Примечание редактора. Питер Швенднер, доктор философии, будет спикером ODSC Europe в июне этого года. Обязательно ознакомьтесь с его докладом «Приложения машинного обучения в распределении активов и управлении портфелем» здесь!
2022 год ознаменовался двумя важными поворотными моментами для технологий: первый — это немедленная публичная видимость генеративного ИИ благодаря ChatGPT. Второй — рост процентных ставок после нескольких десятилетий их падения, что привело к остановке фондовых рынков. Оба драйвера бросают вызов устоявшимся бизнес-моделям, основанным на аппаратном обеспечении и использовании рычагов с разных сторон.
Низкие процентные ставки последних десятилетий подтолкнули многих инвесторов к неликвидным классам активов, таким как частные рынки и инфраструктура. Важным аргументом в пользу неликвидных активов является то, что их премии за риск не сочетаются с видимой ежедневной волатильностью цен. В отличие от этого, видимой волатильностью на ликвидных рынках необходимо управлять на уровне портфеля. Поэтому в институциональном управлении активами для ликвидных портфелей широко используются эвристики динамического распределения нескольких активов, такие как «паритет риска». Существенной движущей силой спроса было успешное выполнение паритета риска во время глобального финансового кризиса и во время европейского кризиса суверенного долга, поскольку основные государственные облигации могли диверсифицировать просадку акций.
Однако изменение корреляций может быть проблемой для этого типа метода распределения портфеля. Например, рост процентных ставок и падение акций уже в 2013 году, а затем в 2020 и 2022 годах привели к просадке схем паритета риска. В первом квартале 2023 года мы даже видели банкротящиеся банки, такие как SVB, просто из-за вложений в «надежные» казначейские облигации.
В последние годы было введено несколько инноваций в области машинного обучения, чтобы повысить надежность распределения активов с помощью подходов на основе иерархической кластеризации и сериализации, повысить прозрачность этих эвристик с помощью объяснимого ИИ, а также создать синтетические корреляции и коррелированные рыночные доходы для повышения эффективности. охват бэктестов и анализа сценариев за пределами исторических путей. Вместе эти новшества предлагают согласованный конвейер для лучшего понимания основанных на правилах стратегий динамического распределения портфеля. Мой доклад Применения ML в распределении активов и управлении портфелем 15 июня в ODSC Europe в Лондоне рассматривает приложения ML для распределения активов и помещает их в контекст текущей рыночной ситуации.
Питер Швенднер возглавляет Институт управления капиталом и активами Цюрихского университета прикладных наук, Школу менеджмента и права, Швейцария. Его интересы — финансовые рынки, управление активами и приложения для машинного обучения. Вместе с Европейским механизмом стабильности (ESM) он занимается разработкой аналитики для первичных и вторичных рынков облигаций и инструментов для оптимизации процесса выпуска. В настоящее время он работает над проектом BRIDGE Discovery Пространственное устойчивое финансирование: спутниковые рейтинги влияния компаний на биоразнообразие и воду. В рамках европейской акции COST Финтех и ИИ в финансах возглавляет рабочую группу Прозрачность эффективности инвестиционных продуктов для клиентов.
Первоначально опубликовано на OpenDataScience.com
Читайте другие статьи по науке о данных на OpenDataScience.com, включая учебные пособия и руководства от начального до продвинутого уровня! Подпишитесь на нашу еженедельную рассылку здесь и получайте последние новости каждый четверг. Вы также можете пройти обучение по науке о данных по запросу, где бы вы ни находились, с нашей платформой Ai+ Training. Подпишитесь также на нашу быстрорастущую публикацию на Medium, ODSC Journal, и узнайте, как стать писателем.
