Conception d'un système d'optimisation de portefeuille avec des techniques robustes modernes

La construction d'un système d'optimisation de portefeuille qui survit aux marchés réels nécessite une conception minutieuse à chaque étape. La manière dont vous estimez les entrées, le cadre d'optimisation que vous choisissez, les contraintes que vous encodez et la manière dont vous validez par rapport à l'historique façonnent la manière dont le système offre une valeur durable ou des backtests fragiles. Ce cours aborde ces décisions dans l'ordre où elles se présentent généralement. Vous travaillerez sur des exercices de conception écrits qui reflètent la manière dont une petite équipe quantitative planifierait un système d'optimisation de portefeuille. L'accent est mis sur les compromis pratiques qui comptent lorsque les entrées sont bruitées et que les marchés changent de régime. Ce que vous apprendrez : - Estimer les rendements attendus, les covariances et les indicateurs de régime avec des techniques robustes, y compris le shrinkage et les modèles factoriels - Comparer les cadres d'optimisation, y compris la variance moyenne, la parité de risque, la parité de risque hiérarchique et Black-Litterman - Encoder des contraintes réalistes, y compris le turnover, les coûts de transaction et les limites réglementaires - Appliquer des extensions d'apprentissage automatique pour l'estimation des entrées tout en se protégeant contre le surajustement - Valider les systèmes avec des backtests glissants, une analyse walk-forward et des scénarios de stress - Concevoir des stratégies d'exécution et de rééquilibrage qui respectent l'impact du marché et les réalités opérationnelles Le cours progresse de l'estimation des entrées aux cadres d'optimisation, en passant par les extensions d'apprentissage automatique, la validation et l'exécution. Un exercice écrit de synthèse vous demande de rédiger une conception d'une page pour un système d'optimisation de portefeuille ciblant un mandat d'investissement spécifique. Ce cours est conçu pour les analystes quantitatifs, les étudiants en finance ayant une expérience logicielle et les scientifiques des données qui débutent dans le travail de portefeuille. Aucune expérience préalable en optimisation n'est requise. Le cours traite le système comme un problème de conception que vous pouvez raisonner sur papier et reste informatif ; il ne fournit pas de conseils d'investissement pour des situations spécifiques.