Гэлонхуэй, 24 февраля | Новое академическое исследование, проведённое профессором Гарвардской школы бизнеса, показало, что большинство поведения активных управляющих фондами следует схеме, которую могут учить машины. Используя алгоритм машинного обучения, называемый «нейронной сетью», исследователи могут предсказать около 71% решений по торговле паевыми фондами, то есть покупает, продаёт ли управляющий фондом определённую акцию в определённом квартале. Модель обучается на данных пятилетнего скользящего окна с 1990 по 2023 год, извлекая информацию, включая размер фонда, потоки капитала инвесторов, характеристики акций и более широкие экономические условия. Исходя из этого, он способен предсказывать большинство корректировок позиции. Парадокс в том, что ограничения этой модели могут быть более показательными, чем её успех. В среднем часть сделки, которую система не могла предсказать (около 29%), была теснее связана с избыточной доходностью фонда. Другими словами, торговые активности, выходящие за рамки традиционной, обнаруживаемой инвестиционной модели, по-видимому, являются реальным источником ценности.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Исследования показывают, что ИИ может предсказать 71% сделок активных фондов
Гэлонхуэй, 24 февраля | Новое академическое исследование, проведённое профессором Гарвардской школы бизнеса, показало, что большинство поведения активных управляющих фондами следует схеме, которую могут учить машины. Используя алгоритм машинного обучения, называемый «нейронной сетью», исследователи могут предсказать около 71% решений по торговле паевыми фондами, то есть покупает, продаёт ли управляющий фондом определённую акцию в определённом квартале. Модель обучается на данных пятилетнего скользящего окна с 1990 по 2023 год, извлекая информацию, включая размер фонда, потоки капитала инвесторов, характеристики акций и более широкие экономические условия. Исходя из этого, он способен предсказывать большинство корректировок позиции. Парадокс в том, что ограничения этой модели могут быть более показательными, чем её успех. В среднем часть сделки, которую система не могла предсказать (около 29%), была теснее связана с избыточной доходностью фонда. Другими словами, торговые активности, выходящие за рамки традиционной, обнаруживаемой инвестиционной модели, по-видимому, являются реальным источником ценности.