17:16 2024-02-06 science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu

_ Inteligența artificială pentru piața financiară: învățarea automată poate îmbunătăți predicția randamentului acțiunilor

_ Inteligență artificială pentru piața financiară : Învățarea automată poate îmbunătăți predicția randamentului acțiunilor

În lumea complexă a piețelor financiare, prognozarea cu precizie a prețurilor acțiunilor este o provocare semnificativă. O abordare se bazează pe îmbunătățirea informațiilor din anomaliile pieței de valori, factori care influențează randamentul unei acțiuni. Metodele tradiționale care combină informațiile din aceste anomalii își ating adesea limitele, în special în investițiile globale în acțiuni.

Cu toate acestea, metodele de învățare automată (ML), o ramură a inteligenței artificiale (AI), oferă o soluție promițătoare. Aceste metode pot agrega diverși factori pentru a îmbunătăți previziunile privind randamentul acțiunilor, așa cum se arată într-un studiu intitulat „Anomaliile pieței bursiere și învățarea automată pe tot globul” de cercetători de la Kaiserslautern și München, publicat în Journal of Asset Management.

Predicția randamentului stocului este similară cu prognoza vremii, necesitând o multitudine de puncte de date. Acestea includ, de exemplu, temperaturile și umiditatea de mare altitudine, precum și curenții de aer, acoperirea norilor și durata luminii solare. Așa cum datele meteorologice detaliate sunt esențiale pentru predicții meteorologice precise, datele financiare extinse și metodele inteligente de combinare a acestor informații sunt esențiale pentru a determina dacă o investiție este probabil să fie profitabilă.

Asemenea date includ așa-numitul capital. anomalii ale pieței. „Peste 400 dintre acestea, identificate în ultimii ani de reviste financiare de top, sunt considerate predictive pentru randamentul acțiunilor”, explică profesorul dr. Vitor Azevedo de la Universitatea Kaiserslautern-Landau, un coautor al studiului.

Un exemplu este binecunoscutul „Raportul preț-câștig” (PER) al unui stoc. Așa-numitele strategii de valoare pot folosi această măsură pentru a investi în acțiuni (aparent) accesibile, cu PER scăzute. Un alt exemplu este efectul „Short-Term Reversal”, în care acțiunile cu cele mai mici randamente în luna precedentă tind să le depășească pe cele cu cele mai mari randamente în luna următoare.

Cu toate acestea, care dintre aceste anomalii sunt relevante ? Cum se interacționează și care este impactul lor atunci când sunt combinate? În studiu, Azevedo, profesorul dr. Sebastian Müller de la Universitatea Tehnică din München și Sebastian Kaiser de la Roland Berger și-au propus să determine dacă inteligența artificială ar putea răspunde la aceste întrebări.

„Metodele tradiționale precum analizele de regresie au lor limite în acest context”, notează Azevedo. „De aceea am folosit metode de învățare automată capabile să descopere relații complexe în seturi mari de date.” Această abordare este adesea menționată ca o combinație neliniară în cercurile de experți.

Pentru analiza lor, economiștii au examinat diferite abordări ML. Ei au analizat aproape 1,9 miliarde de observații de anomalii din stoc-lună din 1980 până în 2019 în 68 de țări.

„Am descoperit că aceste modele AI depășesc semnificativ metodele tradiționale. Modelele de învățare automată pot prezice randamentul stocurilor cu o acuratețe remarcabilă, realizând un randament mediu lunar de până la 2,71% față de aproximativ 1% pentru metodele tradiționale”, adaugă profesorul Azevedo.

Descoperirile studiului evidențiază potențialul unei astfel de tehnologii pentru piața financiară. Managerii financiari l-ar putea folosi în viitor pentru a dezvolta noi modele de prețuri ale acțiunilor. Cercetătorii de la Kaiserslautern și München sfătuiesc, printre altele, o pregătire atentă a datelor pentru a încorpora corect valorile aberante și valorile lipsă, în special atunci când lucrează cu date internaționale, așa cum scriu în studiul lor. În plus, ei recomandă revizuirea preocupărilor etice și de reglementare înainte de a implementa aceste tehnici AI.

(Fluierul)

Inapoi