处理如此复杂的动态矩阵？我们着手训练一个人工智能程序来考虑各种因素，最终目标是实现特定的夏普比率——我们做到了。
“值得注意的是，不存在‘正确的’夏普比率——它会根据投资者能够承受的风险程度而变化。但我们已经能够在 6-12 个月的时间里训练我们的人工智能，以实现您为投资组合设定的夏普比率目标。我们已经在模拟和现实世界的实践中证明了这一点。”
该论文“高维夏普比率分析：因子模型中基于残差的节点回归，”发表在 计量经济学杂志。该论文的共同作者是里约热内卢天主教大学的马塞洛·梅代罗斯 (Marcelo Medeiros)；巴西交通银行 BBM 银行的 Gabriel FR Vasconcelos。
(C) 北卡罗来纳州立大学
原文来源： WRAL 技术线