AIによる株式投資上級【想定するアセットマネージャー】

多くのアセットマネージャーのように、共分散行列の計算、相関の使用、高次元空問の低次元衣現、予測モデルの構築、p値の計算、平均分散最適化、または与えられたデータセットに同じ検定を複数回適川することを日常的に行っている場合は、金融共分散行列はノイズが多く、回帰を実行したり最適なポートフォリオを計算する前にクリーンアップしたりする必要があることを学ぶ。

相関関係は共依存性に対して非常に狭い定義を測定するものであり、情報理論に基づいたさまざまな測定基準のほうがより洞察力に富んでいることを学ぶ。

次に、基底を変換することなく空間の次元を削減する直観的な手法を学ぶ。

PCAとは異なり、機械学習ベースの次元削減法はIIlj:観に沿う結果を提供する。

非現実的な岡定ホライズン予測を目指すのではなく、より高い桁度で解くことができる金融荊則問題の代替案を学ぶ。

古典的なp値を代林する現代的な手法を学ぶ。

ず均分散ポートフォリオの課題である不安定性の問題に対処する方法を学ぶ。

そして、複数のテストの結米、発見が偽である確率を評価する方法を学ぶ。

資産運川業界やファイナンス学術界で働いているのであれば、そのためのものである。