Dataspaning

#13 Maskininlärning och riskmodeller på börsen med Henrik Jönsson från Betterwealth

January 30, 2019

Avsnittet gästas av Henrik Jönsson, investeringsansvarig på Betterwealth. Betterwealth är en robotförvaltare som med hjälp av dataanalys och maskininlärning hjälper privatsparare att investera automatiskt i börshandlande fonder och justera risken baserat på marknadsrisk. Henrik har tidigare jobbat på Blackrock och vi diskuterar hans erfarenheter där och vad han lärt sig om investeringstrategier etc. Vi pratar även om riskstrategier på börsen, hur det påverkar småsparare och större institutioner samt om det senaste inom maskininlärning på börsen. Henrik pratar också om varför de endast investerar i indexfonder samt vad Betterwealth erbjuder och hur deras investeringsstrategier fungerar.

Ni kan nå Henrik genom henrik@betterwealth.se.

Dataspaning har för närvarande inga externa samarbeten och alla åsikter är våra egna. Inget vi pratar om är någon typ av investeringsrekommendationer och alla investeringar är förenade med risk.

Henriks länkar:
- Betterwealth
- Betterwealths blogg
- Quantocracy, tokigt bra läsning om kvantitativa strategier

Annat omnämnt i podden:
- Finansinspektionen
- Industriell ekonomi, utbildning
- Blackrock
- Obligationsfond
- iShares
- Vanguard
- Index
- Smart beta
- Low vol = låg volaitlitet
- S&P 500
- P/E
- Räntepapper
- Portfolio manager
- Investmentbank
- NY Times om Long-Term Capital Management
- Spread
- Leverage
- VIX
- Courtage
- ETF:er
- Certifikat
- Value at risk
- Nassim_Nicholas_Taleb"
- Kraschen 87
- Fat tails
- Betterwealths fasmodell
- Volmageddon
- Nobelstiftelsens årsredovisning 2017
- Oljefonden
- faktormodell/faktorinvesteringar
- Tillgångsslag: typ av värdepapper (aktier, obligationer etc)
- All weather portfolio av Ray Dalio
- RikaTillsammans-portföljen - en portfölj för alla väder
- 60 40 portföljen
- Rebalansering/Ombalansering: justera innehavet i portföljen så att den motsvarar vikterna man har satt upp. Ex: fördelning 50/50 med 2 fonder: köp/sälj så att 45 % Fond X och 55 % Fond Y blir 50 respektive 50 %.
- Bogle
- Diversifiering
- Python
- R
- Reinforcement learning
- DeepMind
- Deep learning
- Linear regression
- Garbage in, garbage out
- k-nearest neighbors algorithm
- Neural networks (neurala nätverk)
- Natural Language Processing (NLP), avsnitt 5
- Klassifisering/clustering
- Sentiment analysis
- Web scraping
- Backtesting
- Black Swan
- Mab Faber
- AP7

Medverkande i avsnittet:
- Henrik Jönsson, Betterwealth, henrik@betterwealth.se.
- Henning Hammar, doktorand i fysik på Uppsala Universitet, driver även tjänsten Börslabbet, @investerarfys
- Daniel Constanda, IT-konsult i finansbranchen på Clara Financial Consulting, @DanielConstanda
- Martin Nordgren, jobbar på Tobii, tidigare på Dirac, @martinjnordgren

Kontakta oss:
dataspaning.se
@dataspaning @ Twitter
dataspaning@gmail.com