Conseil financier et gestion d'actifs avec l'IA

Conçu pour gérer en temps réel les portefeuilles de titres négociés en bourse d'investisseurs conservateurs, en utilisant des données sur les prix des actifs et des données macroéconomiques, pour prendre les décisions les plus précises à un rendement donné et un risque modéré. Prévision d'une dépréciation importante des prix des actifs négociés en bourse à la suite d'une forte contraction monétaire (crise financière).

Conseil financier et gestion de portefeuille pour les institutions financières et les consommateurs

Afin de réaliser une efficacité qui ne peut être atteinte par les concurrents, le projet utilise des technologies plus complexes que d'autres solutions standard pour la construction de systèmes neuronaux. Tous les algorithmes du noyau de base du projet sont développés par les créateurs eux-mêmes. L'idée que les systèmes neuronaux sont des "boîtes noires" absolues et impénétrables est mythifiée. Par conséquent, en comprenant exactement quelles technologies sont utilisées pour atteindre les objectifs d'analyse, des solutions « en boîte » surchargées peuvent être optimisées. Cela a été fait dans le projet. L'algorithme d'analyse de régression simple des prix (modèle William Sharpe/Harry Markowitz - lauréats du prix Nobel) ne conduit pas à l'efficacité requise. Par conséquent, le projet utilise le modèle "complexe" lorsque les facteurs de pondération et les algorithmes d'analyse de régression simple des prix changent en fonction du "champ", formé par l'évaluation de régression d'autres paramètres économiques. Le modèle William Sharpe/Harry Markowitz est simplifié de manière inacceptable précisément parce qu'il est très gourmand en ressources. Cela est particulièrement vrai lorsqu'il s'agit des centaines de noms d'actifs à travers le monde pour la diversification nécessaire dans ce modèle. Si l'on envisage d'appliquer une approche linéaire à l'évaluation de dizaines, voire de centaines de paramètres macroéconomiques supplémentaires de chacun des dizaines de pays différents (et aujourd'hui, il est clair que l'économie mondiale est interdépendante), on parle soit de supercalculateurs et modèles neuronaux très coûteux, ou sur la construction d'un modèle économique fondamentalement nouveau pour le cœur de l'IA. Dans ce projet, l'évaluation par régression des indicateurs macroéconomiques d'ordre supérieur « guide » tous les modèles ultérieurs d'ordre inférieur. Problème de ressource résolu.