Классическая теория Гарри Марковица заложила основы современной портфельной теории через математическую формализацию баланса риска и доходности активов фондового рынка [1] [2].
Современные методы машинного обучения и искусственного интеллекта преодолевают многие ограничения и расширяют классический подход в оптимальной диверсификации инвестиционного портфеля. Глубокое обучение (LSTM, трансформеры) анализирует не только исторические цены, но и альтернативные данные. Ансамблевые методы выявляют сложные нелинейные зависимости, улучшая оценки будущей доходности.
Генерируются сценарии доходности с приемлемым риском для конкретного инвестора. Современные вычислительные методы дают возможность своевременного переформатирования портфеля в соответствии со стремительно меняющейся рыночной обстановкой.
Несмотря на громадный потенциал искусственного интеллекта, остается ключевая проблема: риск использования смещенных исторических данных и необходимость учета экстремальных событий (“черные лебеди”). Искусственный интеллект не знает будущего, ну лучше человека умеет рассчитывать вероятности событий в будущем.
Рациональной является регулярная корректировка инвестиционного портфеля. Корректировать инвестиционный портфель рекомендуется примерно через одну-две недели или после резких движений фондового рынка. Планируются регулярные публикации рекомендаций искусственного интеллекта на нашем сайте и каналах.
[1] Markowits Harry M. Portfolio Selection // Journal of Finance. 1952. 7. № 1 pp. 71-91