Формирование оптимальной структуры инвестиционного портфеля с использованием методов машинного обучения

Современная экономическая теория подвержена широко протекающим процессам глобализации, сопровождающимися комплексностью интеграционных механизмов, которые преумножают неопределенность, нестабильность, что сказывается на финансовых рынках и делает процесс инвестирования чрезмерно рискованным. С другой стороны, инвестиционная деятельность при эффективном формировании инвестиционного портфеля может позволить не только сохранить сбережения, но и обеспечить их прирост. Однако сформировать оптимальный портфель невозможно без использования комплексных количественных методов. Принимая во внимание хаотичность рынков капитала, те основополагающие модели, предложенные для упрощения реальности, не способны описать многие явления и имеют ограниченную область применения. Основываясь на выше указанных предпосылках, а также учитывая возрастающую популярность машинного обучения, подкрепленную высокой результативностью, в работе рассмотрен многоэтапный подход формирования инвестиционного портфеля, в рамках которого протестированы несколько стратегий его структурирования. Ядром портфеля стала концепция Г. Марковица, при этом предложена альтернативная интерпретация с опорой на методы машинного обучения и AI, использованные для «отсеивания» акций, оценки ожидаемой выгоды и риска вложений в i-ый актив, а также определения общего портфельного риска. Для получения оптимального инвестиционного портфеля, являющегося целью работы, были изучены свойства динамики доходностей акций российского фондового рынка, создана модифицированная нейросеть, проведен кластерный анализ эмитентов и проанализированы варианты нахождения долей активов в портфеле. Предлагаемые стратегии построения портфеля направлены на формирование спекулятивного инвестиционный портфеля с минимальными рисками, позволяющего зарабатывать на колебаниях цен, что и обуславливает значимость работы. В результате выяснилось, что в ~80% подход с использованием методов машинного обучения оказался эффективным, превышая доходность эталона.