Алексей Бачеров, с другой стороны когда ставка (хоть где на кривой) выше процентов на 10% по сравнению с инфляцией гораздо больше вопросов возникает к вашим альфам

А почему вы в качестве без рисковой инфляцию используете? Ну и редакторское не betta, а beta

Курц, это было общение с прессой перед встречей. До встречи просто дело не дошло, а она естественно за закрытыми дверями

DrugGoracio,

1. Определение опухоли требует хорошого доктора (в условном небольшом городке его может просто не быть), который тратит на это некоторое время. Современные сети для анализа изображений делают это на уровне выше хорошего доктора и на уровне консилиума хороших врачей. Происходит это мгновенно. По сути нужен интерфейс для загрузки изображения и сразу будет ответ. Основной препон сопротивление врачей и вопрос ответственности. Когда доктор ошибается — есть понятный механиз наказания. Когда сеть ошибается (а она ошибается хотя и реже хорошего врача), кто будет нести ответственность

2. Механизм обучению вождению достаточно сложный (обучение с подкреплением, имитационное обучение), но в итоге эта таже функция с кучей параметров и решение некой оптимизационной задачи. Нет никакого ии-водителя которому чего-то разрешают — есть хитрый алгоритм поиска экстремума с помощью градиентных методов

DrugGoracio, определение есть опухоль на узи, рентгене или биопсии, вождение ровера или автомобиля

DrugGoracio, да, для случая функции с огромным числом параметров. Для анализа изображений используют сети на десятки миллионов параметров, а языковых моделях там уже сотни миллиардов. Содержательно там важно какую лучше функцию взять (в изображениях используются сверточные на основе ResNet, а языковых на основе attention decoder only) и как быстро считать производные для этих функции и оптимизировать параметры

DrugGoracio, то что называют ИИ нейронная сеть и алгоритм ее обучения. Нейронная сеть — это просто функция с кучей параметров. Алгоритм обучения — это по существу метод поиска локального минимума этой функции с помощью градиентного метода. Если изучали высшую математику, то чуть более продвинутый метод Ньютона для поиска локального минимума

ru.wikipedia.org/wiki/Метод_Ньютона

Нет никакого ИИ — это маркетинговый булшит. 

А как вы альфу предлагаете считать для подобных сравнений?

Alex Craft, на рынке вообще все предсказания крайне приблизительные и точно обнаружить бумаги, которые вырастут сложно, но приблизительно можно. Моя система активно наращивала позицию в подобных бумагах, и такое не в первый раз происходит, поэтому удается проходить спады чуть более мягко, но избежать полностью естественно не удается

Про корреляцию 1 вы сильно преувеличиваете. Не видел реально больше 60% в среднем по рынку на российском рынке, а если добавить иностранные, то и того меньше. Плюс всегда есть бумаги которые имеют сильно отличную корреляцию. Даже в 22 году были бумаги, которые обновили максимумы на фоне известных событий

Alex Craft, я если честно не понимаю, что такое не учитывать ковариацию. Если ковариация равна 0, то вы неявно подразумеваете огромную возможность снижения рисков за счет диверсификации. В общем я не очень понимаю, что вы и как собираетесь делать, но с удовольствием понаблюдаю за процессом

Alex Craft, про логорифмы — валидный вариант предпочтений, но тут нужно учитывать, что в этом простом примере акция в некотором смысле опцион — не может упасть больше чем на 10%, а поэтому опционы со страйком меньше 90% не репрезентаивны. Для более полноценного анализа лучше рассмотреть биномиальную модель на несколько периодов и посмотреть, что будет там. Скорее всего получится следующее — так как реальная акция может упасть на любую величину с некой вероятностью, то у вас любой опцион будет иметь минус бесконечную цену (будет кейс нулевой выплаты с не нулевой вероятностью). То есть фактически вы будете выбирать акцию, то есть ваша задумка с анализом опционов не сильно нужна — всегда нужно покупать акцию, ну или нужно как-то тюнить критерий выбора

Про вашу рассказ-аналогию про игровые автоматы — это известная задача у которой есть известное решение в этой простой постановке, например семплирование Томсона. Изучив его можно понять, что ваш подход не очень рабочий, потому что в правильном решении необходимо учитывать несовершенство статистических оценок характеристик автоматов, что вы совсем не делаете. И поверьте, эта проблема по существенней проблемы толстых хвостов, особенно когда речь заходит о портфеле инструментов (а вы где-то писали про миллион опционов) — у вас будет миллион не точных оценок доходностей, а чтобы это анализировать совместно миллион в квадрате неточных оценок клеток в ковариационной матрице, которая как известно из теории случайных матриц будет выражденной, а в результате любая оптимизация будет выдавать дичь на выходе

Михаил, ну в общем я проделал эту работу, если я конечно правильно вас понял. Оказывается оптимальным любой опцион со страйком между 90 и 130. Они приносят доходность 40% на единицу вложенных средств в ваших терминах. А теперь вопрос — действительно ли вы хотите вложить на всю котлету в один из этих опционов — в половине случаев вы все сольете

Alex Craft, рассмотрите простой какой-то кейс, я бы даже предложил дискретный. И посмотрите, что бы вы сделали в нем. Может вы сами поймете проблемы в вашем подходе, а может их и нет. Как вариант:
— безрисковая облигация с доходность 5%
— акция с доходность -10% в половине случаев и 30%, соответсвенно матожидание 10% и std 20%

Легко посчитать, что с точки зрения классических финансов риск нейтральная вероятность плохого исхода для акции 62,5%, а хорошего 37,5%. Зная это легко оценить любой дериватив на акцию — достаточно посчитать матожидание выплат под риск нейтральной мерой и поделить на ставку облигации

Возмите опционы с шагом в 10% от 10% до 130% и попробуйте с оптимизировать портфель из опционов, акции и облигации вашим способом

Alex Craft, то есть резюмируя, вы считает какой-то вам интересный показатель, который ценой не является, чем он так интересен я тоже не очень понимаю, но да у Вас формула по проще, чем у нобелевских лауреатов. Нобелевские лауреаты решали другую, но мне если честно более понятную задачу, поиска цены опциона, да при некоторых не совсем реалистичных допущения. Как показывает практика она в первом приближении неплохо работает, но естественно есть простор для усовершенствований

То ли вы ценой называете, что обычно ценой не называют, то ли я вашу формулу не понимаю. Вот вы можете с помощью вашей формулы посчитать цену очень простой бумаги, которая через год заплатит 120 рублей?

Alex Craft, вполне возможно. Но я бы вам советовал прежде чем чего-то сделать на реальных данных, помоделировать это на виртуальных, где вы знает распределения и проработал, что вы собираетесь делать end-to-end, прежде чем изучать детально отдельные вопросы. Вы где-то писали, что хотели бы анализировать много бумаг — вам нужно не просто данные по отдельным бумагам, а их корреляции, а там сразу выясняется, что это все крайне неустойчиво работает. Как вы будете не в момент экспирации это все оценивать, я если честно тоже не понимаю. У меня есть впечатление, что вы поставили себе какую-то Мега задачу, которую может и большая команда квантов не решит при большом финансировании

Максим, не понял к чему это?

Alex Craft, тут очень зависит от квантиля. При малых практически всегда лучший выбор малорискованная облигация. При около 50% те же проблемы, что у Келли — совершенно не устойчив к погрешностям и выбирает дико рискованные портфели