23.11.2021 | Absolut|alternative

Robuste(re) Diversifikation mit Graphentheorie und maschinellem Lernen

Machine Learning bietet im Asset Management vielfältige Anwendungsmöglichkeiten und ist in der Lage Ergebnisse traditioneller Methoden zu verbessern. In der Asset Allocation führen klassische Schätzverfahren für Mittelwert und Varianz oftmals zu fehleranfälligen und schlecht diversifizierten Portfolios. Mit Hierarchical Risk Parity stellen Michael Ege, Dr. Markus Jaeger und Stephan Krügel von Munich Re Markets eine Methode vor, die die Idee des diversifizierten Portfolios aus einem konzeptuell neuen Blickwinkel betrachtet. An einem Anwendungsbeispiel im Multi-Asset-Kontext stellen sie das Potenzial dieses Ansatzes dar.



Abonnenten des Absolut|alternative finden den Fachbeitrag in Ausgabe 04|2021 ab Seite 32.

Absolut|alternative bietet institutionellen Investoren einen einzigartigen Zugang zu liquiden alternativen Anlagestrategien, darunter Themen wie Smart-Beta- und Factor-Investing, Digital Assets, Quantitative Strategien, Künstliche Intelligenz und Sektorinvestments.

zurück