Vi har slått oss sammen med Investor-AI for å gi deg en ny type Smart Portfolio
Kunstig intelligens (AI) er ikke sci-fi, og det er ikke kul teknologi som kun er for nerder. AI spiller en direkte rolle i livene våre – fra tilgang til Alexa til å se Netflix-forslag. Og nå bygger den din neste investeringsportefølje.
Neste generasjons Smart Portfolio: InvestorAI-US
Du synes sikkert at dette virker ganske revolusjonerende! Bygget kunstig intelligens denne porteføljen helt alene? Ikke akkurat, nei. Den nye GPTCHAT skriver dataprogrammer, taler for medlemmer av kongressen og mye mer.
Derfor har vi samarbeidet med InvestorAI for å bygge en ny AI-basert Smart Portfolio. InvestorAI har stadig forbedret evnene sine innen AI, og har brukt disse på aksje- og kryptomarkeder de siste tre årene. Siden eToro ble etablert for 16 år siden, har vi vært i forkant av teknologien for å gi medlemmene våre de beste og mest avanserte produktene. Vi tror at AI kan gi merverdi til investorer og støtte beslutningsprosessene deres når de veier hvordan og hvor de skal investere.
Nedenfor forklarer vi begrunnelsen bak porteføljen og prosessen med å bygge en portefølje gjennom AI.
Kunnskap er nøkkelen
Kunnskap er makt. Vi har alle følt på denne sannheten i våre liv. Dette stemmer virkelig med tanke på investering. De som har en informasjonsfordel kan bruke den til å ta bedre beslutninger om hvilke aksjer de skal investere i og hvilke de skal unngå.
Tidligere hadde store investeringsinstitusjoner som sysselsatte mange analytikere tilgang til flere data, og de hadde større selskapsinnsikt enn den gjennomsnittlige investoren. Dette ga dem et klart overtak i investeringsverdenen. Med fremveksten av Internett, har data blitt lett tilgjengelig for alle som søker det. Samtidig begynte store bankinstitusjoner å tilby selvbetjent investering, og nye investeringsinstitusjoner ble etablert hvis primære mål var å tilby en plattform som utdanner og lar individuelle investorer ta sine egne investeringsbeslutninger, og dermed redusere behovet for pengeforvaltere.
Men det er en hake
Likevel tror vi fortsatt at aktiv ledelse har sin plass. Det faktum at det finnes så mye informasjon, betyr ikke at den vil bli brukt riktig. Datainnsamling, analytiske evner (menneskelige eller andre), evnen til å kontrollere følelser og nøytralisere skjevheter er alle avgjørende for å ta fornuftige investeringsbeslutninger. I disse tilfellene kan maskiner ofte gjøre en bedre jobb.
Fordelen med datamaskiner
Beregningsmessig kan en maskin behandle langt flere data, mye raskere enn et menneske kan, og vil gjøre dette systematisk og uten hensyn til emosjonell/sentimental tilknytning. AI har en fordel med sin evne til å gjenkjenne og identifisere mønstre som kanskje ikke er en del av de dominerende verdsettelsesrammene som tidligere ble brukt, men som gitt markedenes sykliske natur kan identifiseres og gjentas.
Kvaliteten på denne innsikten forbedres med flere data. Derfor antas det at AI-modeller vil fortsette å generere enda mer nøyaktig innsikt ettersom dataene som er tilgjengelige på markedene og individuelle aksjer vokser eksponentielt. Nøkkelen til å låse opp dette er å stille de riktige spørsmålene og deretter løse det riktige problemet. InvestorAI gjør dette ved å blande investerings- og finansekspertise med maskinlæring og datasynsteknikker.
Bygge en portefølje ved å bruke AI
Utgangspunktene for InvestorAIs porteføljer er innsikten generert fra aksjemodellene. Disse modellene bruker en kombinasjon av tekniske, fundamentale, sentimentale og proprietære faktorer til å generere daglig innsikt. Mens de prøver å kombinere og tildele de sterkeste signalene til porteføljene sine, kjører de også ytterligere validering og begrenser porteføljen med flere regler. Typiske begrensninger som vurderes er prosentandelen av sykliske forhold vs. defensive sektorer, markedsverdiprosent og sektorkonsentrasjon. Dette muliggjør konstruksjon av modellporteføljer som skal levere positiv avkastning, samtidig som de er sensitive for andre nøkkeltall.
Porteføljene som flyttes utover modellstadiet og til implementering, blir deretter validert mot blant annet informasjonsforhold, samlet beta, max drawdown, total volatilitet og avkastning i stressperioder.
Prosess for å bygge en AI-portefølje
Tekniske aspekter ved en AI-portefølje
Alle InvestorAIs porteføljer følger en konsistent prosess som kombinerer bottom-up-aksjevalg, drevet av maskinen, med top-down begrensninger basert på nøkkeloppgaver eller tilpasning til visse faktorer eller temaer. I den amerikanske aksjeporteføljen, for eksempel, screenes det initiale investeringsuniverset for å filtrere ut de selskapene som har høy belåning og betydelig salgsnedgang.
I stedet for å ta en tilnærming for å definere et bestemt prismål eller egenverdi, er fokuset på mønstergjenkjenning. Ved hjelp av dyp læring og datasynsteknologi trenes modellene på ca. 12 år med data for å finne mønstre som oppfyller en bestemt problemstilling, og det gir et funksjonskart eller et bilde som kan sammenlignes med daglige data. Dette gjør InvestorAI i stand til å behandle en stor mengde data, ca. 900 datapunkter per aksje, per dag, som deretter sammenlignes med det lærte mønsteret som samsvarer med problemformuleringen. På denne måten skifter selskapet AI-løsningen til å fokusere på bildeklassifisering i stedet for å definere en bestemt aksjekurs.
Sterkere sammen: InvestorAI og eToro
Vi er veldig glade for å kunne melde at vårt første partnerskap med InvestorAI vil være lanseringen av InvestorAi-US Portfolio i slutten av januar. Dette er en Smart Portfolio som rebalanserer månedlig og henter den beste innsikten om amerikanske aksjer fra momentum-modellen. Den er lett tilgjengelig fra Smart Portfolios-delen på nettstedet vårt.
Copy Trading utgjør ikke investeringsråd. Verdien av investeringene dine kan gå opp eller ned. Kapitalen din risikeres.