[发明专利]金融商品的相关性预测系统及其方法

说明书

本发明揭示一种金融商品的相关性预测系统及其方法。上述金融商品的相关性预测系统及其方法可使用多层感知器(深度神经网络)与人工神经网络模型架构来产出更准确的金融商品之间的相关性预测。根据本发明，金融机构可更有效地将金融商品之间的未来相关性升/降纳入建构投资组合时的考虑，并由此建构出更有效率且更具竞争力的投资组合。

技术领域

本发明关于一种金融商品的相关性预测系统及其方法，特别是关于一种使用人工智慧(Artificial Intelligence；AI)的金融商品的相关性预测系统及其方法。

背景技术

各种金融商品的价格与波动率之间是彼此相关联的。并且，金融商品的价格与波动率与整个市场机制具有高度的连结。在建构大型的投资组合时，资产管理者的任务在于，针对提供预先选取的金融商品来建构出可降低该些金融商品之间的内部相关性的投资组合。对于控制总体投资组合的风险而言，降低投资组合中的金融商品之间的相关性是非常关键的步骤。因为在投资组合中的金融商品如果是彼此不相关的，则该些金融商品各自的随机变动将可彼此抵销，使得上述投资组合可提供更好的分散效果，以及可保护投资者。现在大多数的资产管理者，例如基金经理人，所使用的方法是建构出平均数-变异数投资组合(mean-variance portfolio)。然而，平均数-变异数投资组合自马柯维茨(Markowitz)1952年提出至今，并没有经过几十年的发展。一般而言，平均数-变异数投资组合的方法是使用过去一年(past-year)的历史波动率与历史共变异数 (covariances)/相关系数(correlations)，并假设这些属性在下一个投资期间中将维持不变。

有鉴于此，开发可提供更贴近市场分布的不断演进的未来相关性预测的金融商品的相关性预测系统及其方法，是一项相当值得产业重视且可有效提升产业竞争力的课题。

发明内容

鉴于上述的发明背景中，为了符合产业上的要求，本发明提供一种金融商品的相关性预测系统及其方法，上述金融商品的相关性预测系统及其方法可提供更贴近市场分布的不断演进的更准确地未来相关性预测结果。

本发明的一目的在于提供一种金融商品的相关性预测系统及其方法，藉由使用人工智慧模型来进行金融商品的趋势预测，使得上述金融商品的相关性预测系统及其方法可针对至少两标的金融商品来产出更准确的未来相关性预测。

本发明的另一目的在于提供一种金融商品的相关性预测系统及其方法，藉由金融商品与市场指数的相关性预测来进行金融商品间的未来相关性预测，使得上述金融商品的相关性预测系统及其方法可产出更贴近市场分布的不断演进的准确预测结果。

本发明的又一目的在于提供一种使用金融商品的相关性预测系统及其方法，藉由使用复数个经过至少一次回溯测试与参数调整的人工智慧模型来进行金融商品的未来趋势预测，使得上述使用人工智慧的金融风险预测系统及其方法可产出更准确的风险预测结果。

根据以上所述的目的，本发明揭示了一种金融商品的相关性预测系统及其方法。上述金融商品的相关性预测方法，可用于一金融商品的相关性预测系统，包含搜集金融商品与市场指针的成对数据并建立数据资料库、建构并训练复数个人工智慧模型、测试并回溯测试上述人工智慧模型、储存并使用通过回溯测试的人工智慧模型来产出金融商品与市场指标的未来相关性预测结果、以及藉由上述金融商品与市场指标的未来相关性预测结果来计算出金融商品间的未来相关性预测结果。上述金融商品的相关性预测系统及其方法可针对任何金融商品提供具有竞争力的风险预测结果。根据本发明的设计，上述金融商品的相关性预测系统及其方法藉由使用递归神经网络从金融商品与市场指针的历史成对数据建构出复数个人工智慧模型，再经过测试、与至少一次回溯测试等方式，过滤出贴近金融商品与市场指标的相关性的最佳人工智慧模型。最后再以这些最佳人工智慧模型来进行未来金融商品间的未来相关性预测结果。因此，根据本发明所揭露的技术，金融机构/投资人可更有效地将金融商品之间的未来相关性升/降纳入建构投资组合时的考虑，并由此建构出更有效率且更具竞争力的投资组合。

附图说明