Man Group undersöker AI för prognostisering av finansiella tidsserier

Man Group PLC:s Oxford Man Institute of Quantitative Finance har publicerat forskning som använder Generative Adversarial Networks (GAN) för att prognostisera finansiella tidsseriedata. Studien, genomförd av doktoranden Milena Vuletić med akademiska partners, introducerar en ny GAN-baserad metod för att förutsäga och klassificera finansiella tidsserier.

Till skillnad från traditionella prognosmetoder, som ofta fokuserar på enskilda punktuppskattningar, erbjuder Fin-GAN-metoden fullständiga betingade sannolikhetsfördelningar för avkastningsprognoser. Detta gör det möjligt att inkludera osäkerheter baserat på tidigare historiska värden. Det nya tillvägagångssättet ökar GAN-nätverkens lämplighet för klassificeringsuppgifter och placerar dem i en miljö för övervakad inlärning.

Studien inkluderade numeriska experiment med aktiedata som visade effektiviteten hos Fin-GAN-metoden. Den uppnådde högre Sharpe-kvoter jämfört med klassiska metoder för övervakad inlärning, såsom LSTM (Long Short-Term Memory) och ARIMA (Autoregressive Integrated Moving Average). Dessa resultat antyder att GAN-teknologi kan erbjuda förbättrade verktyg för finansiell prognostisering.

Denna forskning är en del av Man Groups bredare samarbete med den akademiska världen för att främja kvantitativ finansanalys. Företaget hoppas att sådana innovationer kan bidra till att förbättra utvecklingen av investeringsstrategier och riskhantering på komplexa marknader.