Um dos maiores hedge funds do mundo lançou um vídeo para "desmistificar" como isso ganha dinheiro.
Man AHL, um hedge fund com sede em Londres que administra cerca de US $ 19 bilhões, está tentando "desmistificar" como isso ganha dinheiro.
O novo vídeo, que você pode assistir abaixo, explica o "trade-breakout", uma das estratégias de negociação sistemáticas mais populares. Anthony Ledford, cientista-chefe da Man AHL, diz no vídeo que a estratégia é usada para trocar mercados de ações, futuros e mercados cambiais.
O lançamento segue um conjunto anterior de vídeos disponibilizados no ano passado, e é o primeiro de vários outros vídeos que entrarão no final deste outono. Esses vídeos fazem parte de uma tendência mais ampla, onde uma vez que os hedge funds secretos procuram explicar aos potenciais recrutas o que eles fazem.
Bridgewater lançou recentemente uma série de vídeos que se parece com algo que o Facebook ou o Google produzirão, enquanto o gigantesco fundo Four Sigma lançou um vídeo que mostra sua competição anual de inteligência artificial.
"Esperamos que nosso novo conjunto de vídeos, que aborda conceitos fundamentais de forma acessível e envolvente, desmistificará ainda mais o investimento quantitativo e dará uma visão do que fazemos na Man AHL", Sandy Rattray, CEO da Man AHL e CIO of Man Grupo, afirmou em um comunicado.
O investimento de Quant tornou-se uma das áreas mais populares da indústria de fundos de hedge e aqueles que têm o conjunto de habilidades correto estão em alta demanda.
VEJA TAMBÉM: Este pequeno fundo de hedge tem um histórico incrível, e os estrangeiros não conseguem entender como.
NÃO PERGUNTE: Um novo fundo de hedge novo fez apenas grandes contratações.
AGORA: um especialista em criptografia explica a diferença entre as duas maiores criptografia do mundo: bitcoin e Ethereum.
Recomendado para você Powered by Sailthru.
Um dos maiores hedge funds do mundo lançou um vídeo para "desmistificar" como isso ganha dinheiro.
Man AHL, um hedge fund com base em Londres, que.
Recomendado para você.
E-mails de Finanças & amp; Alertas.
Obtenha o melhor do Business Insider entregue à sua caixa de entrada todos os dias.
Ahl trading sistemático
Nós investigamos duas estratégias dinâmicas que, em contraste com esses investimentos passivos, parecem ter gerado um desempenho positivo tanto a longo prazo quanto particularmente durante as crises históricas.
A tecnologia no Man AHL é mais do que uma computação rápida. Acreditamos que uma boa tecnologia habilita novas formas de pensar.
Apenas um exemplo de nossa abordagem holística para investir; permitindo detectar oportunidades que outros podem ignorar.
Assim como os arquitetos usam matemática para seus cálculos, usamos matemática para criar ferramentas preditivas.
Man AHL.
Pioneiro no comércio sistemático por mais de 30 anos Estratégia 100% sistemática e estratégias longas Orientação institucional Colaboração única com a Universidade de Oxford Membro do Grupo Man com sede em Londres.
Pesquisa baseada em ciência.
Acreditamos que a melhor maneira de extrair valor das principais mentes é incentivar uma troca de idéias pensativa em um ambiente aberto.
O aprendizado de máquina é um termo amplo e abrangente para uma ampla gama de algoritmos de computador projetados para identificar estruturas e relacionamentos repetíveis em dados sem precisar de instruções explícitas sobre o que procurar.
Nós investigamos duas estratégias dinâmicas que, em contraste com esses investimentos passivos, parecem ter gerado um desempenho positivo tanto a longo prazo quanto particularmente durante as crises históricas.
Como o Oxford-Man Institute está conduzindo a pesquisa na aprendizagem por máquinas.
Pessoas, Liberdade e Colaboração.
Não somos teóricos acadêmicos; somos cientistas práticos usando nossas habilidades para caçar alfa. Não vemos os mercados através de uma lente de financiamento tradicional. Buscamos alfa sem restrições. Somos colaborativos e transparentes.
AHL explica.
A AHL explica que a série de vídeos foi criada para explicar os conceitos-chave na sequência de futuros. Narrado pelo cientista-chefe do Man AHL, Dr. Anthony Ledford, a intenção desses curtos vídeos é trazer cada conceito à vida, enfocando os princípios em vez de detalhes.
Programas AHL.
Somos apaixonados por nossos programas e como eles podem oferecer valor aos nossos clientes no longo prazo. Selecione os nossos programas principais, baseados em setor e longos abaixo para encontrar mais informações.
Todo o setor emblemático com base em Long-only.
21,5 US $ BN ATIVOS SOB GESTÃO.
145 PROFISSIONAIS DE INVESTIMENTO.
Informação em 30 de setembro de 2017.
Por favor, atualize seu navegador.
Infelizmente, não suportamos mais o Internet Explorer 8, 7 e mais por motivos de segurança.
Atualize seu navegador para uma versão posterior e tente acessar nosso site novamente.
Ahl trading sistemático
No terceiro capítulo da série, Anthony explora algumas das diferentes áreas dentro da disciplina híbrida da Aprendizagem de Máquinas. Ele usa um exemplo de problema de classificação binária para ilustrar as diferenças entre abordagens Lineares e Empíricas tradicionais e um classificador Bayesian Machine Learning, observando as vantagens e fracos inerentes a cada método.
AHL explica série.
Por favor, atualize seu navegador.
Infelizmente, não suportamos mais o Internet Explorer 8, 7 e mais por motivos de segurança.
Atualize seu navegador para uma versão posterior e tente acessar nosso site novamente.
Ahl trading sistemático
Este estudo compara o desempenho de hedge funds discricionários versus sistemáticos, divididos em macro e estratégias de equidade, usando dados de 1996-2018. Alguns investidores sugerem que as estratégias sistemáticas são pior, os retornos são mais facilmente explicados por fatores de risco e são mais homogêneos do que suas contrapartes discricionárias Observamos que 74% dos ativos são discricionários, talvez refletindo esses pontos de vista. Nossos dados sugerem que essas crenças estão incorretas.
Campbell Harvey tem sido um conselheiro de estratégia de investimento no Grupo Man desde maio de 2005.
Ele tem um doutorado em finanças pela Universidade de Chicago. Ele é Professor de Finanças da Duke University e Research Associate no National Bureau of Economic Research. Ele atuou como Editor do The Journal of Finance de 2006 a 2018 e como presidente da Associação Financeira Americana de 2018.
A Campbell tem mais de 20 anos de experiência construindo e otimizando modelos de negociação sistemática.
Sandy Rattray é CIO of Man Group ('Man') e um membro do Man Executive Committee. Ele foi anteriormente CEO da Man AHL de 2018 a 2017 e CIO of Man Systematic Strategies de 2018 a 2018.
Sandy juntou-se a Man em 2007, depois de 15 anos na Goldman Sachs, onde foi diretor administrativo responsável pelo grupo de Estratégia Fundamental. Ele também atuou na Equity Derivatives Research da Goldman Sachs em Londres e Nova York, onde trabalhou com muitos investidores institucionais e fundos de hedge em estratégias quantitativas e hedging. Sandy é co-inventor do índice VIX e atuou nos comitês do índice FTSE UK, FTSE World e Russell. Ele sai no Conselho Consultivo Editorial MSCI, o comitê de investimento da Universidade de Jesus College e é um dos fundadores da London Cycling Campaign.
Ele tem um mestrado de primeira classe em Ciências Naturais e Economia do Jesus College, Cambridge e uma Licença Especializada da Université Libre de Bruxelles.
Otto van Hemert é chefe da Macro Research no Man AHL ('AHL').
Antes de ingressar na AHL em 2018, Otto administrou um fundo macro global sistemático na IMC há mais de três anos. Antes disso, dirigia estratégias de Arbitragem de Renda Fixa, Crédito e Volatilidade na AQR e estava na Faculdade de Finanças da Faculdade de Negócios da Universidade de Nova York, onde publicou artigos em diários de finanças acadêmicas.
Otto é doutor em Economia e Mestrado em Matemática e Economia.
Sumário executivo.
Desempenho Examinamos o desempenho do gerente, formando retornos mensais médios em cada categoria. Os gestores de capital de risco discrepantes entregaram retornos brutos mais altos do que os gestores sistemáticos de patrimônio. No entanto, eles correm mais riscos e têm maiores exposições de fatores. Após o ajuste para estes, o índice de avaliação para gerentes sistemáticos é ligeiramente superior. Os gerentes de macro discreta têm desempenho inferior aos gerentes de macro sistemáticos. Depois de ajustar a volatilidade e as exposições aos fatores, o desempenho inferior ainda é claro (menor índice de avaliação discricionária) Atribuição do fator Selecionamos um conjunto de fatores que foram bem conhecidos no início de nossa análise Para gestores de capital próprio discricionários, mais dos retornos podem ser atribuídos ao fator exposições em comparação com gerentes de equidade sistemáticos. Isso ocorre principalmente por uma longa exposição de capital. Para os gerentes de macro, tanto discricionários como sistemáticos, há uma longa exposição ao fator do mercado de títulos e um fator de volatilidade. Os gestores discricionários também têm exposição ao mercado de ações e fatores de transação FX. O valor total dos retornos atribuíveis aos fatores é mais uma vez mais para os administradores discricionários do que para os gerentes sistemáticos. Homogeneidade Achamos que os gerentes discricionários e sistemáticos têm níveis de desempenho similares distribuídos entre os gerentes do quartil superior e inferior em cada categoria.
Introdução.
Comparamos o desempenho e a exposição ao risco de gerentes discricionários e sistemáticos. Os administradores discricionários contam com habilidades humanas para interpretar novas informações e tomar decisões de investimento no dia-a-dia. Os gerentes sistemáticos, por outro lado, usam estratégias que são baseadas em regras e implementadas por um computador, com pouca ou nenhuma intervenção humana diária.
Na nossa experiência, alguns alocadores de hedge funds, incluindo alguns dos maiores do mundo, evitam parcial ou totalmente a alocação de fundos sistemáticos. Os autores ouviram várias razões, tais como: os fundos sistemáticos são homogêneos, os fundos sistemáticos são difíceis de entender, a experiência de investimento em sistemática tem sido pior do que os recursos discricionários e sistemáticos são menos transparentes do que discricionários e que são obrigados a apresentar um desempenho pior do que discricionário porque eles apenas usam dados do passado. Essas razões parecem ser consistentes com a desconfiança dos sistemas, ou "aversão ao algoritmo", como ilustra uma série de experimentos em Dietvorst, Simmons e Massey (2018). De acordo com a nossa experiência e aversão ao algoritmo, apenas 31% dos hedge funds são sistemáticos e gerem apenas 26% do total de ativos sob gestão (AUM), como no final de 2018.
Neste artigo, mostramos que a falta de confiança em fundos sistemáticos não é justificada em nossa opinião ao comparar seu desempenho com o de suas contrapartes discricionárias. Nossa análise abrange mais de 9 mil fundos da base de dados Hedge Fund Research (HFR) durante o período 1996-2018. Nós classificamos os fundos de forma sistemática ou discricionária com base em análises de texto algorítmico das descrições dos fundos, já que as categorias usadas pelo HFR não fornecem uma correspondência exata para nossa questão de pesquisa. Consideramos os fundos macro e patrimoniais.
Nossos principais resultados estão resumidos no Anexo 1. Na primeira linha, relatamos o retorno médio (não ajustado) para os diferentes estilos considerados. Todos os retornos são superiores à taxa de juros local a curto prazo. Os retornos dos fundos Hedge são calculados em média em fundos de um estilo específico (ou seja, formamos um índice) e estão após custos e taxas de transação. Com base em retornos não ajustados, os macro-fundos sistemáticos superam os macro-orçamentos discricionários, enquanto o reverso é verdadeiro para os fundos de ações.
Na segunda linha, relatamos a quantidade de retorno que pode ser atribuída a fatores de risco bem conhecidos e fáceis de implementar, com base em uma análise de regressão. Para fundos discricionários, mais do retorno pode ser atribuído a fatores do que aos seus homólogos sistemáticos. Consideramos três conjuntos de fatores de risco: fatores tradicionais (patrimônio, vínculo, crédito), fatores dinâmicos (valor do estoque, tamanho do estoque, impulso das ações, carry FX) e um fator de volatilidade. O último é definido como uma estratégia de compra de um mês, no dinheiro S & amp; p 500 chamadas e coloca (ou seja, straddles) no final do mês e deixando-os expirar no final do próximo mês. Nas linhas três a cinco do Anexo 1, mostramos a atribuição aos três conjuntos de fatores subjacentes. Para os quatro estilos, o retorno atribuído a fatores tradicionais é significativo, pois varia de 1,5% a 2,2%. O retorno atribuído a fatores dinâmicos também é positivo em todos os casos, variando de 0,2% a 1,3%. O retorno atribuído ao fator de volatilidade é negativo para macrofinanciamentos sistemáticos e discricionários, em -3,2% e -1,3%, respectivamente, e perto de zero para fundos de ações. Os fundos macro em média têm uma longa exposição ao fator de volatilidade, que tem retornos negativos ao longo do tempo. O prémio de risco negativo para o fator de volatilidade longa faz sentido, uma vez que a volatilidade longa pode atuar como hedge para a manutenção de ativos de risco em geral. A correção dos retornos dos fundos macro por sua longa exposição à volatilidade essencialmente lhes dá crédito por essa característica de hedge.
Na sexta linha do Anexo 1, relatamos o retorno médio ajustado ao risco, que é simplesmente a diferença entre o retorno médio não ajustado e o retorno atribuído a fatores de risco. A macro sistemática destaca-se com um retorno médio ajustado ao risco de 4,9%. A macro discricionária tem um retorno médio ajustado ao risco de 1,6%, enquanto os fundos de ações sistemáticos e discricionários têm valores similares em 1,1% e 1,2%, respectivamente. No entanto, os retornos ajustados ao risco da macro sistemática também têm a maior volatilidade, conforme mostrado na sétima linha. Na oitava linha do Anexo 1, relatamos a proporção do retorno médio ajustado ao risco para sua volatilidade, denominado taxa de avaliação, e verificamos que a macro sistemática ainda supera, mas por menos. 1.
Em suma, os resultados acima mostram que os estilos de hedge funds que consideramos historicamente realizaram alfas positivos, que são determinados: (1) em excesso da taxa de juros de curto prazo, (2) após custos e taxas de transação e (3 ) corrigido para qualquer retorno atribuído a fatores de risco. Observamos que os próprios fatores (especialmente os fatores dinâmicos) não podem ser produzidos por custo zero, e, portanto, um gerente simplesmente implementando essas exposições de fatores, sem dúvida, mostrará um alfa negativo.
A análise empírica realizada neste artigo nos permite não só comentar as estatísticas de desempenho, como o índice de alfa e de avaliação, mas também as variâncias de retorno explicadas pelos fatores de risco. Descobrimos que, para fundos sistemáticos, uma proporção de variância ligeiramente menor é explicada pelos fatores (tanto para fundos macro quanto patrimoniais). Uma proporção muito maior de variância é explicada por fatores para fundos de ações que para fundos macro. Isto é principalmente impulsionado por uma longa exposição ao mercado de ações em fundos de ações. Para os investidores que já tenham um investimento significativo em equites fora do portfólio de hedge funds, parece imperativo levar isso em consideração.
Finalmente, analisamos a dispersão dos retornos dos gerentes (os resultados discutidos acima foram baseados em um índice para cada categoria). Nós estabelecemos que a dispersão em Sharpe e os índices de avaliação em fundos dentro de um estilo de fundo de hedge são semelhantes (e grandes) para fundos sistemáticos e discricionários. Isso significa que a queixa comum dos investidores de que os fundos sistemáticos são mais homogêneos não parece estar de acordo com o escrutínio. Então, além da seleção de estilo, a seleção de fundos parece ser tão importante em cada categoria. Deve ser dada especial atenção a isso ao manter uma carteira concentrada de hedge funds.
Este artigo prossegue da seguinte forma. Na Seção 1, descrevemos os dados do fundo de hedge e a análise de texto utilizados para classificar os fundos, tanto sistemáticos quanto discricionários. Na seção 2 discutimos os fatores de risco. Analisamos o alfa e a exposição a fatores de risco para macro-fundos sistemáticos e discricionários na Seção 3. Na Seção 4, repetimos nossa análise empírica para fundos de ações. Discutimos o potencial de diversificação de diferentes estilos de hedge funds e alguns resultados de nível de fundo na Seção 5. Finalmente, oferecemos algumas observações finais na Seção 6.
1. O índice de avaliação é dado pela razão do retorno médio ajustado pelo risco e pelo desvio padrão do retorno ajustado pelo risco. É o análogo ajustado ao risco para a relação Sharpe, que se baseia na média e desvio padrão dos retornos não ajustados.
Últimas White Papers.
O aprendizado de máquina é um termo amplo e abrangente para uma ampla gama de algoritmos de computador projetados para identificar estruturas e relacionamentos repetíveis em dados sem precisar de instruções explícitas sobre o que procurar.
Estudamos as estratégias de tendência e mostramos como elas exibem propriedades de alfa-crise para ações, bem como para títulos.
Informação importante.
As opiniões expressas são as do autor e podem não ser compartilhadas por todo o pessoal da Man Group plc ('Man'). Estas opiniões estão sujeitas a alterações sem aviso prévio, são apenas para fins informativos e não constituem uma oferta ou convite para fazer um investimento em qualquer instrumento financeiro ou em qualquer produto ao qual a Companhia e / ou suas afiliadas forneçam assessoria de investimento ou qualquer outro financeiro Serviços. Qualquer organização, instrumento financeiro ou produtos descritos neste material são mencionados apenas para fins de referência, o que não deve ser considerado uma recomendação para sua compra ou venda. Nem a Empresa nem os autores serão responsáveis por qualquer pessoa por qualquer ação tomada com base nas informações fornecidas. Algumas declarações contidas neste material sobre metas, estratégias, perspectivas ou outros assuntos não históricos podem ser declarações prospectivas e são baseadas em indicadores e expectativas atuais. Essas declarações prospectivas referem-se apenas a partir da data em que são feitas, e a Companhia não se compromete a atualizar ou a revisar quaisquer declarações prospectivas. Essas declarações prospectivas estão sujeitas a riscos e incertezas que podem causar que os resultados reais diferem materialmente daquelas contidas nas declarações. A Companhia e / ou suas afiliadas podem ou não ter um cargo em qualquer instrumento financeiro mencionado e podem ou não estar negociando ativamente em tais títulos. Este material é uma informação proprietária da Companhia e de suas afiliadas e não pode ser reproduzida ou divulgada de forma alguma, total ou parcial, sem o consentimento prévio por escrito da Companhia. A Companhia acredita que o conteúdo seja exato. No entanto, a precisão não está garantida ou garantida. A Companhia não assume nenhuma responsabilidade no caso de informações incorretamente reportadas ou incompletas. Salvo indicação em contrário, toda a informação é fornecida pela Companhia. O desempenho passado não é indicativo de resultados futuros.
Informação importante.
Por favor, atualize seu navegador.
Infelizmente, não suportamos mais o Internet Explorer 8, 7 e mais por motivos de segurança.
Atualize seu navegador para uma versão posterior e tente acessar nosso site novamente.
Ahl trading sistemático
Nós nos envolvemos ativamente com nossos clientes em uma parceria estratégica. Nós acreditamos fundamentalmente que os riscos de não compartilhar excedem significativamente os riscos de compartilhar.
Como tal, estabelecemos um diálogo contínuo com nossos investidores e nos esforçamos para superar as expectativas, proporcionando níveis notáveis de atendimento ao cliente e transparência.
Somos apaixonados por nossas estratégias e acreditamos que podem fornecer um valor significativo aos nossos clientes no longo prazo.
Estamos dedicados a oferecer a solução ideal em tudo o que fazemos, seja a pesquisa, a tecnologia ou a negociação.
Qualquer mercado, qualquer modelo.
Acreditamos que nenhum conjunto de dados, mercado ou modelo está fora dos limites. Estamos constantemente à procura de oportunidades comerciais sistemáticas em todo o mundo e incentivamos ativamente nossas pessoas a encontrar alfa em novos lugares.
O processo que transforma uma idéia em uma estratégia de negociação é muito sistemático e medido. Começamos com uma grande quantidade de idéias e precisamos descobrir qual deles tem o potencial de produzir retornos sustentáveis para nossos investidores.
Fazemos isso em um processo em duas etapas. O primeiro é a simulação, onde tomamos ideias, criamos estratégias a partir dessas idéias e veremos como elas se teriam comportado durante um longo período de tempo e por muitos ambientes diferentes. Se estamos satisfeitos com isso, passamos para a segunda etapa do processo em que negociamos a idéia. Nós o negociamos ao vivo, mas no papel, então não há dinheiro usado na negociação, mas nós simulamos o comércio ao longo do processo de tempo para garantir que esta estratégia seja robusta durante esse período ao vivo.
Pensamento não convencional e sem restrições.
Nós trazemos uma mentalidade científica, empírica para investir. Nós apenas trocamos idéias e teorias que podemos testar e provar. Atuamos em evidências e nos esforçamos para modelar e entender todos os aspectos do universo de investimentos. Mas não somos teóricos acadêmicos. Somos cientistas práticos que aplicamos nosso conhecimento para produzir algo de valor financeiro.
Nossa parceria única com a Universidade de Oxford, o Oxford-Man Institute, destaca isso.
O Oxford-Man Institute é um instituto de pesquisa que reúne professores, pós-docentes e estudantes interessados em financiamento quantitativo, particularmente técnicas de aprendizado de máquinas e análise de dados. Os pesquisadores do Man AHL trabalham junto aos acadêmicos da OMI e essa abordagem colaborativa fornece uma visão acadêmica profunda da pesquisa comercial prática.
Tecnologia de ponta.
Realmente acreditamos que as estratégias de negociação quantitativas de última geração exigem tecnologia de ponta em todas as etapas; desde a aquisição de dados de mercado e pesquisa inicial até a implementação do modelo e a execução comercial. Este foco primário permite que nossos modelos científicos passem do conceito através do teste de back-testing e na negociação de produção, com uma sobrecarga mínima e eficiência máxima.
Ter uma linguagem de programação comum e uma base de código unificada promove práticas de trabalho colaborativas e estimulantes, onde pesquisadores e tecnólogos naturalmente trocam idéias em um ambiente aberto. Nossas melhores práticas de engenharia de hardware, ferramentas e software garantem altos níveis de produtividade, qualidade e agilidade necessária para atender rapidamente às necessidades de um negócio dinâmico.
Na tecnologia Execução, nosso principal objetivo é garantir a melhor execução para nossos clientes. Como consideramos fundamentalmente que a concorrência é fundamental para isso, temos várias rotas comerciais; Algoritmos desenvolvidos por AHL, algoritmos de terceiros de melhor qualidade e uma mesa de negociação manual. Nós continuamente exigimos uma concorrência rigorosa entre essas rotas para garantir que estamos sempre negociando otimamente.
Reconhecimento da indústria.
Nossos esforços de pesquisa em andamento foram reconhecidos com inúmeros prêmios nos últimos 3 anos, uma seleção de quais são ilustrados abaixo.
Os prêmios e / ou avaliações são apenas para fins informativos e não devem ser interpretados como um endosso de qualquer empresa do Grupo Man nem nem de seus produtos ou serviços. Consulte os sites dos patrocinadores / emissores para obter informações sobre os critérios nos quais os prêmios / ratings são determinados.
Oxford-Man Institute.
O Oxford-Man Institute ('OMI') é a nossa colaboração única com a Universidade de Oxford. Ao longo da última década, a OMI, parte do Departamento de Ciências da Engenharia da Universidade, vem realizando pesquisa pioneira em finanças quantitativas e agora se concentra principalmente em técnicas de aprendizado de máquinas e análise de dados.
Acreditamos que esta iniciativa apoia firmemente a evolução contínua de nossas estratégias quantitativas de investimento. Estamos constantemente sendo apresentados com conjuntos de dados novos e em expansão e a aprendizagem por máquinas tem uma enorme quantidade a oferecer na interpretação desta informação.
O OMI faz parte do Departamento de Ciências da Engenharia da Universidade de Oxford. Localizado no mesmo edifício que o Oxford Research Lab da Man AHL, nos fornece uma conexão direta com a pesquisa de aprendizado de máquinas de ponta e permite a fructificação cruzada de idéias entre o investimento e as comunidades acadêmicas. Os trabalhos realizados no OMI em áreas como aparentemente não relacionadas ao investimento como a classificação de galaxy e a medida do alto das marés, contribuíram diretamente para nossas metodologias de investimento. Usamos ativamente técnicas de aprendizado de máquinas em nossos programas de negociação e estes se tornaram uma autêntica abordagem de valor agregado para os clientes da Man AHL.
Por favor, atualize seu navegador.
Infelizmente, não suportamos mais o Internet Explorer 8, 7 e mais por motivos de segurança.
Atualize seu navegador para uma versão posterior e tente acessar nosso site novamente.
No terceiro capítulo da série, Anthony explora algumas das diferentes áreas dentro da disciplina híbrida da Aprendizagem de Máquinas. Ele usa um exemplo de problema de classificação binária para ilustrar as diferenças entre abordagens Lineares e Empíricas tradicionais e um classificador Bayesian Machine Learning, observando as vantagens e fracos inerentes a cada método.
AHL explica série.
Por favor, atualize seu navegador.
Infelizmente, não suportamos mais o Internet Explorer 8, 7 e mais por motivos de segurança.
Atualize seu navegador para uma versão posterior e tente acessar nosso site novamente.
Ahl trading sistemático
Este estudo compara o desempenho de hedge funds discricionários versus sistemáticos, divididos em macro e estratégias de equidade, usando dados de 1996-2018. Alguns investidores sugerem que as estratégias sistemáticas são pior, os retornos são mais facilmente explicados por fatores de risco e são mais homogêneos do que suas contrapartes discricionárias Observamos que 74% dos ativos são discricionários, talvez refletindo esses pontos de vista. Nossos dados sugerem que essas crenças estão incorretas.
Campbell Harvey tem sido um conselheiro de estratégia de investimento no Grupo Man desde maio de 2005.
Ele tem um doutorado em finanças pela Universidade de Chicago. Ele é Professor de Finanças da Duke University e Research Associate no National Bureau of Economic Research. Ele atuou como Editor do The Journal of Finance de 2006 a 2018 e como presidente da Associação Financeira Americana de 2018.
A Campbell tem mais de 20 anos de experiência construindo e otimizando modelos de negociação sistemática.
Sandy Rattray é CIO of Man Group ('Man') e um membro do Man Executive Committee. Ele foi anteriormente CEO da Man AHL de 2018 a 2017 e CIO of Man Systematic Strategies de 2018 a 2018.
Sandy juntou-se a Man em 2007, depois de 15 anos na Goldman Sachs, onde foi diretor administrativo responsável pelo grupo de Estratégia Fundamental. Ele também atuou na Equity Derivatives Research da Goldman Sachs em Londres e Nova York, onde trabalhou com muitos investidores institucionais e fundos de hedge em estratégias quantitativas e hedging. Sandy é co-inventor do índice VIX e atuou nos comitês do índice FTSE UK, FTSE World e Russell. Ele sai no Conselho Consultivo Editorial MSCI, o comitê de investimento da Universidade de Jesus College e é um dos fundadores da London Cycling Campaign.
Ele tem um mestrado de primeira classe em Ciências Naturais e Economia do Jesus College, Cambridge e uma Licença Especializada da Université Libre de Bruxelles.
Otto van Hemert é chefe da Macro Research no Man AHL ('AHL').
Antes de ingressar na AHL em 2018, Otto administrou um fundo macro global sistemático na IMC há mais de três anos. Antes disso, dirigia estratégias de Arbitragem de Renda Fixa, Crédito e Volatilidade na AQR e estava na Faculdade de Finanças da Faculdade de Negócios da Universidade de Nova York, onde publicou artigos em diários de finanças acadêmicas.
Otto é doutor em Economia e Mestrado em Matemática e Economia.
Sumário executivo.
Desempenho Examinamos o desempenho do gerente, formando retornos mensais médios em cada categoria. Os gestores de capital de risco discrepantes entregaram retornos brutos mais altos do que os gestores sistemáticos de patrimônio. No entanto, eles correm mais riscos e têm maiores exposições de fatores. Após o ajuste para estes, o índice de avaliação para gerentes sistemáticos é ligeiramente superior. Os gerentes de macro discreta têm desempenho inferior aos gerentes de macro sistemáticos. Depois de ajustar a volatilidade e as exposições aos fatores, o desempenho inferior ainda é claro (menor índice de avaliação discricionária) Atribuição do fator Selecionamos um conjunto de fatores que foram bem conhecidos no início de nossa análise Para gestores de capital próprio discricionários, mais dos retornos podem ser atribuídos ao fator exposições em comparação com gerentes de equidade sistemáticos. Isso ocorre principalmente por uma longa exposição de capital. Para os gerentes de macro, tanto discricionários como sistemáticos, há uma longa exposição ao fator do mercado de títulos e um fator de volatilidade. Os gestores discricionários também têm exposição ao mercado de ações e fatores de transação FX. O valor total dos retornos atribuíveis aos fatores é mais uma vez mais para os administradores discricionários do que para os gerentes sistemáticos. Homogeneidade Achamos que os gerentes discricionários e sistemáticos têm níveis de desempenho similares distribuídos entre os gerentes do quartil superior e inferior em cada categoria.
Introdução.
Comparamos o desempenho e a exposição ao risco de gerentes discricionários e sistemáticos. Os administradores discricionários contam com habilidades humanas para interpretar novas informações e tomar decisões de investimento no dia-a-dia. Os gerentes sistemáticos, por outro lado, usam estratégias que são baseadas em regras e implementadas por um computador, com pouca ou nenhuma intervenção humana diária.
Na nossa experiência, alguns alocadores de hedge funds, incluindo alguns dos maiores do mundo, evitam parcial ou totalmente a alocação de fundos sistemáticos. Os autores ouviram várias razões, tais como: os fundos sistemáticos são homogêneos, os fundos sistemáticos são difíceis de entender, a experiência de investimento em sistemática tem sido pior do que os recursos discricionários e sistemáticos são menos transparentes do que discricionários e que são obrigados a apresentar um desempenho pior do que discricionário porque eles apenas usam dados do passado. Essas razões parecem ser consistentes com a desconfiança dos sistemas, ou "aversão ao algoritmo", como ilustra uma série de experimentos em Dietvorst, Simmons e Massey (2018). De acordo com a nossa experiência e aversão ao algoritmo, apenas 31% dos hedge funds são sistemáticos e gerem apenas 26% do total de ativos sob gestão (AUM), como no final de 2018.
Neste artigo, mostramos que a falta de confiança em fundos sistemáticos não é justificada em nossa opinião ao comparar seu desempenho com o de suas contrapartes discricionárias. Nossa análise abrange mais de 9 mil fundos da base de dados Hedge Fund Research (HFR) durante o período 1996-2018. Nós classificamos os fundos de forma sistemática ou discricionária com base em análises de texto algorítmico das descrições dos fundos, já que as categorias usadas pelo HFR não fornecem uma correspondência exata para nossa questão de pesquisa. Consideramos os fundos macro e patrimoniais.
Nossos principais resultados estão resumidos no Anexo 1. Na primeira linha, relatamos o retorno médio (não ajustado) para os diferentes estilos considerados. Todos os retornos são superiores à taxa de juros local a curto prazo. Os retornos dos fundos Hedge são calculados em média em fundos de um estilo específico (ou seja, formamos um índice) e estão após custos e taxas de transação. Com base em retornos não ajustados, os macro-fundos sistemáticos superam os macro-orçamentos discricionários, enquanto o reverso é verdadeiro para os fundos de ações.
Na segunda linha, relatamos a quantidade de retorno que pode ser atribuída a fatores de risco bem conhecidos e fáceis de implementar, com base em uma análise de regressão. Para fundos discricionários, mais do retorno pode ser atribuído a fatores do que aos seus homólogos sistemáticos. Consideramos três conjuntos de fatores de risco: fatores tradicionais (patrimônio, vínculo, crédito), fatores dinâmicos (valor do estoque, tamanho do estoque, impulso das ações, carry FX) e um fator de volatilidade. O último é definido como uma estratégia de compra de um mês, no dinheiro S & amp; p 500 chamadas e coloca (ou seja, straddles) no final do mês e deixando-os expirar no final do próximo mês. Nas linhas três a cinco do Anexo 1, mostramos a atribuição aos três conjuntos de fatores subjacentes. Para os quatro estilos, o retorno atribuído a fatores tradicionais é significativo, pois varia de 1,5% a 2,2%. O retorno atribuído a fatores dinâmicos também é positivo em todos os casos, variando de 0,2% a 1,3%. O retorno atribuído ao fator de volatilidade é negativo para macrofinanciamentos sistemáticos e discricionários, em -3,2% e -1,3%, respectivamente, e perto de zero para fundos de ações. Os fundos macro em média têm uma longa exposição ao fator de volatilidade, que tem retornos negativos ao longo do tempo. O prémio de risco negativo para o fator de volatilidade longa faz sentido, uma vez que a volatilidade longa pode atuar como hedge para a manutenção de ativos de risco em geral. A correção dos retornos dos fundos macro por sua longa exposição à volatilidade essencialmente lhes dá crédito por essa característica de hedge.
Na sexta linha do Anexo 1, relatamos o retorno médio ajustado ao risco, que é simplesmente a diferença entre o retorno médio não ajustado e o retorno atribuído a fatores de risco. A macro sistemática destaca-se com um retorno médio ajustado ao risco de 4,9%. A macro discricionária tem um retorno médio ajustado ao risco de 1,6%, enquanto os fundos de ações sistemáticos e discricionários têm valores similares em 1,1% e 1,2%, respectivamente. No entanto, os retornos ajustados ao risco da macro sistemática também têm a maior volatilidade, conforme mostrado na sétima linha. Na oitava linha do Anexo 1, relatamos a proporção do retorno médio ajustado ao risco para sua volatilidade, denominado taxa de avaliação, e verificamos que a macro sistemática ainda supera, mas por menos. 1.
Em suma, os resultados acima mostram que os estilos de hedge funds que consideramos historicamente realizaram alfas positivos, que são determinados: (1) em excesso da taxa de juros de curto prazo, (2) após custos e taxas de transação e (3 ) corrigido para qualquer retorno atribuído a fatores de risco. Observamos que os próprios fatores (especialmente os fatores dinâmicos) não podem ser produzidos por custo zero, e, portanto, um gerente simplesmente implementando essas exposições de fatores, sem dúvida, mostrará um alfa negativo.
A análise empírica realizada neste artigo nos permite não só comentar as estatísticas de desempenho, como o índice de alfa e de avaliação, mas também as variâncias de retorno explicadas pelos fatores de risco. Descobrimos que, para fundos sistemáticos, uma proporção de variância ligeiramente menor é explicada pelos fatores (tanto para fundos macro quanto patrimoniais). Uma proporção muito maior de variância é explicada por fatores para fundos de ações que para fundos macro. Isto é principalmente impulsionado por uma longa exposição ao mercado de ações em fundos de ações. Para os investidores que já tenham um investimento significativo em equites fora do portfólio de hedge funds, parece imperativo levar isso em consideração.
Finalmente, analisamos a dispersão dos retornos dos gerentes (os resultados discutidos acima foram baseados em um índice para cada categoria). Nós estabelecemos que a dispersão em Sharpe e os índices de avaliação em fundos dentro de um estilo de fundo de hedge são semelhantes (e grandes) para fundos sistemáticos e discricionários. Isso significa que a queixa comum dos investidores de que os fundos sistemáticos são mais homogêneos não parece estar de acordo com o escrutínio. Então, além da seleção de estilo, a seleção de fundos parece ser tão importante em cada categoria. Deve ser dada especial atenção a isso ao manter uma carteira concentrada de hedge funds.
Este artigo prossegue da seguinte forma. Na Seção 1, descrevemos os dados do fundo de hedge e a análise de texto utilizados para classificar os fundos, tanto sistemáticos quanto discricionários. Na seção 2 discutimos os fatores de risco. Analisamos o alfa e a exposição a fatores de risco para macro-fundos sistemáticos e discricionários na Seção 3. Na Seção 4, repetimos nossa análise empírica para fundos de ações. Discutimos o potencial de diversificação de diferentes estilos de hedge funds e alguns resultados de nível de fundo na Seção 5. Finalmente, oferecemos algumas observações finais na Seção 6.
1. O índice de avaliação é dado pela razão do retorno médio ajustado pelo risco e pelo desvio padrão do retorno ajustado pelo risco. É o análogo ajustado ao risco para a relação Sharpe, que se baseia na média e desvio padrão dos retornos não ajustados.
Últimas White Papers.
O aprendizado de máquina é um termo amplo e abrangente para uma ampla gama de algoritmos de computador projetados para identificar estruturas e relacionamentos repetíveis em dados sem precisar de instruções explícitas sobre o que procurar.
Estudamos as estratégias de tendência e mostramos como elas exibem propriedades de alfa-crise para ações, bem como para títulos.
Informação importante.
As opiniões expressas são as do autor e podem não ser compartilhadas por todo o pessoal da Man Group plc ('Man'). Estas opiniões estão sujeitas a alterações sem aviso prévio, são apenas para fins informativos e não constituem uma oferta ou convite para fazer um investimento em qualquer instrumento financeiro ou em qualquer produto ao qual a Companhia e / ou suas afiliadas forneçam assessoria de investimento ou qualquer outro financeiro Serviços. Qualquer organização, instrumento financeiro ou produtos descritos neste material são mencionados apenas para fins de referência, o que não deve ser considerado uma recomendação para sua compra ou venda. Nem a Empresa nem os autores serão responsáveis por qualquer pessoa por qualquer ação tomada com base nas informações fornecidas. Algumas declarações contidas neste material sobre metas, estratégias, perspectivas ou outros assuntos não históricos podem ser declarações prospectivas e são baseadas em indicadores e expectativas atuais. Essas declarações prospectivas referem-se apenas a partir da data em que são feitas, e a Companhia não se compromete a atualizar ou a revisar quaisquer declarações prospectivas. Essas declarações prospectivas estão sujeitas a riscos e incertezas que podem causar que os resultados reais diferem materialmente daquelas contidas nas declarações. A Companhia e / ou suas afiliadas podem ou não ter um cargo em qualquer instrumento financeiro mencionado e podem ou não estar negociando ativamente em tais títulos. Este material é uma informação proprietária da Companhia e de suas afiliadas e não pode ser reproduzida ou divulgada de forma alguma, total ou parcial, sem o consentimento prévio por escrito da Companhia. A Companhia acredita que o conteúdo seja exato. No entanto, a precisão não está garantida ou garantida. A Companhia não assume nenhuma responsabilidade no caso de informações incorretamente reportadas ou incompletas. Salvo indicação em contrário, toda a informação é fornecida pela Companhia. O desempenho passado não é indicativo de resultados futuros.
Informação importante.
Por favor, atualize seu navegador.
Infelizmente, não suportamos mais o Internet Explorer 8, 7 e mais por motivos de segurança.
Atualize seu navegador para uma versão posterior e tente acessar nosso site novamente.
Ahl trading sistemático
Nós nos envolvemos ativamente com nossos clientes em uma parceria estratégica. Nós acreditamos fundamentalmente que os riscos de não compartilhar excedem significativamente os riscos de compartilhar.
Como tal, estabelecemos um diálogo contínuo com nossos investidores e nos esforçamos para superar as expectativas, proporcionando níveis notáveis de atendimento ao cliente e transparência.
Somos apaixonados por nossas estratégias e acreditamos que podem fornecer um valor significativo aos nossos clientes no longo prazo.
Estamos dedicados a oferecer a solução ideal em tudo o que fazemos, seja a pesquisa, a tecnologia ou a negociação.
Qualquer mercado, qualquer modelo.
Acreditamos que nenhum conjunto de dados, mercado ou modelo está fora dos limites. Estamos constantemente à procura de oportunidades comerciais sistemáticas em todo o mundo e incentivamos ativamente nossas pessoas a encontrar alfa em novos lugares.
O processo que transforma uma idéia em uma estratégia de negociação é muito sistemático e medido. Começamos com uma grande quantidade de idéias e precisamos descobrir qual deles tem o potencial de produzir retornos sustentáveis para nossos investidores.
Fazemos isso em um processo em duas etapas. O primeiro é a simulação, onde tomamos ideias, criamos estratégias a partir dessas idéias e veremos como elas se teriam comportado durante um longo período de tempo e por muitos ambientes diferentes. Se estamos satisfeitos com isso, passamos para a segunda etapa do processo em que negociamos a idéia. Nós o negociamos ao vivo, mas no papel, então não há dinheiro usado na negociação, mas nós simulamos o comércio ao longo do processo de tempo para garantir que esta estratégia seja robusta durante esse período ao vivo.
Pensamento não convencional e sem restrições.
Nós trazemos uma mentalidade científica, empírica para investir. Nós apenas trocamos idéias e teorias que podemos testar e provar. Atuamos em evidências e nos esforçamos para modelar e entender todos os aspectos do universo de investimentos. Mas não somos teóricos acadêmicos. Somos cientistas práticos que aplicamos nosso conhecimento para produzir algo de valor financeiro.
Nossa parceria única com a Universidade de Oxford, o Oxford-Man Institute, destaca isso.
O Oxford-Man Institute é um instituto de pesquisa que reúne professores, pós-docentes e estudantes interessados em financiamento quantitativo, particularmente técnicas de aprendizado de máquinas e análise de dados. Os pesquisadores do Man AHL trabalham junto aos acadêmicos da OMI e essa abordagem colaborativa fornece uma visão acadêmica profunda da pesquisa comercial prática.
Tecnologia de ponta.
Realmente acreditamos que as estratégias de negociação quantitativas de última geração exigem tecnologia de ponta em todas as etapas; desde a aquisição de dados de mercado e pesquisa inicial até a implementação do modelo e a execução comercial. Este foco primário permite que nossos modelos científicos passem do conceito através do teste de back-testing e na negociação de produção, com uma sobrecarga mínima e eficiência máxima.
Ter uma linguagem de programação comum e uma base de código unificada promove práticas de trabalho colaborativas e estimulantes, onde pesquisadores e tecnólogos naturalmente trocam idéias em um ambiente aberto. Nossas melhores práticas de engenharia de hardware, ferramentas e software garantem altos níveis de produtividade, qualidade e agilidade necessária para atender rapidamente às necessidades de um negócio dinâmico.
Na tecnologia Execução, nosso principal objetivo é garantir a melhor execução para nossos clientes. Como consideramos fundamentalmente que a concorrência é fundamental para isso, temos várias rotas comerciais; Algoritmos desenvolvidos por AHL, algoritmos de terceiros de melhor qualidade e uma mesa de negociação manual. Nós continuamente exigimos uma concorrência rigorosa entre essas rotas para garantir que estamos sempre negociando otimamente.
Reconhecimento da indústria.
Nossos esforços de pesquisa em andamento foram reconhecidos com inúmeros prêmios nos últimos 3 anos, uma seleção de quais são ilustrados abaixo.
Os prêmios e / ou avaliações são apenas para fins informativos e não devem ser interpretados como um endosso de qualquer empresa do Grupo Man nem nem de seus produtos ou serviços. Consulte os sites dos patrocinadores / emissores para obter informações sobre os critérios nos quais os prêmios / ratings são determinados.
Oxford-Man Institute.
O Oxford-Man Institute ('OMI') é a nossa colaboração única com a Universidade de Oxford. Ao longo da última década, a OMI, parte do Departamento de Ciências da Engenharia da Universidade, vem realizando pesquisa pioneira em finanças quantitativas e agora se concentra principalmente em técnicas de aprendizado de máquinas e análise de dados.
Acreditamos que esta iniciativa apoia firmemente a evolução contínua de nossas estratégias quantitativas de investimento. Estamos constantemente sendo apresentados com conjuntos de dados novos e em expansão e a aprendizagem por máquinas tem uma enorme quantidade a oferecer na interpretação desta informação.
O OMI faz parte do Departamento de Ciências da Engenharia da Universidade de Oxford. Localizado no mesmo edifício que o Oxford Research Lab da Man AHL, nos fornece uma conexão direta com a pesquisa de aprendizado de máquinas de ponta e permite a fructificação cruzada de idéias entre o investimento e as comunidades acadêmicas. Os trabalhos realizados no OMI em áreas como aparentemente não relacionadas ao investimento como a classificação de galaxy e a medida do alto das marés, contribuíram diretamente para nossas metodologias de investimento. Usamos ativamente técnicas de aprendizado de máquinas em nossos programas de negociação e estes se tornaram uma autêntica abordagem de valor agregado para os clientes da Man AHL.
Por favor, atualize seu navegador.
Infelizmente, não suportamos mais o Internet Explorer 8, 7 e mais por motivos de segurança.
Atualize seu navegador para uma versão posterior e tente acessar nosso site novamente.
Nós nos envolvemos ativamente com nossos clientes em uma parceria estratégica. Nós acreditamos fundamentalmente que os riscos de não compartilhar excedem significativamente os riscos de compartilhar.
Como tal, estabelecemos um diálogo contínuo com nossos investidores e nos esforçamos para superar as expectativas, proporcionando níveis notáveis de atendimento ao cliente e transparência.
Somos apaixonados por nossas estratégias e acreditamos que podem fornecer um valor significativo aos nossos clientes no longo prazo.
Estamos dedicados a oferecer a solução ideal em tudo o que fazemos, seja a pesquisa, a tecnologia ou a negociação.
Qualquer mercado, qualquer modelo.
Acreditamos que nenhum conjunto de dados, mercado ou modelo está fora dos limites. Estamos constantemente à procura de oportunidades comerciais sistemáticas em todo o mundo e incentivamos ativamente nossas pessoas a encontrar alfa em novos lugares.
O processo que transforma uma idéia em uma estratégia de negociação é muito sistemático e medido. Começamos com uma grande quantidade de idéias e precisamos descobrir qual deles tem o potencial de produzir retornos sustentáveis para nossos investidores.
Fazemos isso em um processo em duas etapas. O primeiro é a simulação, onde tomamos ideias, criamos estratégias a partir dessas idéias e veremos como elas se teriam comportado durante um longo período de tempo e por muitos ambientes diferentes. Se estamos satisfeitos com isso, passamos para a segunda etapa do processo em que negociamos a idéia. Nós o negociamos ao vivo, mas no papel, então não há dinheiro usado na negociação, mas nós simulamos o comércio ao longo do processo de tempo para garantir que esta estratégia seja robusta durante esse período ao vivo.
Pensamento não convencional e sem restrições.
Nós trazemos uma mentalidade científica, empírica para investir. Nós apenas trocamos idéias e teorias que podemos testar e provar. Atuamos em evidências e nos esforçamos para modelar e entender todos os aspectos do universo de investimentos. Mas não somos teóricos acadêmicos. Somos cientistas práticos que aplicamos nosso conhecimento para produzir algo de valor financeiro.
Nossa parceria única com a Universidade de Oxford, o Oxford-Man Institute, destaca isso.
O Oxford-Man Institute é um instituto de pesquisa que reúne professores, pós-docentes e estudantes interessados em financiamento quantitativo, particularmente técnicas de aprendizado de máquinas e análise de dados. Os pesquisadores do Man AHL trabalham junto aos acadêmicos da OMI e essa abordagem colaborativa fornece uma visão acadêmica profunda da pesquisa comercial prática.
Tecnologia de ponta.
Realmente acreditamos que as estratégias de negociação quantitativas de última geração exigem tecnologia de ponta em todas as etapas; desde a aquisição de dados de mercado e pesquisa inicial até a implementação do modelo e a execução comercial. Este foco primário permite que nossos modelos científicos passem do conceito através do teste de back-testing e na negociação de produção, com uma sobrecarga mínima e eficiência máxima.
Ter uma linguagem de programação comum e uma base de código unificada promove práticas de trabalho colaborativas e estimulantes, onde pesquisadores e tecnólogos naturalmente trocam idéias em um ambiente aberto. Nossas melhores práticas de engenharia de hardware, ferramentas e software garantem altos níveis de produtividade, qualidade e agilidade necessária para atender rapidamente às necessidades de um negócio dinâmico.
Na tecnologia Execução, nosso principal objetivo é garantir a melhor execução para nossos clientes. Como consideramos fundamentalmente que a concorrência é fundamental para isso, temos várias rotas comerciais; Algoritmos desenvolvidos por AHL, algoritmos de terceiros de melhor qualidade e uma mesa de negociação manual. Nós continuamente exigimos uma concorrência rigorosa entre essas rotas para garantir que estamos sempre negociando otimamente.
Reconhecimento da indústria.
Nossos esforços de pesquisa em andamento foram reconhecidos com inúmeros prêmios nos últimos 3 anos, uma seleção de quais são ilustrados abaixo.
Os prêmios e / ou avaliações são apenas para fins informativos e não devem ser interpretados como um endosso de qualquer empresa do Grupo Man nem nem de seus produtos ou serviços. Consulte os sites dos patrocinadores / emissores para obter informações sobre os critérios nos quais os prêmios / ratings são determinados.
Oxford-Man Institute.
O Oxford-Man Institute ('OMI') é a nossa colaboração única com a Universidade de Oxford. Ao longo da última década, a OMI, parte do Departamento de Ciências da Engenharia da Universidade, vem realizando pesquisa pioneira em finanças quantitativas e agora se concentra principalmente em técnicas de aprendizado de máquinas e análise de dados.
Acreditamos que esta iniciativa apoia firmemente a evolução contínua de nossas estratégias quantitativas de investimento. Estamos constantemente sendo apresentados com conjuntos de dados novos e em expansão e a aprendizagem por máquinas tem uma enorme quantidade a oferecer na interpretação desta informação.
O OMI faz parte do Departamento de Ciências da Engenharia da Universidade de Oxford. Localizado no mesmo edifício que o Oxford Research Lab da Man AHL, nos fornece uma conexão direta com a pesquisa de aprendizado de máquinas de ponta e permite a fructificação cruzada de idéias entre o investimento e as comunidades acadêmicas. Os trabalhos realizados no OMI em áreas como aparentemente não relacionadas ao investimento como a classificação de galaxy e a medida do alto das marés, contribuíram diretamente para nossas metodologias de investimento. Usamos ativamente técnicas de aprendizado de máquinas em nossos programas de negociação e estes se tornaram uma autêntica abordagem de valor agregado para os clientes da Man AHL.
Por favor, atualize seu navegador.
Infelizmente, não suportamos mais o Internet Explorer 8, 7 e mais por motivos de segurança.
Atualize seu navegador para uma versão posterior e tente acessar nosso site novamente.
No comments:
Post a Comment