Pagdidisenyo ng Sistema ng Pag-optimize ng Portfolio gamit ang Modernong Matatag na Teknik

Ang pagbuo ng isang sistema ng pag-optimize ng portfolio na nakakaligtas sa totoong mga merkado ay nangangailangan ng maingat na disenyo sa bawat yugto. Ang paraan ng pagtatantya mo ng mga input, ang balangkas ng optimisasyon na pipiliin mo, ang mga paghihigpit na iyong isasama, at ang paraan ng iyong pagpapatunay laban sa kasaysayan ay humuhubog kung ang sistema ay naghahatid ng pangmatagalang halaga o marupok na mga backtest. Ang kursong ito ay naglalakad sa mga desisyong iyon sa pagkakasunud-sunod kung saan sila karaniwang lumilitaw. Magtatrabaho ka sa mga nakasulat na ehersisyo sa disenyo na sumasalamin kung paano magpaplano ang isang maliit na quantitative team ng isang sistema ng pag-optimize ng portfolio. Ang diin ay nasa mga praktikal na tradeoff na mahalaga kapag ang mga input ay maingay at ang mga merkado ay nagbabago ng mga rehimen. Ano ang iyong matututunan: - Tantyahin ang inaasahang kita, covariances, at mga tagapagpahiwatig ng rehimen gamit ang matatag na mga teknik kabilang ang shrinkage at factor models - Ihambing ang mga balangkas ng optimisasyon kabilang ang mean-variance, risk parity, hierarchical risk parity, at Black-Litterman - Isama ang mga makatotohanang paghihigpit kabilang ang turnover, mga gastos sa transaksyon, at mga limitasyong pang-regulasyon - Maglapat ng mga extension ng machine learning para sa pagtatantya ng input habang pinoprotektahan laban sa overfitting - Patunayan ang mga sistema gamit ang rolling backtests, walk-forward analysis, at stress scenarios - Magdisenyo ng mga estratehiya sa pagpapatupad at muling pagbabalanse na gumagalang sa epekto ng merkado at mga realidad sa operasyon Ang kurso ay umuusad mula sa pagtatantya ng input sa pamamagitan ng mga balangkas ng optimisasyon, mga extension ng machine learning, pagpapatunay, at pagpapatupad. Ang isang capstone nakasulat na ehersisyo ay humihiling sa iyo na gumawa ng isang isang-pahinang disenyo para sa isang sistema ng pag-optimize ng portfolio na naka-target sa isang partikular na investment mandate. Ang kursong ito ay idinisenyo para sa mga quantitative analyst, mga mag-aaral sa pananalapi na may karanasan sa software, at mga data scientist na pumapasok sa trabaho sa portfolio. Hindi kinakailangan ang anumang naunang karanasan sa optimisasyon. Tinatrato ng kurso ang sistema bilang isang problema sa disenyo na maaari mong pag-isipan sa papel at nananatiling nagbibigay-kaalaman; hindi ito nagbibigay ng payo sa pamumuhunan para sa mga partikular na sitwasyon.