Mozaic "AI Paper": Além dos modelos tradicionais
Uma exploração aprofundada da utilização de técnicas de aprendizagem automática ( machine learning) para optimiz
Este documento explora a aplicação inovadora de técnicas de aprendizagem automática dentro de uma estrutura de otimização de carteiras, superando métodos tradicionais como a otimização “mean-variance”. O artigo apresenta a utilização de modelos de aprendizagem automática para prever retornos, rendimentos e volatilidades para pools da GMX, integrando estas previsões perfeitamente no processo de construção de carteiras.
Os principais destaques incluem:
Aprendizagem automática para previsão: Utilizando dados históricos e vários fatores de influência, os modelos de aprendizagem automática geram previsões precisas para o comportamento das pools da GMX.
Integração na Otimização: Os retornos e covariâncias previstos são integrados na estrutura de otimização de carteiras, contabilizando o perfil único de risco-retorno das pools da GMX.
Resultados e Significância: As conclusões demonstram melhorias significativas no desempenho do portfólio, com retornos cumulativos mais elevados e rácios de Sharpe superiores em comparação com os portfólios de referência.
Este artigo fornece informações valiosas sobre a eficácia das abordagens orientadas para a aprendizagem automática para melhorar as estratégias de investimento no dinâmico mercado das criptomoedas.
Last updated