AI untuk Optimalisasi Portofolio: Melampaui Mean-Variance Klasik

Optimalisasi portofolio klasik memberikan kerangka kerja yang kuat bagi investor, tetapi juga mengungkap kerapuhan setiap pendekatan yang bergantung pada input yang tidak pasti. AI tidak menghilangkan ketidakpastian itu, tetapi mengubah cara investor memperkirakannya, memodelkannya, dan bereaksi terhadapnya. Kursus ini memberi Anda pengantar yang tenang dan terstruktur sehingga Anda dapat berbicara dengan percaya diri tentang AI dalam pekerjaan portofolio tanpa melebih-lebihkan kemampuannya. Anda akan mempelajari cara kerja optimalisasi klasik, di mana ia cenderung gagal, dan bagaimana metode modern termasuk paritas risiko, paritas risiko hierarkis, dan ekstensi machine learning mengatasi kelemahan tersebut. Kursus ini tetap didasarkan pada konsep yang banyak digunakan dan menghormati realitas manajemen investasi. Apa yang akan Anda pelajari: - Pahami optimalisasi mean-variance klasik dan sensitivitasnya terhadap perkiraan input - Kenali daya tarik paritas risiko dan paritas risiko hierarkis sebagai kerangka kerja pembobotan alternatif - Jelajahi bagaimana machine learning memperkirakan pengembalian, kovarians, dan perubahan rezim dengan lebih kuat - Baca bagaimana AI mendukung alokasi taktis, analisis eksposur faktor, dan keputusan rebalancing - Identifikasi risiko AI dalam pekerjaan portofolio termasuk overfitting, perubahan rezim, dan kepercayaan diri yang salah - Pahami titik integrasi antara optimalisasi yang didukung AI, sistem eksekusi, dan manajemen risiko Kursus dimulai dengan optimalisasi klasik, bergerak melalui alternatif modern dan ekstensi AI, dan ditutup dengan realitas operasional menjalankan portofolio yang didukung AI. Latihan tertulis membantu Anda menghubungkan setiap konsep dengan portofolio atau kelas aset yang realistis. Kursus ini dirancang untuk pemula mutlak tanpa latar belakang teori portofolio atau AI, termasuk mahasiswa keuangan, profesional operasi investasi, dan pengembang perangkat lunak yang memasuki keuangan kuantitatif. Tidak ada prasyarat yang diperlukan selain kenyamanan umum dengan matematika. Kursus ini bersifat informasional dan tidak memberikan nasihat investasi; ini membangun literasi yang memungkinkan Anda mengajukan pertanyaan yang lebih baik.