Los investigadores han desarrollado y demostrado un programa de inteligencia artificial (IA) que les permite cumplir objetivos específicos de riesgo y rendimiento 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 la obra. "Este trabajo demuestra que podemos". Caner es el Profesor Distinguido Thurman-Raytheon de Economía 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 participaciones pierdan valor. Es una métrica bien establecida que se utiliza en la industria de las inversiones.

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

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

Caner previamente ayudó a desarrollar un programa de IA que se basó en un novedoso teorema matemático para informar la toma de decisiones financieras. Sin embargo, Caner quería ver si podía mejorar ese programa de IA al incorporar una variedad de factores financieros que el modelo anterior no tenía en cuenta.

"Administrar una cartera que contiene cientos de activos es un desafío", dice Caner. "Puede contener una variedad de acciones y productos básicos, la mayoría de los cuales están relacionados entre sí de alguna manera. ¿Cómo maneja una matriz dinámica que es tan complicada? Nos propusimos entrenar un programa de IA para dar cuenta de una amplia variedad de factores con el objetivo final de lograr una proporción de Sharpe específica, y lo logramos.

"Es importante tener en cuenta que no existe un índice de Sharpe 'correcto':variará según el riesgo con el que se sienta cómodo un inversor. Pero hemos podido entrenar nuestra IA para lograr cualquier objetivo de índice de Sharpe 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 artículo, "Análisis de la razón de Sharpe en dimensiones altas:regresión de nodos basada en residuos en modelos factoriales", se publica en el Journal of Econometrics . El artículo fue coautor de Marcelo Medeiros de la Pontificia Universidad Católica de Río de Janeiro; y Gabriel F. R. Vasconcelos del Banco BOCOM BBM en Brasil. + Explora más

¿Vale la pena invertir en arte? Se han sobreestimado los rendimientos en las bellas artes