Nyheter

Artificiell intelligens i en börshandlad fond

Publicerad

den

Artificiell intelligens får en allt större betydelse för ETF-marknaden. Under oktober 2017 lanserades Artificial Intelligence run ETF på NYSE, Artificiell intelligens i en börshandlad fond. Detta är en Börshandlad fond som förvaltas av IBMs Watson. Denna ETF som har kortnamnet AIEQ förvaltas av EquBot och har tagits fram av ETF Managers Group.

Det är svårt att förneka ett så elegant koncept som ligger bakom denna ETF. Det är ett stort steg för den teknologiska revolutionen inom kapitalförvaltningsutrymmet. Superdatorn, Watson, har lärt sig finansieringsansökningar under en tid och och är nu inriktad på att hantera en portfölj av aktier baserat på vad den har lärt sig. Det är viktigt att påpeka maskininlärningskomponenten i detta.

Det finns många tillämpningar av AI på olika delar av marknaden och hur maskinerna lärs och lär sig är viktigt för resultatet. Analogin är två kockar som har samma ingredienser men olika färdigheter. Slutmålen kommer att se olika ut. Det finns dock ingen som förnekar att tillämpningen och betydelsen av denna typ av tillvägagångssätt i investeringshanteringsutrymmet.

Inriktar sig mot aktiva kapitalförvaltare

AIEQ är en börshandlad fond som riktar in sig mot aktiva förvaltare. Värdepropositionen förstärkt av AI-applikationen är att datorsystemet kan analysera information snabbare och effektivare än en grupp analytiker. Den effektiva marknadshypotesen pekar på att marknadspriset på en börs återspeglar all offentligt tillgänglig data.

Med en ökad volym och bättre tillgång till information och subjektivit för integriteten och tillförlitlighet av information har detta skapat effektivitet och utmaningar för för investeringsanalys. Ett system som effektivt kan filtrera genom denna information konceptuellt verkar vara något som bidrar med värde till investerarna. Tekniken bakom ETFen är också avsedd för att skapa handel baserat på mätvärdena.

Var passar denna ETF?

Målet är ett effektivare tillvägagångssätt mot aktiv förvaltning, som syftar till att påskynda nuvarande dataanalysmetoder, vilket potentiellt förbättrar resultaten enligt den effektiva marknadshypotesen. Parametrarna och begränsningarna för allokeringen kommer att forma portföljen. Dessutom har vad systemet har lärt sig och vad det kommer att lära sig kommer att påverka avkastningen och dess förmåga att överträffa andra aktiva förvaltare och indexerade strategier, vare sig det är traditionellt passiva eller smarta/strategisk beta.

Klicka för att kommentera

Populära

Exit mobile version