Seeking the investment portfolio efficiency applying the artificial intelligence

Abstract

Research background: Stochastic information in finance and economics results from various unexpected and uncertain processes and fluctuations of financial and economic activity. It is necessary to make investment decisions in capital and exchange markets adequately. Thus stochastic models in investment are widely used. Investment decision-making problems are successfully being solved by applying artificial intelligence or similar methods. However, artificial intelligence can solve significantly broader groups of problems and tasks. To solve such kinds of problems, the focusing of artificial neurons into the effectively functioning stochastic pseudo-neural network is oriented in the proposed research. Purpose of the article: The research objective is to form an efficient investment portfolio using the historical data of financial markets and assess its results. Methods: To reach the aim of the research, the stochastic investment system based on artificial intelligence and methodology of stochastic expertise is developed. It is capable of solving the investment problems in financial markets. The system is backed up by the authors’ previously developed adequate portfolio model, which solves investment problems concerning the stochastic nature of investment return and analyses three investment parameters: return, reliability, and risk. Findings & value added: The paper presents investment results in the USA stock market during the 2019-2020 time period. Based on the historical data, the investment portfolio is proposed, highlighting its generated return and reliability. The possibilities to invest in portfolios with different risk levels are disclosed, attention to the investor’s risk resistance level is paid. Also, an experiment in the exchange market has been conducted. After performing experiments in capital and exchange markets, the traditional technique of investment portfolio optimal solution search has been diversified and broadened. The results of the research are useful for researchers in the field of investment, as well as for individual and institutional investors.

Stochastinė informacija finansuose ir ekonomikoje atsiranda dėl įvairių netikėtų ir neapibrėžtų finansinės ir ekonominės veiklos procesų ir svyravimų. Būtina tinkamai priimti investicinius sprendimus kapitalo ir valiutų rinkose. Todėl stochastiniai modeliai investavime yra plačiai taikomi. Investicinių sprendimų priėmimo problemos sėkmingai sprendžiamos taikant dirbtinio intelekto ar panašius metodus. Tačiau dirbtinis intelektas gali spręsti gerokai platesnes problemų ir užduočių grupes. Siekiant išspręsti tokio pobūdžio problemas, tyrimas orientuojamas į dirbtinių neuronų sutelkimą į efektyviai veikiantį stochastinį pseudoneuroninį tinklą. Tyrimo tikslas – remiantis istoriniais finansų rinkų duomenimis sudaryti efektyvų investicinį portfelį ir įvertinti jo rezultatus. Siekiant tyrimo tikslo sukurta stochastinio investavimo sistema, pagrįsta dirbtiniu intelektu ir stochastinės ekspertizės metodika. Jį galima pasitelkti siekiant spręsti investavimo problemas finansų rinkose. Sistema paremta autorių anksčiau sukurtu adekvataus portfelio modeliu, kuriuo sprendžiami investavimo uždaviniai, susiję su stochastiniu investicijų grąžos pobūdžiu, ir analizuojami trys investavimo parametrai: grąža, patikimumas ir rizika. Straipsnyje pateikti investavimo į JAV akcijų rinką 2019–2020 m. rezultatai. Remiantis istoriniais duomenimis, aptartas investicijų portfelis pabrėžiant jo sukuriamą grąžą ir patikimumą. Atskleistos galimybės investuoti į skirtingo rizikos lygio portfelius, atkreiptas dėmesys į investuotojo atsparumo rizikai lygį. Taip pat buvo atliktas eksperimentas valiutų rinkoje. Atlikus eksperimentus kapitalo ir valiutų rinkose, tradicinis investicinio portfelio optimalaus sprendimo paieškos metodas buvo paįvairintas ir išplėstas. Tyrimo rezultatai gali būti naudingi investavimo srities mokslininkams, taip pat individualiems ir instituciniams investuotojams.