Syväoppimisen hyödyntäminen arvopaperisalkkujen hallinnassa

Abstract

Tekoälyn kehitys on ottanut viime vuosina merkittäviä kehitysaskelia, minkä myötä sen sovellusalueet ovat laajentuneet. Etenkin syväoppimisen tarjoamat mahdollisuudet arvopaperisalkkujen optimoinnissa ja riskinhallinnassa ovat herättäneet kiinnostusta rahoitusalalla. Tämän tutkielman tavoitteena on selvittää, millä tavoin syväoppimista voidaan hyödyntää arvopaperisalkkujen hallinnassa, ja onko sillä positiivisia vaikutuksia salkun suorituskykyyn. Tutkielma on toteutettu kirjallisuuskatsauksena. Lähdeaineistona käytettiin pääasiassa vertaisarvioituja tieteellisiä artikkeleita sekä alan kirjallisuutta. Tutkielmassa tarkastellaan arvopaperisalkun hallintaan liittyvää käsitteitä sekä syväoppimista ja luonnollisen kielen käsittelyä käsitteinä. Tämän lisäksi tutkielmassa esitellään tutkimuksia, joissa syväoppimisen menetelmiä on hyödynnetty arvopaperisalkkujen hallinnassa. Tutkielmassa havaittiin, että syväoppimista voidaan soveltaa arvopaperisalkkujen hallinnassa monin tavoin. Varsinkin takaisinkytkettyjä neuroverkkoja ja luonnollisen kielen käsittelyä hyödyntäneet salkun optimointimallit ovat osoittaneet tutkimuksissa hyvää suorituskykyä, kun niitä on vertailtu perinteisiin keskiarvo-varianssimalleihin ja vertailuindekseihin. Tutkimustuloksiin kannattaa kuitenkin suhtautua varauksella, koska osakekurssien ennustaminen ja markkinatunnelmien analysointi on monimutkaista, ja niihin liittyy monia epävarmuustekijöitä. Lisäksi syväoppimismallien kouluttamisen onnistuminen riippuu saatavilla olevan datan laadusta sekä resursseista.