Всего за рупий. 5000 разовых инвестиций или SIP на сумму рупий. 1000 в месяц, вы можете участвовать в современном хедж-фонде, таком как стратегия, основанная на искусственном интеллекте / машинном обучении. Вот вкратце коммерческий шаг недавно запущенного фонда Tata Quant Fund.
Да! Современный хедж-фонд использует сложные статистические модели, основанные на миллионах точек данных, усердно работает над прогнозированием рынка, экономики, движения цен акций, корректирует инвестиционные стратегии и дает рекомендации по покупке / продаже.
Tata Quant Fund утверждает, что приносит то же самое и вам, уважаемый розничный инвестор. Помните, он не может продавать акции в шорт, как хедж-фонд. Вместо этого он будет использовать производные инструменты для достижения своих целей.
В разделе пригодности он определяет своего инвестора как человека, который предпочитает контроль над рисками, чтобы избежать абсолютной отрицательной доходности и при этом генерировать более стабильную доходность, чем индекс.
Короче говоря, минимизируйте риск и максимизируйте прибыль. Небеса так близко!
Современные вычислительные системы делают это возможным. Почему нет? Это эпоха беспилотных автомобилей. Они уже безопасно перевозят людей из точки А в точку Б. Мы можем сделать это и с инвестиционными портфелями!
Nippon India Quant Fund и DSP Quant Fund уже используют модели Quant. Чем отличается фонд Tata Quant?
Nippon India Quant Fund - это модель принятия решений, основанная преимущественно на данных. Люди по-прежнему участвуют в процессе принятия решений.
DSP Quant Fund - это модель, основанная на статических правилах. Правила не меняются, и аналитики и менеджеры фондов вносят в правила необходимые данные.
Взгляните на их портфолио, чтобы увидеть разницу в их подходах.
Nippon India Quant Fund - Подробная информация о портфеле
DSP Quant Fund - Подробная информация о портфеле
С Tata Quant Fund фонд, по-видимому, идет дальше «количественного». Он будет адаптироваться свою стратегию (ценность, качество, альфа или сочетание), основанную на том, что "модель AI / ML" предсказывает в отношении рынка, экономики, акций, облигаций и т. д. Адаптировать здесь ключевое слово. Модель постоянно учится и совершенствуется.
Вселенная фонда - это 200 акций, и, следовательно, его ориентиром также является BSE S&P 200 TRI.
Ожидается, что он будет работать с меньшими затратами, а его портфель может претерпевать гораздо более частые изменения, чем два других фонда, основанных на количественных показателях. Причина - он должен адаптироваться в мире высокой активности!
Я говорю вам, что у фонда есть все нужные слова для продажи!
По мере того как идеи старого мира, которые были дорогими и ненадежными (также известные как активно управляемые фонды), новые идеи, основанные на правилах / автоматизации, начинают выглядеть привлекательными. Но помните, что реальный опыт не существует / ограничен.
Мы не знаем, работает ли модель?
Компьютерные системы работают на основе GIGO - Garbage In, Garbage Out. Если сама модель ошибочна, система мало что может сделать.
Какая модель увеличивает риск?
Смогут ли менеджеры фондов проявить дисциплину, чтобы позволить модели работать как настоящий метод искусственного интеллекта?
Еще есть фондовый дом Tata MF. История с управлением фондами не внушает доверия. В течение многих лет он без особого успеха запускал фонд за фондом, надеясь привлечь внимание инвесторов. Единственное, что работает для Tata MF, - это TATA в его названии.
Так что держитесь пока. Понаблюдайте за финансовым фондом в следующем году или около того, и, возможно, тогда вы сможете позвонить.
Когда вы решите инвестировать, вы должны знать, что если 0,0001% вашего портфеля вложено в фонд, это не имеет никакого значения. Это только приведет к увеличению вашего портфеля еще одним фондом и вызовет еще больший стресс (снижение качества жизни).
Инвестируйте только в том случае, если у вас есть желание и смелость вложить не менее 10% своего портфеля в фонд (это может быть сделано со временем).
Не поддавайтесь модному описанию. Придерживайтесь текущего портфолио, если оно соответствует вашим целям.
