七乐彩走势图图2018年官网

  • 时间:
  • 浏览:27
  • 来源:mg老虎机05520老品牌

机器学习很可能成为基金经理的重要工具,帮助实现高均水平的回报并挖掘新的赚钱机会。毫无疑问,将机器学习能力与久经考验的投资流程相结合,可以在变幻莫测的数字时代中取胜。

富兰克林固定收益团队分析

主要观点

· 机器学习是计算机利用统计技术从数据中自主学习,并无任何特定预编程规则的一个领域。此外,机器学习方法可解释特征/变量之间的非线性相互作用,无需事先说明精确的非线性行为。随着时间的推移,机器学习模型会变得愈发强大,对任务的执行将逐渐变得更熟练。

· 随机森林(random forest)及xgboost是基于集成决策树的机器学习算法的例子,这些算法通过将模式编码到模型中,从历史数据中学习。这将使模型能够预测未来。

· 机器学习模型可比传统回归方法更准确地估算抵押贷款组合的提前还款率或个人贷款的违约率。机器学习方法和各类因子(利差、价值及动量)相结合,根据信贷周期及宏观环境对这些因子进行动态加权,亦可带来更佳的企业债券回报。

· 机器学习模型具备强大的分析及预测能力,可重新定义并改进传统投资流程及定量研究方法,以及增强资产管理其他方面的价值。

利用机器从数据中产生见解

已故的计算机科学家及密码破译专家艾伦·图灵(alan turing)于1947年2月20日首次将机器学习的概念引入学术界,当时他在伦敦数学学会上发表了一场关于自动计算引擎的公开演讲。

图灵在演讲中说道:“有人说计算机器只能奉命执行流程……但我们是否必须总是以这种方式使用它们?我们想要的是一台可以从经验中学习的机器……让机器更改其自身指令可能是一种原理……”

由于对机器智能的可能性感兴趣, 图灵在1950年开发了一项测试(称为图灵测试),以确定计算机是否能表现出与人类同等或别无二致的智能行为。事实上,图灵测试为机器学习及人工智能的发展奠定了基础。

本质上而言,机器学习是计算机利用统计技术从数据中自主学习,并无任何特定预编程规则的一个领域。正如内燃机的运行需要燃油,复杂的机器学习模型将需要数据方能运行。但就像原油一样,数据需要经过提炼、净化及加工,方可方便用于机器学习。

如今,机器学习已扩展至技术领域之外,并被应用到投资管理等多个行业,愈来愈多的公司探索利用该尖端技术从大型数据集中获得见解,从而更快作出更佳的决策及更精确的预测。

在资产管理方面,传统的定量预测模型往往容易受过度拟合影响,即对分析进行处理使其与数据过度拟合,导致模型的预测能力不可靠。但机器学习模型具备归纳及分析样本外数据的能力(利用大量变量来确定最有效者),可克服过度拟合的问题。

机器学习模型通过理解复杂且非结构化的数据,可高效地产生见解及发现隐藏模式,从而为投资团队提供有价值的研究思路,并帮助他们获得信息优势。

机器学习方式

机器学习方法基本上为特定任务算法,用于检查数据、从该数据集中学习并利用所学知识作出明智决策及预测。随着时间的推移,机器学习模型会变得愈发强大,对任务的执行将逐渐变得更熟练。

机器学习模型并不是编写计算机系统来按部就班地完成任务,譬如“如果x发生,则执行y来完成z”,而是能够独自直接进行完成z的任务。为实现这一点,计算机将被提供有用的数据,独立地分析及学习以实现该目标。

例如,通过访问详细记录成千上万笔银行贷款的数据库,计算机及机器学习算法可以一种更快及更灵活的方式(与人类贷款承销商相比)得到训练,来确定若干可帮助识别风险贷款中可靠贷款的模式。

机器学习模型利用历史数据,可推断债务收入比率(dti)低于30的贷款的违约率往往较低。通过研究违约模式,这些模型还可确定源自某些地区的贷款的违约率较低。例如,机器学习算法可能会确认,dti低于30的得克萨斯州借款人的违约率降低40%。

当然,数据对于训练机器学习模型而言必不可少,该训练通过调整模型参数来确保在训练数据集中预测与实际结果的误差最小化。决策树的构建可使决策与训练数据的实际结果尽可能接近。此外,通过在模型训练过程中惩罚模型的复杂性,可减轻过度拟合。

决策树是机器学习中常用的决策辅助工具。决策树具有流动型结构或树状图形,详细说明了各种决策以及这些选择的可能后果或结果(见图1)。

决策树的目的是根据一系列具体决策来预测结果。然而,由于方差过大,决策树学习模型很少能够作出精确预测,这是由对数据集的小波动或“随机噪声”的敏感性引起的。

这导致决策树学习模型需要学习高度不规则的模式。尽管如此,通过将多棵决策树平均化或利用多棵决策树,利用随机森林等集成学习法,可降低与传统决策树模型相关的高方差。

随机森林是一种监督性的学习算法,通常通过构建大量决策树来进行分类及回归分析。随机森林的一般概念是学习模型的组合可提高整体结果的准确性。

xgboost是基于集成决策树的机器学习算法的另一个例子。利用xgboost,决策树按序列构建,以便后续的每一棵树都经过训练,从而把前一棵树的误差及复杂性减至最低。该算法从前者的错误中学习并通过降低误差来进行优化调整。

该学习过程会一直持续,直至额外增加的树不会大幅降低误差为止。利用顺序训练决策树集成的增量可靠输出,xgboost算法能够作为一个预测性机器学习系统作出更佳及更一致的预测(见图2)。

深度学习是机器学习的更高级模式,其算法可以无需监督或部分监督。它们还能够评估数据以自主识别模式和相关性,并判定结果是准确还是不准确。这意味着它们具有一个优势:在将处理后的数据输入到算法进行训练之前需要较少的手动信号处理(一个特制化的过程)。总之,深度学习模型(人工智能技术的发展基石)能够完成无人监督的学习任务。

无论机器学习算法的进展如何,它仍然需要不断进行测试,以确保其达到目标,并减少每个训练步骤中的误差(见图3)。实际上,定期测试训练模型的验证是机器学习中的一个重要环节,以确保输出精度并确保预测机制与训练数据机制相同。如果存在机制转换,则模型需要根据来自新机制的数据进行训练。

估算抵押贷款组合的提前还款率

对于机构可调利率抵押贷款(arm)而言,提前还款是投资者和贷方面临的最大风险之一。借款人有可能在到期日之前偿还全部或部分未偿还抵押贷款。也许你会补充:这种风险是因为买入价高于票面价值所致。提前还款导致arm投资者的回报下降,原因是当他们将资金再投资于(可能是)利率较低的更新arm时,会损失价格溢价和产生再投资风险。

为了估算抵押贷款组合中的提前还款风险,arm投资者可以使用一个叫做有条件提前还款率(cpr)的计量标准,该计量在本质上是年度计划外提前还款占未付余额的百分比。例如,cpr为7%的抵押贷款组合表示,对于每个期间,该组合的余额有7%将提前预付。

cpr的计算基于很多可变因素,即抵押贷款组合的特定特征(加权平均贷款年龄、票面利率,重置月份、地理/状态等等)以及宏观变量,即ccc级和bbb级企业债券的信贷息差的差异、10年期美国国债收益率、失业率,国内生产总值等。

从图4中可以看出,与传统的基于回归的收益簿(yield book)模型相比,我们开发的机器学习模型产生了更准确的cpr计算。这是因为机器学习算法(在本案例中是随机森林算法)可以处理大量数据,并且还考虑了不同特征之间复杂的非线性相互作用。

例如,我们的专有随机森林模型,在2013年1月至2018年8月期间使用280,000个数据点进行训练,已证明可以得到比由收益簿产生的行业标准更准确的一年前瞻性cpr预测。(收益簿是一个市场标准分析工具,被做市商和机构投资者用来执行抵押贷款证券/mbs组合的投资组合和风险管理分析。)

在2013年1月至2018年8月期间,我们随机森林预测的cpr样本外均方根误差(rmse)为0.93,显着低于收益簿预测的rmse4.61。如图4所示,点与对角线越接近,预测越准确。

由于我们的机器学习模型能够产生比行业标准模型更好的预测,因此我们能够通过实施套利策略来利用这一信息优势。例如,当某个抵押贷款批次的预测12个月cpr低于收益簿的预测时,我们会对特定抵押贷款组合“做多”。

智能贝塔应用

除抵押贷款外,机器学习方法亦可用于为企业债券投资制定智能贝塔策略。智能贝塔策略是一种基于规则的方法,旨在从投资因子(例如价值、利差及动量)中获取持续的长期回报。这种方法致力于提供优于市值加权基准的经风险调整回报。

在这种方法中,已经确定了与企业债券收益表现有关的因子。但是,这些因子的相对表现取决于宏观环境,即信贷周期。因此,为了获得优于单个因子的表现,具有宏观迭加的机器学习模型被开发出来,以动态加权(图5)这些因子来预测每个企业债券的预期超额收益。

然后,机器学习模型可以通过预期的超额收益对企业债券进行排名,以便系统地产生买卖信号。一旦获得排名,只有被我们的分析师评为“买入”的债券才会被视为买入候选债券。另一方面,排名在底部十分位的债券加上被我们的分析师评为“持有”或“卖出”的债券将被标记为潜在的“卖出”目标。图6展示了这个过程的一个例子,它将机器学习与富兰克林邓普顿固定收益团队的分析师建议合并,以衡量证券的吸引力。

如果机器学习模型预测被分析师评为“卖出”的债券具有吸引力的前瞻性回报,则这种不同的观点可能会触发分析师或模型中的任何一方或双方对证券进行重新评估。分析师是否拥有机器学习模型无法学会的某些宝贵见解?或许,模型已经检测到分析师没有注意到的东西。无论哪种方式,关于该证券的不同观点都需要得到解决。

总而言之,具有强大分析和预测能力及不断学习和改进特性的机器学习模型,可以重新定义和改进传统的投资流程和定量研究方法。

展望未来,机器学习很可能成为至关重要的工具,帮助基金经理实现高于平均水平的回报并挖掘新的赚钱机会。毫无疑问,将机器学习能力与久经考验的投资流程相结合,可以成为在变幻莫测的数字时代运营的资产管理公司的制胜之道。

copyright © 2019。富兰克林邓普顿投资。版权所有。

本文所载之资料、推测或意见乃根据或取自相信属可靠的公开来源。本行并不保证其准确性。本文只提供一般性资料,其内容显示本行在刊登日期之见解。任何取得本文件之人士,须遵守所有相关国家之法规,包括取得任何政府部门或其他有关方面之同意,并遵守相关国家之任何其他要求。本文的意见可因应情况修改而不作另行通知。本行对文中所载之推测不会作任何保证或承诺。本行亦不会就阁下使用本文或本文之任何资料、推测或意见而引致阁下的直接或间接损失负责。

(责任编辑:方凤娇 hf055)

猜你喜欢

今日福彩布衣计划独胆官网

简述潜水排污泵安全操作规程 前段时间暴雨袭击各大城市,许多城市受大雨影响,各大城市也面临了救灾;下面简单叙说一下潜水排污泵的操作: 1、泵使用前应仔细检查电缆有无损坏、松动或者

2019-09-30

双色球万能13码必中平台

本报临沂讯(邰磊)临沂市局(公司)近日认真贯彻落实国家局、省局(公司)部署要求,严格控制烟叶种植规模。严守收购计划红线。从全市烟叶生产长远和可持续发展出发,引导各级人员切实统一

2019-09-24

大乐透走势图100期新浪官网

西安uv打印机光油济南沃鼎数控设备满意爱心来源网络发布时间:2019-01-1700:30:04此分类信息由用户发布替客户分析和推荐适合客户本身的东西,而不是为了那业绩去推销高

2019-09-23

福彩字谜图谜总汇官网

引领时尚娱乐!皓空科技智能投影打造ktv个性空间来源:数字音视工程网编辑:航行1502019-01-2210:45:23近期,由皓空科技,基于旗下先进智能投影设备、兼顾系统的互

2019-09-23

福彩字谜图谜汇总正版官网

曾记否,几年前当我们在实体店看到3d打印机打印出的一个个小玩意时,那种油然而生的新鲜与神奇感?然而,短短几年,面对这种新事物,我们已经见怪不怪。此外,我们发现现实并不像当初许多

2019-09-19