Kutatás A legmegfelelőbb terv kiválasztása a CPR Asset Management CPR befektetési megoldások számára
2020. július 17., péntek
Kutatás: A legjobb étrend kiválasztása az Ön számára !
A rendszerváltás kérdését széles körben megvitatták az akadémiai irodalomban. A piac turbulenciájáról szóló, 1999-ben megjelent tanulmányban Chow, Jacquier, Kritzman és Lowry (1999) igazolta e rendszerek létezését. 2002-ben Ang és Bekaert bebizonyította, hogy a magas volatilitású rendszerekben az eszközök közötti összefüggések meredeken növekednek, és a portfóliókon belüli diverzifikáció nem hatékony. 1998-ban Clarke és de Silva kimutatták, hogy egynél több rezsimű világban több lehetőség kínálkozik a befektetők számára arra, hogy kitettségüket a piaci rendszerekhez igazítsák.
A gépi tanulás és a "big data" technikák fejlesztése lehetővé tette a kifinomult matematikai modellek ("Rejtett Markov kapcsolási modell", amelyet később látni fogjuk) alkalmazását a pénzügyi sorozatokra a piaci rendszerek azonosítása érdekében. Mindez az innováció területét jelenti az eszközkezelő ipar számára.
A statisztikai vagy általában matematikai modelleken alapuló "gépi tanulás" technikák a mesterséges intelligencia azon területei, amelyek lehetővé teszik a klasszikus adatok nagy csoportjában (idősorokban) meglévő kapcsolatok azonosítását és jellemzését. (képek, szövegek, információáramlások, kérések a közösségi hálózatokban, tranzakciós adatok, földrajzi helymeghatározás stb.). A gépi tanulás 2 részből áll: egy olyan tanulási részből áll, amelynek során a választott modell megtanulja a változók közötti kapcsolatokat, és egy olyan alkalmazásrész, amelyben a modell kiemeli ezeket a kapcsolatokat és válaszol a felvetett problémára.