วันนี้นั่งหาบทความเกี่ยวกับการทำ RoboAdvisor ไปเจอหลาย paper ที่น่าสนใจ แต่อันหนึ่งที่ชอบสุดคือ paper ของ Amundi Asset Management เขียนเรื่อง Robust Asset Allocation for Robo-Advisors paper นี้ค่อนข้างยาว 70 กว่าหน้า ผู้วิจัยแนะนำแนวทางการเพิ่มประสิทธิภาพของพัฒนา Robo-Advisor ซึ่งนิยามปัจจุบันคือการทำ automated portfolio management แต่หลายเจ้ายังใช้คน( human-based ) เพราะมองว่า portfolio optimization เป็นงานที่ยากโดยเฉพาะเมื่อต้องเผชิญก ับภาวะความไม่แน่นอน และความผันผวนของตลาด ประเด็นหลักๆพูดถึง - เทคนิคและข้อจำกัด mean-variance optimization ,การสร้างพอร์ตให้เกิด maximum Sharpe ratio (risk/return trade-off ) แบบเดิม การ overfit ของโมเดลกับ data ในอดีต ที่ทำให้การ optimize น้ำหนักของโมเดล ไม่สามารถทำงานได้ดีในภาพตลาดที่แตกต่างจากอดีต ส่งผลให้พอร์ตมีความผันผวน - การทำ hedging portfolios ,การเลือก asset ในจากค่า ความสัมพันธ์(correlation) เพื่อทำ diversification - นำเสนอเรื่อง portfolio regularization แก้ข้อจำกัดของ MVO portfolio แบบเดิมโดยกล่าวถึงการใช้ L1 และ L2 Regularization
เรียนรู้เรื่องการเทรดหุ้น อนุพันธ์ ทองคำ อย่างเป็นระบบ