Researcher
• Einblick
Von der Blackbox zur Transparenz: Modelle des maschinellen Lernens verstehen und zuordnen
Verfahren des maschinellen Lernens gewinnen im Quantitative Investing zunehmend an Bedeutung, da sie in der Lage sind, die Dynamik komplexer Finanzdaten zu erfassen und Rendite- und Risikoschätzungen zu verbessern. Die daraus resultierende höhere Komplexität führt allerdings dazu, dass solche Modelle manchmal als „Blackbox“ wahrgenommen werden. In einem neuen Whitepaper geben Researcher von Robeco Einblicke in die Tools, die dazu beitragen, Modelle des maschinellen Lernens zu verstehen und zu interpretieren.
Autoren/Autorinnen
Researcher
Researcher
Top-Keywords
Zusammenfassung
- Modelle des maschinellen Lernens (ML) bieten Strategien zur Aktienauswahl Mehrwert
- Die Rationalisierung von ML-Algorithmen ist für ihren erfolgreichen Einsatz und das Vertrauen der Kunden unerlässlich
- Wir wenden firmeneigene Verfahren an, um die Triebkräfte von ML-Vorhersagen zu verstehen und die Leistung von ML-Strategien zu bewerten
Verfahren des maschinellen Lernens, einschließlich Algorithmen wie neuronale Netze und Gradient-boosted Regression Trees, können quantitativen Anlegern helfen, die Dynamik komplexer Finanzdaten zu verstehen und zu nutzen. Diese Algorithmen erfassen nichtlineare Beziehungen und Wechselwirkungen auf flexible Weise und können Rendite- und Risikoschätzungen verbessern, aber auch zu einem Gefühl der Komplexität und Undurchsichtigkeit beitragen.
Vorhersage und Performance
In unserem neuen Whitepaper geben wir Einblicke in die Tools, die wir einsetzen, um ML-Modelle zu verstehen und zu interpretieren. Es ist wichtig, die Beziehung zwischen den Eingabemerkmalen und den daraus resultierenden ML-Vorhersagen einerseits und die ML-basierte Performance der damit verbundenen Anlagestrategien andererseits nachzuvollziehen. Die verbesserte Transparenz und Interpretation dieser Tools tragen zum erfolgreichen Einsatz von Verfahren des maschinellen Lernens in der Praxis bei, und in den letzten Jahren wurde eine breite Palette von ML-Signalen in die quantitativen Strategien von Robeco integriert. Korrekt ausgeführte Ansätze des maschinellen Lernens müssen für Investitionen keine undurchsichtige Blackbox sein, sondern können ebenso Transparenz bieten.
Laden Sie die Publikation herunter
Die Zukunft der KI im Investmentbereich
Erfahren Sie, wie KI das Anlageumfeld von morgen prägt – lernen Sie die Grundlagen oder besuchen Sie unseren KI-Kurs.
