Иван Митов е директор изследователска и развойна дейност във FactSet, където ръководи екип от изследователи, занимаващ се с развитието на Monte Carlo базирани методи за анализ и измерване на пазарен и кредитен риск. На събитието Funds risk profile identification using statistical learning той ще разкаже за най-добрите начини за сравнение и избор измежду групи от инвестиционни фондове. Преди събитието с него си поговорихме за първите му крачки в machine learning-a и най-голямото технологично предизвикателство, с което се е сблъсквал.

Как започна да се занимаваш с Machine Learning?

Всъщност, понятието Machine Learning e доста обширно и включва широка гама от подходи, модели, методи и понятия. Аз по образование съм приложен математик. Вече над 15 години се занимавам с изучаване и разработка на стохастични модели и тяхната имплементация в софтуерен продукт за оценка на риск и конструиране на портфейли. Доста от методите, които съм изучавал и използвал през годините се преизползват под друго име в т.нар. статистическо самообучение (statistical learning).

Кой е най-интересният аспект от работата ти с Machine Learning?

Най-интересният за мен аспект е анализирането на резултатите и извличането на изводи и решения. Това, разбира се, си е строго индивидуално. На някои хора им харесва писането на код, на други са им интересни основно алгоритмите и аналитичните методи, и т.н. Голяма част от моето ежедневие е работа с екип от страхотни професионалисти, с които заедно решаваме различни задачи, сред които и такива за идентификация на скрити фактори, обясняващи доходността на акции, облигации и на цели фондове, за които аз ще говоря.

Кое е най-голямото технологично предизвикателство, с което си се сблъсквал?

Много предизвикателства съм имал през годините, но като цяло може би предизвикателствата, свързани с вземане на решения и анализи на резултати, произведени от технологиите са по-големи отколкото технологичните. Поне за мен е така.

Как го разреши/разрешихте?

Винаги решавам най-трудните проблеми с екипна работа, обсъждания, понякога споровe, но разбира се и с изключително способни колеги, с които имам честта и удоволствието да работя. Въпреки, че светът върви към все по-голяма автоматизация без хората няма как да има прогрес.

Ще споделиш ли трите най-важни неща, които ИТ обществото може да научи от темата на предстоящата ти презентация?

От моята презентация членовете на IT обществото, които не са запознати с капиталовите пазари, ще научат що е това инвестиционен фонд и в частност взаимен фонд. Това според мен е полезно, защото финансовата култура на българите и българските домакинства е по-ограничена спрямо тази на развитите западноевропейски и особено американски домакинства. Инвестиционните фондове са алтернатива на банковите спестявания и в дългосрочен план са се доказали като много добър механизъм за натрупване на спестяванията. Хората в IT средата в България са с доходи над средните за страната и това би било полезно за тях дори ако изключим конкретната тема за идентифициране на рисковите експозиции на такива фондове чрез методи за избиране на подмножество от фактори (subset selection of features, independent variables, factors, etc.).

Второ, разбира се, ще представя няколко метода за идентифициране на подмножество от значими фактори и ще ги сравня в контекста на инвестиционни фондове.

Трето, ще разкажа какви софтуерни пакети използваме и какво сме надградили.

Какво би посъветвал всички, които сега започват да се занимават с Machine Learning?

Бих ги посъветвал да се опитат да разберат колкото се може по-добре алгоритмите и аналитичните методи, които стоят зад конкретните софтуерни реализации, защото това според мен ще им даде доста по-добро разбиране и визия, защо и кога даден подход и метод работи или съответно не работи. По този начин ще имат възможност за надграждане, подобряване, адаптиране на вече съществуващите неща. Всичко което е свързано с преизползване на съществуващи технологии и методи може да бъде автоматизирано, докато иновациите изискват дълбочина на познанията. Само човек, който разбира как работи дадено нещо може да го подобри и развие.


Стани част от потребителската група Machine Learning. Абонирай се и ще ти изпращаме информация за всичко, което предстои в групата.

Визия: Личен архив

Прочети още:
„Програмирането е магия. А machine learning е следващото ниво на магията“ – Георги Стоянов, Lucid App
6 от най-популярните Machine Learning алгоритми – приложения и възможности

Share This