El programa de inteligencia artificial gestiona eficazmente las carteras de activos, dice un investigador de NCSU

Los investigadores han desarrollado y demostrado un programa de inteligencia artificial (IA) que les permite cumplir objetivos específicos de riesgo y rentabilidad de inversión para carteras a gran escala que contienen cientos de activos.

"Queríamos saber si podíamos utilizar el aprendizaje automático para mejorar el índice de Sharpe a fin de obtener mejor información sobre qué comprar, vender o mantener en su cartera para mejorar el rendimiento de su cartera durante períodos de 6 a 12 meses", dice Mehmet Caner, coautor de un artículo sobre el trabajo. "Este trabajo demuestra que podemos". Caner es profesor distinguido de economía Thurman-Raytheon en el Poole College of Management de NC State.

El índice de Sharpe es una forma de medir la compensación que hace la cartera de un inversor entre la magnitud de sus rendimientos y el riesgo de que sus tenencias pierdan valor. Es una métrica bien establecida que se utiliza en toda la industria de inversiones.

Sin embargo, las cosas se complican cuando una cartera contiene cientos de participaciones, porque resulta cada vez más difícil realizar análisis de riesgo/beneficio y tomar decisiones de gestión para todas las participaciones.

Para gestionar mejor estos activos, el sector financiero ha recurrido cada vez más a programas de inteligencia artificial que utilizan el aprendizaje automático para tomar decisiones de cartera.

Caner ayudó previamente a desarrollar un programa de inteligencia artificial basado en un novedoso teorema matemático para informar la toma de decisiones financieras. Sin embargo, Caner quería ver si podía mejorar ese programa de IA incorporando una serie de factores financieros que el modelo anterior no tenía en cuenta.

“Gestionar una cartera que contiene cientos de activos es un desafío”, afirma Caner. “Puede contener una variedad de acciones y materias primas, la mayoría de las cuales están relacionadas entre sí de alguna manera. ¿Cómo se maneja una matriz dinámica que es tan complicada? Nos propusimos entrenar un programa de IA para que tuviera en cuenta una amplia variedad de factores con el objetivo final de lograr un índice de Sharpe específico, y lo logramos.

“Es importante tener en cuenta que no existe un índice de Sharpe 'correcto'; variará según el nivel de riesgo con el que se sienta cómodo un inversor. Pero hemos podido entrenar nuestra IA para lograr cualquier objetivo de Sharpe Ratio que haya establecido para su cartera, en el transcurso de 6 a 12 meses. Lo hemos demostrado tanto en simulaciones como en la práctica del mundo real”.

El papel, "Análisis del ratio de Sharpe en dimensiones altas: regresión por nodos basada en residuos en modelos factoriales”, se publica en el Revista de econometría. El artículo fue coautor de Marcelo Medeiros de la Pontificia Universidad Católica de Río de Janeiro; y Gabriel FR Vasconcelos del banco BOCOM BBM de Brasil.

(C) NCSU

Fuente del artículo original: WRAL TechWire