【MIT博士论文】投资管理中的数据科学，372页pdf

在这篇名为《数据科学在投资管理中的应用》的论文中，我们旨在探索数据科学和人工智能在投资管理各个维度的应用，为行业提供创新的解决方案和洞见。这篇论文由几个部分组成，每个部分都针对投资管理的不同方面，利用数据科学技术提供有价值的洞见。 在第一部分中，针对行业和加密货币，我们开发了一个动态分类系统，根据来自广泛的结构化和非结构化数据特征的量化相似性，对股票进行分组。有了大数据的可用性，我们能够使用人工智能（AI）方法从各种数据源提取有关公司的相关信息，并根据市场看法了解它们未来的相似性。在第二部分中，我们研究为融合能源和生物制药投资创建资本和投资组合管理的方法。通过利用诸如投资组合方法之类的计算技术，我们为高风险、高回报的冒险项目（如融合研究和生物制药投资）提供了新颖的见解。我们还量化了临床试验结果对公司股价的影响，这可以帮助生物制药投资者进行风险管理。鉴于对ESG投资的日益关注，我们研究了ESG投资的超额回报。我们还开发了一种衡量生物制药公司产品对患者生活影响的方法，这可以吸引ESG基金投资于生物制药公司。论文的下一部分调查了金融风险处理的实时心理生理分析，使用数据驱动的方法，深入了解投资决策背景下的人类行为。在接下来的部分中，我们专注于使用可解释的机器学习来解决消费者信贷风险的重要问题。在最后一部分中，我们总结了人工智能和数据科学在金融领域的未来。

随着理论创新、数据可用性和计算资源的发展，人工智能（AI）模型已经经历了演变。图1-1显示了随时间开发的人工智能（包括语言系统）系统所使用的计算和数据点，我们可以观察到AI系统使用的计算和数据集呈指数级增长。这得益于计算资源的增加和计算及数据存储设施成本的降低。

在近年来，数据科学和人工智能的快速发展显著改变了投资管理的格局。数据和AI系统的可用性已经以几种重要方式彻底改变了投资管理和金融世界。这些技术使投资者、基金经理和金融机构能够做出更明智的决策，自动化流程，并在市场中发现隐藏的模式。这篇名为《数据科学在投资管理中的应用》的论文旨在探索数据科学和人工智能在投资管理各个维度的潜在应用，为行业提供创新的解决方案和洞见。

该论文由几个章节组成，每个章节都针对投资管理的不同方面，利用数据科学技术提供有价值的洞见。前两章（第一部分）聚焦于基于人工智能的传统行业和加密货币同行群体系统。因为投资者和金融分析师在投资管理和竞争性行业调查中广泛使用它，所以它具有广泛的应用性。目前存在多种行业同行群体系统，包括北美行业分类系统、全球工业分类系统和行业分类基准。然而，这些系统是静态的（不随时间演变）且不包含市场感知（定义为回报相关性）。 对于行业，我们开发了一个动态行业分类系统，根据来自广泛的结构化和非结构化数据特征的量化相似性，对股票进行分组。有了大数据的可用性，我们能够使用人工智能（AI）方法从各种数据源提取有关公司的相关信息，并根据市场感知了解它们未来的相似性。我们的AI驱动同行群体系统（AIPGS）能够自我适应并随着公司感知的变化而随时间演变。 与股票市场的公司不同，加密货币市场是新兴的，目前现有的加密货币群体（分类）并未针对投资管理的应用而定制。因此，我们使用包括历史回报、白皮书、基本因素和基本属性在内的各种数据源，为加密货币创建同行群体系统。 论文的第二部分深入探讨了能源、制药行业和ESG投资。由于影响社会、经济和个人福祉的几个原因，对能源、医疗保健和制药行业的投资至关重要。这些行业在改善和维护公共健康、推动创新和促进经济增长方面发挥着重要作用。然而，融合能源和制药行业的资金却十分匮乏。因此，在不同的章节中，我们研究为融合能源和生物制药投资创建资本和投资组合管理的方法。