Дослідження Виберіть найкращий для вас план Le Comptoir CGP Gestion Patrimoine

П’ятниця, 17 липня 2020 р

найкращий

Дослідження: Вибір найкращої дієти для вас !

Питання зміни режиму широко обговорюється в академічній літературі. У дослідженні, опублікованому в 1999 р. Про турбулентність ринку, Чоу, Жак'є, Крицман та Лоурі (1999) обґрунтували існування цих режимів. У 2002 році Енг та Бекаерт продемонстрували, що в режимах високої волатильності кореляція між активами різко зростає, а диверсифікація всередині портфелів не є ефективною. У 1998 році Кларк та де Сільва показали, що у світі, де існує не один режим, інвесторам надається більше можливостей адаптувати свої ризики до ринкових режимів.

Розвиток машинного навчання та методів "великих даних" дозволило застосовувати складні математичні моделі ("Прихована модель перемикання Маркова", яку ми побачимо пізніше) до фінансових серій для виявлення ринкових режимів. Все це становить сферу інновацій для галузі управління активами.

Методи "машинного навчання", які базуються на статистичних або математичних моделях загалом, є сферою штучного інтелекту, що дає можливість виявити та охарактеризувати зв'язки, які можуть існувати у великому наборі класичних даних (часові ряди) як альтернативи (зображення, тексти, інформаційні потоки, запити в соціальних мережах, дані про транзакції, геолокація тощо). Машинне навчання складається з 2 частин: навчальної частини, протягом якої обрана модель вивчить взаємозв'язки між змінними та прикладної частини, в якій модель буде виділяти ці взаємозв'язки та реагувати на поставлену проблему.

Також, залежно від характеру даних, статистичні методи, що використовуються в машинному навчанні, поділяються на чотири гілки:

  • Навчання під контролем для маркованих даних (інформація про надані дані);
  • Безконтрольне вивчення необроблених даних;
  • Поглиблене навчання, засноване на тиражуванні нейронної мережі та багаторівневому навчанні;
  • Змішані підходи, включаючи посилене навчання, напівконтрольоване або активне навчання.

Повний документ можна знайти нижче.

Девід Усемма

Інженер-дослідник, менеджер проектів дій