Gestion de portefeuille par apprentissage par renforcement
Ce projet s’attaque au problème de l’optimisation du portefeuille en utilisant l’apprentissage par renforcement, un domaine de l’apprentissage automatique qui a récemment attiré de nombreux chercheurs. Ses avantages par rapport aux modèles conventionnels d’optimisation de portefeuille proviennent de sa capacité à intégrer de nombreuses caractéristiques des actifs dans le problème d’allocation d’actifs sans dépendre des rendements prévisionnels générés par un autre modèle. Ce modèle est capable de prendre en compte les mesures de risque et de fournir des stratégies d’allocation d’actifs conformes aux préférences de risque des investisseurs. Il prend aussi en compte les contraintes exogènes du marché comme les coûts de transaction, qui sont des facteurs très importants dans la performance des stratégies suggérées par le modèle.
Voir la description complète du projetErick Delage; Jonathan Yumeng Li
EVEN
Affaires
Finance et assurance
HEC Montréal
Accélération