Kredit:CC0 Public Domain
Forskare har utvecklat och demonstrerat ett program för artificiell intelligens (AI) som gör det möjligt för dem att uppfylla specifika investeringsrisk- och avkastningsmål för storskaliga portföljer som innehåller hundratals tillgångar.
"Vi ville veta om vi kunde använda maskininlärning för att förbättra Sharpe Ratio för att få bättre information om vad vi ska köpa, sälja eller behålla i din portfölj för att förbättra din portföljprestanda under perioder på 6-12 månader", säger Mehmet Caner , medförfattare till en artikel om arbetet. "Det här arbetet visar att vi kan." Caner är Thurman-Raytheon Distinguished Professor of Economics vid Poole College of Management i NC State.
Sharpe Ratio är ett sätt att mäta den avvägning en investerares portfölj gör mellan storleken på deras avkastning och risken att deras innehav tappar i värde. Det är ett väletablerat mått som används inom investeringsbranschen.
Saker och ting blir dock komplicerade när en portfölj innehåller hundratals innehav, eftersom det blir allt svårare att utföra risk-/nyttoanalyser och fatta förvaltningsbeslut för alla innehav.
För att bättre hantera dessa tillgångar har finanssektorn i allt större utsträckning vänt sig till AI-program som använder maskininlärning för att fatta portföljbeslut.
Caner hjälpte tidigare till att utveckla ett AI-program som byggde på ett nytt matematiskt teorem för att informera om ekonomiskt beslutsfattande. Caner ville dock se om han kunde förbättra det AI-programmet genom att införliva en rad finansiella faktorer som den tidigare modellen inte tog hänsyn till.
"Att hantera en portfölj som innehåller hundratals tillgångar är utmanande", säger Caner. "Den kan innehålla en mängd olika aktier och råvaror, varav de flesta är relaterade till varandra på något sätt. Hur hanterar du en dynamisk matris som är så här komplicerad? Vi satte oss för att träna ett AI-program för att ta hänsyn till en mängd olika faktorer med det slutliga målet att uppnå ett specifikt Sharpe-förhållande – och vi gjorde det.
"Det är viktigt att notera att det inte finns någon "korrekt" Sharpe Ratio – det kommer att variera beroende på hur mycket risk en investerare är bekväm med. Men vi har kunnat träna vår AI för att uppnå vilket Sharpe Ratio-mål du än har fastställt för din portfölj, under loppet av 6-12 månader. Vi har visat detta i både simuleringar och i verkligheten."
Artikeln, "Sharpe Ratio Analysis in High Dimensions:Residual-Based Nodewise Regression in Factor Models," publiceras i Journal of Econometrics . Tidningen var medförfattare av Marcelo Medeiros från det påvliga katolska universitetet i Rio de Janeiro; och Gabriel F. R. Vasconcelos från BOCOM BBM Bank i Brasilien. + Utforska vidare
