|
ИИ может улучшить прогноз по доходности акций
|
|
|
|
В сложном мире финансовых рынков точное прогнозирование цен на акции является серьезной проблемой. Один из подходов основан на улучшении информации об аномалиях фондового рынка, факторах, влияющих на доходность акций. Традиционные методы, объединяющие информацию об этих аномалиях, часто достигают своих пределов, особенно в глобальных инвестициях в акции. Однако методы машинного обучения (МО), ветвь искусственного интеллекта (ИИ), предлагают многообещающее решение. Эти методы могут объединить различные факторы для улучшения прогнозов доходности акций, как показано в исследовании под названием «Аномалии фондового рынка и машинное обучение по всему миру», проведенном исследователями из Кайзерслаутерна и Мюнхена и опубликованном в Journal of Asset Management. Прогнозирование доходности акций похоже на прогнозирование погоды, требующее множества точек данных. К ним относятся, например, высотные температура и влажность, а также воздушные течения, облачность и продолжительность солнечного света. Точно так же, как подробные метеорологические данные имеют решающее значение для точных прогнозов погоды, обширные финансовые данные и интеллектуальные методы объединения этой информации необходимы для определения того, будут ли инвестиции прибыльными.
|
|
|
Такие данные включают в себя так называемые аномалии рынка капитала. «Более 400 из них, выявленных в последние годы ведущими финансовыми журналами, считаются прогнозирующими доходность акций», — объясняет профессор доктор Витор Азеведо из Университета Кайзерслаутерн-Ландау, соавтор исследования. Одним из примеров является хорошо известное соотношение цены и прибыли (PER) акций. Так называемые стратегии стоимости могут использовать этот показатель для инвестирования в (казалось бы) доступные акции с низкой прибылью. Другим примером является эффект «краткосрочного разворота», когда акции с самой низкой доходностью в предыдущем месяце имеют тенденцию превосходить акции с самой высокой доходностью в следующем месяце. Однако какие из этих аномалий актуальны? Как они взаимосвязаны и каково их влияние в сочетании? В своем исследовании Азеведо, профессор доктор Себастьян Мюллер из Технического университета Мюнхена и Себастьян Кайзер из Роланда Бергера стремились определить, может ли искусственный интеллект ответить на эти вопросы.
|
|
|
|
«Традиционные методы, такие как регрессионный анализ, имеют свои ограничения в этом контексте», — отмечает Азеведо. «Вот почему мы использовали методы машинного обучения, способные выявлять сложные взаимосвязи в больших наборах данных». В экспертных кругах этот подход часто называют нелинейной комбинацией. Для своего анализа экономисты изучили различные подходы к ОД. Они проанализировали почти 1,9 миллиарда наблюдений за месячными аномалиями с 1980 по 2019 год в 68 странах. «Мы обнаружили, что эти модели искусственного интеллекта значительно превосходят традиционные методы. Модели машинного обучения могут прогнозировать доходность акций с поразительной точностью, достигая среднемесячной доходности до 2,71% по сравнению с примерно 1% для традиционных методов», — добавляет профессор Азеведо. Результаты исследования подчеркивают потенциал такой технологии для финансового рынка. Финансовые менеджеры могли бы использовать его в будущем для разработки новых моделей цен на акции. Исследователи из Кайзерслаутерна и Мюнхена советуют, среди прочего, тщательно готовить данные, чтобы правильно включать выбросы и пропущенные значения, особенно при работе с международными данными, как они пишут в своем исследовании. Кроме того, они рекомендуют рассмотреть этические и нормативные проблемы, прежде чем внедрять эти методы искусственного интеллекта.
|
|
|
|
Источник
|
