Последние научные исследования 6 - погода, fx, возвраты к средним, нефтяной спред, инсайдерская торговля. Alpha in Academia.
Перевод статьи из блога Alpha in Academia.
Прогнозирование погоды
Новая высокоточная модель прогнозирования погоды от Google DeepMind
Название статьи: Вероятностное прогнозирование погоды с помощью машинного обучения
В этой статье представлена GenCast, вероятностная модель прогнозирования погоды на основе машинного обучения, разработанная Google DeepMind. GenCast создает глобальные 15-дневные ансамблевые прогнозы с точностью до 0,25°, демонстрируя превосходную точность и скорость по сравнению с ведущей оперативной ансамблевой моделью — ансамблевой системой прогнозов Европейского центра прогнозов погоды среднего радиуса действия (ENS).
Об улучшении способности GenCast к прогнозированию свидетельствует ее способность генерировать четкие, реалистичные траектории погоды и точно предсказывать экстремальные погодные явления. В частности, GenCast превосходит ENS в прогнозировании экстремальных погодных явлений на поверхности, включая высокие и низкие температуры, скорости ветра, среднее давление на уровне моря, траектории тропических циклонов и силу ветра в регионе, причем по целому ряду порогов вероятности принятия решений.
Эти результаты свидетельствуют о том, что GenCast представляет собой значительное достижение в области прогнозирования погоды, предлагая потенциальные преимущества для различных приложений и процессов принятия решений.
Некоторые из вас могут задаться вопросом: «Какое отношение погода имеет к финансовым рынкам?». Короткий ответ: непосредственное. Погода влияет на цепочки поставок, спрос на энергоносители, сельскохозяйственную продукцию и даже на страховые выплаты.
Преимущество в прогнозировании экстремальных явлений, таких как ураганы или тайфуны, может привести к значительным преимуществам на рынке. Например, точное предсказание пути тайфуна дает трейдерам преимущество в оценке его возможного влияния на региональные цепочки поставок, производство энергии и конкретные товары. Даже менее масштабные улучшения, например, более точные прогнозы количества осадков или силы ветра, могут способствовать совершенствованию инвестиционных стратегий в таких секторах, как сельское хозяйство или возобновляемые источники энергии. Поскольку погода оказывает влияние на бесчисленные аспекты мировой экономики, трейдеры, имеющие доступ к этой модели, могут использовать ее для получения значительного информационного преимущества.
FX и акции
Стратегия регрессии Lasso на рынках Кореи и США
Название работы: Прогнозирование доходности с помощью машинного обучения и оптимизация глобальных портфелей: данные по корейскому и американскому фондовым рынкам
Резюме:
В данном исследовании рассматривается использование машинного обучения для прогнозирования доходности на фондовых рынках Кореи и США. Исследователи применили различные модели машинного обучения и использовали 137 финансовых и экономических показателей в качестве предикторов. Они обнаружили, что модели Lasso и Elastic Net неизменно превосходят традиционные эталонные модели по всем трем целевым переменным: обменный курс KRW/USD, доходность S&P 500 и доходность KOSPI.
Результаты показывают, что учет колебаний обменного курса в процессе оптимизации портфеля значительно повышает его эффективность, особенно для портфелей KOR&USFX, которые инвестируют в портфели корейского и американского рынков, учитывая при этом колебания обменного курса.
Самые высокие коэффициенты Шарпа были достигнуты портфелями KOR&USFX, построенными с помощью моделей Lasso (коэффициент Шарпа = 3,45) и Elastic Net (коэффициент Шарпа = 3,48). Модели машинного обучения превосходят традиционные модели благодаря своей способности учитывать широкий спектр переменных-предсказателей, которые не могут быть одновременно учтены в традиционных линейных моделях.
Мы не слишком часто обращались к валютным рынкам, но эта статья убедительно доказывает необходимость обратить на них более пристальное внимание — особенно на стратегии с такими высокими коэффициентами Шарпа.
Хотя включение 137 предикторов в модель кажется довольно экстремальным (и заставляет меня беспокоиться о возможности чрезмерной подгонки данных), модели демонстрируют неплохие результаты при тестировании вне выборки. Также приятно видеть, как модели «старой школы», такие как LASSO и Elastic Net, превосходят свои возможности, доказывая, что для поиска альфы не всегда нужны яркие модели.
Внутридневные развороты
«Покупайте просадки»
Название статьи: Разворот в конце дня
В статье исследуется феномен, когда доходность отдельных акций демонстрирует значительный внутридневной разворот, особенно сильный в последние полчаса торгов. Этот «разворот в конце дня» проявляется как отрицательная связь между доходностью акции в начале дня и ее доходностью в последние полчаса. Разворот в основном обусловлен положительным ценовым давлением на акции, которые понесли убытки (отрицательная доходность) в течение предыдущей части дня.
Авторы обнаружили, что этот разворот происходит в основном за счет акций, которые несут убытки в течение дня, и объясняют его двумя основными факторами: розничными покупками под влиянием внимания и снижением активности коротких продаж в конце торгового дня. Розничные инвесторы, привлеченные сильным движением цен, склонны покупать акции с убытками, создавая повышательное давление на цены. Одновременно с этим короткие продавцы, опасаясь ночных рисков, сокращают свои позиции, особенно в убыточных акциях, что еще больше способствует развороту цен.
Мы много говорим об импульсе (моментуме) в этом блоге, поскольку я нахожу это явление захватывающим из-за предлагаемых поведенческих объяснений, таких как страх упустить что-то (FOMO).
Однако феномен, продемонстрированный в этой статье, может быть использован в большей степени в рамках стратегии торговли на основе возврата к средним. «Разворот в конце дня» предполагает, что розничные инвесторы, привлеченные крупными внутридневными падениями цен, склонны скупать убыточные акции в конце дня, создавая восходящее давление. Добавьте к этому коротких продавцов, которые сворачивают свои позиции, чтобы избежать ночного риска, и вы получите рецепт для отскока в последнюю минуту.
Это будет отличная стратегия для тестирования в будущем — дайте мне знать, если вы захотите протестировать её.
Нефть и продукты нефтепереработки
Возврат к средним на Crack Spread
Название статьи: Торговля возврата к среднему на Naphtha Crack
В данной работе рассматривается краткосрочная неэффективность в цене спреда naphtha crack, которая представляет собой разницу в цене между naphtha — ключевым сырьем для нефтехимического производства — и сырой нефтью, ее основным сырьем. Авторы моделируют динамику изменения стандартизированного спреда naphtha crack и обнаруживают, что эффект возврата к средним выше, чем транзакционные издержки, причем большая часть возврата происходит в течение первого дня.
Проведя бэктестирование нескольких торговых стратегий возврата к средним, авторы выявили 7 стратегий, которые достигли положительных результатов со средним винрейтом 60%. Они объясняют существование этих положительных результатов различиями в ликвидности, скорости исполнения и типах участников, активных на рынках нафты и нефти марки Brent.
Не пугайтесь, если вы никогда не слышали о крэк-спреде нафты — это просто разница в цене между исходным продуктом (сырой нефтью Brent) и продуктом переработки (нафтой). Если вам интересно, в Investopedia есть полезная статья, подробно объясняющая крэк-спред.
Аномалия возврата к средним, скорее всего, обусловлена структурными различиями между рынками и их участниками. Фьючерсы на нефть марки Brent торгуются в электронном виде, что привлекает алгоритмических и высокочастотных трейдеров, в то время как свопы на нафту торгуются преимущественно через брокеров специализированными участниками рынка. Поэтому цены на нафту медленнее реагируют на информацию и позволяют существовать преимуществу.
Инсайдерская торговля
Объем является ограничивающим фактором
Название работы: Инсайдерские документы как торговые сигналы — стоит ли быть быстрым?
В данной работе исследуется вопрос о том, может ли быстрая реакция на объявления об инсайдерской торговле, в частности на подачу документов по форме 4 Комиссии по ценным бумагам и биржам США, привести к появлению прибыльных торговых стратегий. В то время как простая стратегия лонга акций и шорта по рынку, основанная на этих сообщениях, первоначально показывает положительную аномальную процентную доходность при более коротких периодах владения, эта доходность становится незначительной при рассмотрении реалистичных объемов торговли.
Это несоответствие возникает потому, что более высокая процентная доходность, как правило, связана с менее ликвидными акциями, что в конечном итоге приводит к более низкой доходности в долларах США. Даже если сосредоточиться на акциях с высоким объемом торгов, доходность в долларах США остается статистически незначимой, и стратегия не поддается масштабированию.
Авторы делают вывод, что торговая стратегия, основанная исключительно на отчетах об инсайдерских сделках, не является ни практичной, ни масштабируемой, даже без учета транзакционных издержек.
Эта статья ставит под сомнение идею о том, что сообщения об инсайдерской торговле являются легким источником прибыли. Около месяца назад я рассказывал об исследовании, в котором говорилось о возможностях отслеживания инсайдерских сделок, но в данном исследовании рассматривается более целостная картина.
В чем проблема? Объем. Инсайдерские сделки с менее ликвидными акциями могут показать более высокую процентную доходность, но отсутствие ликвидности затрудняет преобразование этой доходности в значимую прибыль. Даже для акций с большим объемом торгов доходность не является статистически значимой, возможно, из-за перенасыщения рынка большим количеством сделок, основанных на одних и тех же сигналах.
Хотя эта статья не дает трейдерам явных преимуществ (извините!), она является полезным напоминанием о необходимости всегда учитывать ликвидность, транзакционные издержки и проскальзывание при оценке торговых стратегий.
Больше переводов в телеграмм-канале: https://t.me/holyfinance
