Nick 是 Boosted.ai. 的联合创始人和首席运营官。他拥有超过 15 年的金融工作经验，他从交易员开始进入该行业，并在整个职业生涯中担任过大多数其他前台职位（研究分析师，投资组合经理和投资银行）。
由 Nicholas Abe，Boosted.ai 的共同創始人和營運長投資者如何從量化和基本面方法中獲得最好的結果？通過實施機器學習覆蓋，Nick Abe，Boosted.ai 的共同創始人和營運長撰寫。基本面經理通過不適應變化的技術和機構投資者需求而錯失收益。Abe 證明，結合其金融領域專業知識和最先進的人工智能工具可以增加阿爾法和夏普比率。投資的兩個方面 – 量化和基本面 – 近來都面臨著問題。即使是最先進的投資者也在 2020 年因為 COVID-19 大流行帶來的市場波動而苦苦掙扎。量化方法在大型資產管理公司中逐漸建立起來，因為它們建立了自己的量化團隊。然而，通過現代技術獲得優勢的承諾卻因為實施成功的機器學習的困難而受到限制，主要是由於所需的專業知識和開發功能性程序的高成本。成功的量化公司聘用大量的博士、數據科學家和工程師來分析大量複雜的數據 – 甚至如此，有時仍然會失敗。從數據中找到預測力量是困難的，黑天鵝事件如 COVID-19 和其他政權轉變可以在沒有人類監督的情況下使數據過時。基本面失敗大多數人都知道基本面分析的原則 – 研究財務報表和融入經濟因素以做出投資決策。投資者已經實踐和磨練了這種耗時的方法來提供回報數十年。然而，一些人正在溫和地使用現代技術，如機器學習和替代數據，來提高績效，合成信息，減少決策過程中的認知偏差。此外，基本面的主動投資管理面臨著巨大的挑戰，從費用壓縮和技術進步到投資者情緒向低成本 ETF 轉變。量化和基本面方法有什麼共同點？它們研究周圍的世界以做出明智的資本部署決策。但是，如果有一個第三個選擇？基本管理中對機器學習的呼籲機器學習已經革命了各個行業和日常生活。從 Google 翻譯到自駕車，技術正在改變世界，就像工業革命之前一樣，投資管理行業也不會免受這些變化的影響。根據 2019...
