Машинное обучение VS финансовый рынок 1-0

Заголовок кликбейт, хоть и правдивый. Не удержался, сорри :)


1. Восемь месяцев назад мы научили компьютер прогнозировать IPO. Это был эксперимент, в котором мы собрали тонну данных, обработали их алгоритмом машинного обучения и создали автоматическую прогнозную модель. Модель работает просто — мы скармливаем ей финансовые показатели предстоящего IPO, а она выдает прогнозы доходности.

2. На прошлых выходных мы сделали ревью модели. Почему именно сейчас? Во-первых, набралось достаточно прогнозов, которые позволяют анализировать результат. Хотя бы промежуточно. Во-вторых, рынок вышел из фазы «любое IPO растет на 100500%», и появился смысл сравнивать результаты рынка с результатами прогнозов.

3. Что мы скажем про прогнозную модель в результате ревью? Она молодец. Модель бьет слепой (=индексный) портфель IPO, пусть и не так круто, как на бэктестах.

4. К слову, чем сложнее и разнонаправленнее рынок, тем лучше работает модель. Так было на бэктестах и так есть сейчас. Ждем окончания эйфории, чтобы увеличить отрыв😎

5. Результаты прогнозов на реальном рынке прилагаю ниже.

Матчасть по рейтингам:

1. Существует два основных рейтинга — iST и iLT. Первый рейтинг показывает краткосрочный прогноз, второй рейтинг показывает долгосрочный прогноз.

2. Точка входа для обоих рейтингов — цена IPO. Точка выхода — 100 торговых сессий (~20 календарных недель) для iST-рейтинга и 250 торговых сессий (~1 календарный год, который еще не закончился) для iLT-рейтинга.

Как читать график:

1. Blind — это слепой портфель. Он формируется из всех IPO, которые прошли через прогнозную модель. Остальные портфели — это портфели, которые формируются из IPO с соответствующим рейтингом.

2. По горизонтали указаны торговые сессии в днях. По вертикали указан возврат на вложенный $1.

3. Всего на каждом графике 3 портфеля — Blind, Strong buy, Buy. Я не стал добавлять портфели Miss и Neutral, чтобы упростить восприятие.

4.  Численные данные есть по всем портфелям.

***

P.S. Узнать, откуда мы начали, можно из этой статьи — https://bit.ly/2EhODSo

P.P.S. Получить доступ к рейтингу — quantile.consulting