Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://elar.urfu.ru/handle/10995/116744
Название: Современные методы формирования оптимального инвестиционного портфеля, методы машинного обучения
Другие названия: MODERN METHODS FOR FORMING OPTIMAL INVESTMENT PORTFOLIO, METHODS OF MACHINE LEARNING
Авторы: Ковальчук, А. И.
Разумовская, Е. А.
Kovalchuk, A. I.
Rasumovskaya, E. A.
Дата публикации: 2022
Издатель: УрФУ
Библиографическое описание: Ковальчук А. И. Современные методы формирования оптимального инвестиционного портфеля, методы машинного обучения / А. И. Ковальчук, Е. А. Разумовская. — Текст : электронный // Весенние дни науки : сборник докладов Международной конференции студентов и молодых ученых (Екатеринбург, 21–23 апреля 2022 г.). — Екатеринбург : УрФУ, 2022. — C. 1172-1176.
Аннотация: Инвестиции являются важным фактором экономического роста и благосостояния государства и граждан. Поэтому правительства различных держав стараются максимально привлечь внешних и внутренних инвесторов на свои рынки. Для привлечения собственных граждан на рынки государства продвигают идеи финансовой грамотности, а финансовые институты проводят инвестиционное обучение. Данные мероприятия позволяют обезопасить инвесторов от финансовых потерь, путем наделения их необходимыми знаниями об инвестициях и навыками торговли. Однако образовательные мероприятия имеет успех только у мотивированных инвесторов на обучение. Для многих частных инвесторов самостоятельное формирование инвестиционного портфеля является невозможным, ввиду высокой сложности понимания математических методов и моделей их конструирования, а также нежелания тратить много времени на изучение теоретических и практических аспектов биржевой торговли. Поэтому данный вид частных инвесторов предпочитает пользоваться готовыми финансовыми решениями. Авторы статьи приходят к выводу, что таким готовым финансовым решением могут служить алгоритмы машинного обучения, которые показывают высокую эффективность при прогнозировании цен акций и формировании оптимальных инвестиционных портфелей.
Investments are an important factor in economic growth and welfare of the state and citizens. Therefore, the governments of various powers are trying to attract external and domestic investors to their markets as much as possible. To attract their own citizens to the markets, states promote the ideas of financial literacy, and financial institutions conduct investment training. These events help protect investors from financial losses by providing them with the necessary knowledge about investments and trading skills. However, educational activities are only successful with motivated education investors. For many private investors, independent formation of an investment portfolio is impossible due to the high complexity of understanding mathematical methods and models for their construction, as well as the unwillingness to spend a lot of time studying the theoretical and practical aspects of exchange trading. Therefore, this type of private investors prefers to use ready-made financial solutions. The authors of the article concluded that such a ready-made financial solution can be machine learning algorithms that show high efficiency in predicting stock prices and forming optimal investment portfolios.
Ключевые слова: ИНВЕСТИЦИИ
ПОРТФЕЛЬ
ЦЕННЫЕ БУМАГИ
ИНВЕСТИЦИОННЫЙ ПОРТФЕЛЬ
ПОРТФЕЛЬ ЦЕННЫХ БУМАГ
МОДЕЛЬ МАРКОВИЦА
МАШИННОЕ ОБУЧЕНИЕ
ТЕХНОЛОГИИ ГЛУБИННОГО МАШИННОГО ОБУЧЕНИЯ
INVESTMENTS
PORTFOLIO
SECURITIES
INVESTMENT PORTFOLIO
SECURITIES PORTFOLIO
MARKOWITZ MODEL
MACHINE LEARNING
DEEP MACHINE LEARNING TECHNOLOGIES
URI: http://elar.urfu.ru/handle/10995/116744
Конференция/семинар: Международная конференция студентов и молодых ученых «Весенние дни науки»
Дата конференции/семинара: 21.04.2022-23.04.2022
ISBN: 978-5-91256-557-1
Источники: Весенние дни науки. — Екатеринбург, 2022
Располагается в коллекциях:Конференции, семинары, сборники

Файлы этого ресурса:
Файл Описание РазмерФормат 
978-5-91256-557-1_2022_213.pdf535,58 kBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.