ИНТЕЛЛЕКТ ПОРТФЕЛЯ

Все мы знаем про искусственный интеллект. И даже знаем, что банальный привычный более 20 лет сервис ввода текста за счет предсказания вероятности Т9, который есть в каждом телефоне, это тоже интеллект. Интеллект, который смог дойти до уровня типа ChatGPT и других подобных нейронок.

Но что делает простую предсказательно-частотную модель почти разумной? Или даже более разумной в некоторых сферах?

Это база данных.

И чем она шире, тем больше поле для поиска аналогий и получения выводов на основе них для ответа.

И вполне вероятно, что любая многоядерная система из некоррелирующих и коррелирующих между собой частей статистически неизбежно должна приобретать признаки интеллекта. Когда наличие изменений в одном участке запускает реакции изменения в других.

Как вода в ведре. Нельзя просто вынуть чайную ложку, не создав цепной реакции по всему объему, который будет стремиться к выравниванию и распределению. Хоть у ведра и нет разума, но сам факт обладания физическими качествами объёма (границ) и массы, текучести — все это создаст программу поведения подобно разумному управлению и выполнит ее.

Кто выполнит? Сама система.

Точно такое же я давно заметил за портфелями из множества классов: акции, золото, замещайки, облигации с постоянным и плавающим купоном, в том числе ОФЗ, денежный рынок, вклады, накопсчета, фьючерсы, венчурные инвестиции (и другой сверхриск). $IMOEXF $TMOS@ $TGLD@ $TLCB@ $TBRU@ $TPAY $TMON@ $CRU6 $SU26254RMFS1 $SU26248RMFS3

Изменения долей одних классов естественным образом меняют доли других. Тем самым они ставят одни в позицию «надо докупать», а другие «частично продавать».
И эта логика, которая рождается из хаоса на первый взгляд, никогда не позволит что-то из классов купить, когда оно дорого, или продать, когда дёшево.

Но, как я писал уже выше, Т9 дошёл до ChatGPT не из-за долгого времени существования, а из-за времени + увеличение элементов баз данных для обработки и анализа.

Портфель с двумя классами будет обладать низким интеллектом. Портфели с 5+ классами — уже становятся нейронными сетями, дающими простые чёткие ответы инвестору когда и что менять по долям.

И на каждом уровне этой системы также есть внутренняя система.
Например, простая модель соотношения постоянного и плавающего купонов в облигациях: при росте ставок падает доля постоянного купона — его можно купить больше для выравнивания. И наоборот, при достижении минимума по ставке ПД бонды разрастаются максимально и докупать система рекомендует флоатеры, так как вероятность впереди повышения КС уже выше, чем снижения.

Все эти приёмы я использую в своем глобальном портфеле из всех классов. А конкретно класс облигаций по авторскому алгоритму я разворачиваю в виде стратегии &Динамичные_облигации, где благодаря интеллекту портфеля удалось избежать текущих падений рынка долга и продолжить зарабатывать на бумагах с высокой надёжностью и минимальной волатильностью.

Понравились мысли из поста? Поставь лайк и подпишись!

Также жду всех в своем закрытом канале @DOROGA_K_KAPITALU Там я еженедельно публикую отборные готовые топы по облигациям, раскрываю состав своих стратегий без подключения, оцениваю состояние рынка по классам, а также периодически публикую состав своего портфеля по всем брокерам (скоро публикация).

Жду всех, подписывайтесь!

#облигации #стратегия #инвестиции