La fluctuación de precios de los vinos finos ahora se puede predecir con mayor precisión utilizando un nuevo enfoque de inteligencia artificial desarrollado por investigadores de UCL. El método podría usarse para ayudar a los inversores de vinos finos a tomar decisiones más informadas sobre sus carteras y alentar a los inversores que no son vinos acomience a mirar el vino de esta manera y, por lo tanto, aumente el comercio neto de vino. Se espera que se utilicen técnicas similares en otros 'activos alternativos' como los automóviles clásicos.
El coautor, el Dr. Tristan Fletcher, académico de UCL y fundador de la firma cuantitativa de gestión de activos de vino Invinio, dijo: "La gente ha estado invirtiendo en vino durante cientos de años y es muy recientemente que la forma en que lo están haciendo haLa inversión en vinos es cada vez más accesible y es un mercado en continuo crecimiento, principalmente en Londres: el centro mundial del comercio del vino. Hemos demostrado que los algoritmos de predicción de precios similares a los utilizados habitualmente por otros mercados se pueden aplicar a los vinos."
El estudio, publicado en el Revista de Economía del Vino con la orientación de Invinio, descubrió que los métodos de aprendizaje automático más complejos superaron a otros procesos más simples utilizados comúnmente para las predicciones financieras. Cuando se aplicaron a 100 de los vinos finos más buscados del índice de vinos Liv-ex 100, el nuevo enfoque predijo los precios conmayor precisión que otros métodos más tradicionales al aprender qué información era importante entre los datos.
El coautor, profesor John Shawe-Taylor, codirector del Centro de Estadística Computacional y Aprendizaje Automático de la UCL y Jefe de Ciencias de la Computación de la UCL, dijo: "El aprendizaje automático implica el desarrollo de algoritmos que aprenden automáticamente de los nuevos datos sin intervención humana.Hemos creado un software inteligente que busca información útil en los datos que luego se extrae y utiliza, en este caso para predecir los valores de los vinos. Desde que comenzamos a trabajar en el aprendizaje automático en UCL, nuestros métodos se han utilizado en una amplia variedadde industrias, particularmente médicas y financieras, pero esta es la primera vez que ingresamos al mundo del buen vino ".
Para este estudio, el equipo probó dos formas de aprendizaje automático, incluida la 'regresión del proceso gaussiano' y el más complejo 'aprendizaje de funciones de tareas múltiples', que fue inventado por primera vez por científicos de la UCL en 2006, pero recientemente ha tenido mejoras significativas.pueden extraer la información más relevante de una variedad de fuentes, a diferencia de sus contrapartes más estándar, que generalmente asumen que cada punto de datos es de interés, falso o de otro tipo.
El análisis muestra que los métodos de aprendizaje automático basados en la regresión del proceso gaussiano se pueden aplicar a todos los vinos en el Liv-ex 100 con una mejora en la precisión predictiva promedio del 15% en relación con el método más efectivo de los métodos tradicionales.en el aprendizaje de funciones de tareas múltiples solo funcionó para la mitad de los vinos analizados, ya que requería una relación más fuerte entre los precios de un día para otro. Sin embargo, cuando se aplicó el aprendizaje de funciones de tareas múltiples, la precisión de las predicciones aumentó en un 98% en relación con máspuntos de referencia estándar.
Michelle Yeo, autora principal y graduada de la maestría de la UCL, dijo: "Otras áreas de finanzas ya utilizan procesos automatizados para identificar tendencias significativas, pero hasta ahora no se han probado en el mercado de vinos finos. Estamos contentos de haber podidodesarrollamos modelos aplicables a los vinos finos y esperamos que nuestros hallazgos den confianza a la industria para comenzar a adoptar métodos de aprendizaje automático como herramienta para tomar decisiones de inversión ".
Invinio planea continuar su colaboración con UCL para refinar los algoritmos y mejorar las herramientas que proporciona a los inversores de vino existentes y potenciales a través de su sitio. Al hacerlo, el equipo dice que necesitan encontrar un equilibrio entre la complejidad de los algoritmosen desarrollo y las mejoras reales que ofrecen en términos de rendimiento. Están considerando aplicar estas técnicas al mundo de los autos clásicos a continuación.
Fuente de la historia :
Materiales proporcionado por University College London . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :