Aktieseminar - Kunstig intelligens og estimationer (part II)

Ved brug af kunstig intelligens og machine learning kan aktieanalytikere og porteføljeforvaltere optimere deres estimationer ved at anvende avancerede kvantitative modeller til risikovurdering og indtjeningsprognoser. Hertil kommer brug af faktormodeller og AI-drevne algoritmer som potentielt kan forbedre evnen til at analysere aktiers forventede afkast og identificere risikofaktorer, mens maskinlæring kan levere mere præcise earnings predictions baseret på store datasæt og komplekse mønstre.

AI-baserede porteføljemodeller kan ligeledes medvirke til at optimere aktivsammensætningen og forbedre risikostyring ved at analysere sandsynlighedsfordelinger, halerisici og dynamiske korrelationer. Cluster-analyse og unbiased estimationer af korrelationer hjælper med at identificere skjulte risici og muligheder under varierende markedsforhold. Også stress testing og udvikling af nye finansielle instrumenter ved hjælp af kunstig intelligens tror man på, kan forberede én på ekstreme markedsbevægelser - men nok ikke forudsige dem endnu.

Samlet set håber man på, at kunstig intelligens kan give mere præcise og robuste analyser, men det kræver en kritisk tilgang til biases og kende modellernes begrænsninger. Og hvad med den menneskelige faktor?

Dette aktieseminar er det andet og sidste i rækken, hvor vi tager kunstig intelligens i hånden og fletter det sammen med forskellige stadier indenfor aktieanalyse og investeringsbeslutninger. Seminaret vil overvejende foregå på engelsk.