AI per l'Ottimizzazione di Portafoglio: Oltre la Classica Media-Varianza

L'ottimizzazione classica di portafoglio ha fornito agli investitori un quadro potente, ma ha anche esposto la fragilità di qualsiasi approccio che dipenda da input incerti. L'AI non elimina questa incertezza, ma cambia il modo in cui gli investitori la stimano, la modellano e reagiscono ad essa. Questo corso ti offre un'introduzione calma e strutturata in modo che tu possa parlare con sicurezza del ruolo dell'AI nel lavoro di portafoglio senza sovrastimarne le capacità. Imparerai come funziona l'ottimizzazione classica, dove tende a fallire e come i metodi moderni, inclusi risk parity, hierarchical risk parity ed estensioni di machine learning, affrontano queste debolezze. Il corso rimane ancorato a concetti ampiamente utilizzati e rispetta le realtà della gestione degli investimenti. Cosa imparerai: - Comprendere l'ottimizzazione classica media-varianza e la sua sensibilità alle stime degli input - Riconoscere il fascino del risk parity e del hierarchical risk parity come framework di ponderazione alternativi - Esplorare come il machine learning stima rendimenti, covarianze e cambiamenti di regime in modo più robusto - Leggere come l'AI supporta l'allocazione tattica, l'analisi dell'esposizione ai fattori e le decisioni di ribilanciamento - Identificare i rischi dell'AI nel lavoro di portafoglio, inclusi overfitting, cambiamenti di regime e falsa sicurezza - Comprendere i punti di integrazione tra l'ottimizzazione supportata dall'AI, i sistemi di esecuzione e la gestione del rischio Il corso inizia con l'ottimizzazione classica, passa attraverso alternative moderne ed estensioni AI, e si conclude con le realtà operative della gestione di portafogli supportati dall'AI. Esercizi scritti ti aiutano a collegare ogni concetto a un portafoglio o a una classe di attività realistica. Questo corso è pensato per principianti assoluti senza background di teoria di portafoglio o AI, inclusi studenti di finanza, professionisti delle operazioni di investimento e sviluppatori software che entrano nella finanza quantitativa. Non sono richiesti prerequisiti oltre una generale familiarità con la matematica. Il corso è informativo e non fornisce consulenza sugli investimenti; costruisce la conoscenza che ti permette di fare domande migliori.