من یک الگوریتم تجارت یادگیری ماشین با استفاده از پایتون و کوانتومی ایجاد کردم تا بیش از 10 سال بازار سهام را شکست دهم.
عصر طلایی هلند. ریشه های شیدایی لاله, اولین حباب سرمایه گذاری. قرن 17. منبع: یان کلز ریتشوف از طریق ویکیانبار
مقدمه
به طور کلی, من به طور کلی بیشتر وقت خود را صرف فکر کردن در مورد دو چیز, تکنولوژی و سرمایه گذاری. به طور خاص, من اغلب از خودم می پرسم چه چیزی مفید من می توانم با نرم افزار ساخت است (و یا گاهی اوقات سخت افزار) و چه چیزی مفید است که من باید در سرمایه گذاری است. تجارت الگوریتمی ادغام خوبی از این دو مدرسه است و من مدتی را صرف درک این زمینه کرده ام. این یک زمینه جذاب است و من چیزهای جالبی را یاد گرفتم که تصمیم گرفتم به اشتراک بگذارم.
اتریش کوانت
مکتب اتریشی به نام مکتب اقتصاد اتریش نامگذاری شده است که الهام بخش نحوه ساختار نمونه کارها است. من یک استراتژی تجاری متشکل از 3 صندوق سرمایه گذاری مختلف طراحی کردم تا درک بهتری از سرمایه گذاری ها داشته باشم, یادگیری ماشین و برنامه نویسی و اینکه چگونه همه در دنیای مالی و فناوری با هم ترکیب می شوند.
3 صندوق های مختلف مورد استفاده در این استراتژی عبارتند از: صندوق نمونه کارها ثابت, صندوق سوداگرانه و صندوق بنیادی. 70 درصد از کل سبد سهام در سبد ثابت سرمایه گذاری شده است که هر کدام 15 درصد وزن معادل به صندوق سوداگرانه و بنیادی اختصاص یافته است. صندوق بنیادی است که هنوز هم در دست ساخت بنابراین من ممکن است اضافه کردن یک پیگیری به این مقاله با عملکرد صندوق بعد. با این حال مابقی این مقاله بر اساس وزن سبد سهام 85 درصد در صندوق پرتفوی ثابت و 15 درصد در صندوق سوداگرانه است.
من هم کد برای این پروژه در گیتهاب من به اشتراک گذاشته اند.
صندوق نمونه کارها
نمونه کارهای دایمی ایده هری براون است که بر اساس مکتب اقتصاد اتریش یک چارچوب اقتصادی محکم و یک روش بسیار مفید برای نگاه به زندگی به طور کلی است. این برای افرادی با افق سرمایه گذاری بلند مدت است که سبک سرمایه گذاری من را به خوبی توصیف می کند و بنابراین بزرگترین تخصیص من است.
این صندوق از دفترچه یادداشت کوانتومی نمونه کارها در مورد کوانتومی و کتاب مدرسه سرمایه گذاران اتریش توسط رحیم رژزدا و همکاران الهام گرفته شده است. ال. کتاب دیگری است که من به شدت توصیه می کنم. نمونه کارها نیز تا حدودی از اصول هواشناسی از بریج واتر ری دالیو الهام گرفته شده است که به عنوان یک چارچوب مفید برای مدیریت ریسک پذیری من در حالی که هدف قرار دادن بازده قوی است.
در این صندوق, 30% از نمونه کارها به سهام رفت, اوراق قرضه و طلا در حالی که 10% به پول نقد رفت (یا به طور خاص تر 1-3 سال اسکناس خزانه داری). تخصیص کتاب سرمایهگذاران در مدرسه اتریش نشان داد که وزن 25 درصد بین هر کلاس دارایی برابر است اما از زمانی که من جوان هستم و وظایف کمی دارم فکر کردم که میتوانم کمی تهاجمیتر باشم و ریسک بیشتری بکنم. بنابراین من تخصیص نقدی خود را کاهش دادم و سایر تخصیص دارایی ها را افزایش دادم.
نمونه کارها با استفاده از الگوریتم بهینهسازی سبک مارکوویتز مجددا متعادل میشوند تا بیشترین نسبت مرزی بین ریسک (انحراف معیار) و بازده را پیدا کنند.بهینهسازی مارکوویتز الگوریتم جالبی است زیرا بر بازدههای توزیع شده عادی پیشبینی میشود اما بازده بازار سهام تابع قانون قدرت و دم چربی است. بنابراین باید تعجب کرد که الگوریتم های دقیق مانند بهینه سازی مارکوویتز در واقع چقدر دقیق هستند.
یک بک تستهای نسبتا گسترده اجرا شد و عملکرد صندوق را از 1 ژانویه 2006 تا 2 جون 2017 ردیابی کرد.
هدف از سبد ماندگار شکست دادن شاخص نیست بلکه تولید بازده پایدار در بلند مدت است. با در نظر گرفتن این موضوع از نتایج بک گراند بسیار راضی بودم. اگرچه این صندوق از نظر معیار جاسوسی عملکرد ضعیفی داشت~500 امتیاز پایه, به طور قابل توجهی کمتر خطرناک بود. به طور خاص, این رشد در بازارهای گاو نر از لذت 2006-2007 و 2010-2017, در حالی که اجتناب از ضرر و زیان, در 2008/09 بازار خرس.
یکی از چیزهایی که واقعا روشنگری یاد گرفتم در حالی که تحقیق در مورد تجارت الگوریتمی است که استراتژی های خوب تمایل به بسیار زودگذر. سرمایه گذاران تمایل به بسیار زیرک و بنابراین اگر یک کلاس دارایی تمایل به انجام خوبی, استراتژی بسیار به سرعت می شود داوری دور به عنوان دیگر سرمایه گذاران گله که استراتژی تجاری. من پیش بینی نمی کنم که نمونه کارها به دلیل رویکرد محتاطانه حتی در بازارهای گاو نر بیش از حد تقلید می کنند. با کمال تعجب این صندوق به طور مداوم بهتر شاخص, بدون سرب بودن داوری دور.
من در حال حاضر در حال حاضر تست این در یک محیط تجاری زندگی می کنند و به نظر می رسد که یک دوره تست دیگر باید مورد استفاده قرار گیرد قبل از هر مشاهدات قطعی می تواند ساخته شود. با این حال, بر اساس داده های گذشته, نتایج به نظر می رسد بسیار امیدوار کننده و این یک استراتژی تجاری است که من به طور جدی با توجه به قرار دادن برخی از پوست در بازی و تست با پول واقعی است.
صندوق گمانه زنی
همانطور که قبلا ذکر شد, من تحمل خطر بالاتر بنابراین من نمیفهمد که من می تواند بخش کوچکی از نمونه کارها من به حدس و گمان خالص اختصاص. قمار به شدت نقض اصول سرمایه گذاری من با این حال, دانش من به دست اورد و میزان سرگرم کننده من در حالی که ساخت این نمونه کارها توجیه من برای نفاق است. این مرا به یاد زمانی که جک بوگل توضیح داد که چرا او سرمایه گذاری در پسرش فعال شرکت سرمایه گذاری در حالی که موعظه انجیل شاخص سرمایه گذاری; "اگر این سازگار نیست, خوب, زندگی همیشه سازگار نیست.”
صندوق سوداگرانه از برنامه نویسی پایتون الهام گرفته شده است که من به شدت برای هر کسی که پایتون را یاد می گیرد توصیه می کنم و هریسون کینلی معلم بسیار خوبی است.
صندوق سوداگرانه از یک الگوریتم طبقه بندی بردار پشتیبانی یادگیری ماشین نسبتا ساده استفاده می کند. الگوریتم با داده های تاریخی قیمت سهام با نگاه کردن به حرکت قیمت سهام در 10 روز گذشته و یادگیری اگر قیمت سهام افزایش یا کاهش در روز 11 ام. سپس الگوریتم می تواند بر اساس چگونگی بهبود قیمت در 10 روز گذشته افزایش یا عدم افزایش قیمت سهام را پیش بینی کند.
از طبقهبندی کننده ماشین بردار پشتیبان به جای ک-نزدیکترین همسایهها استفاده شد زیرا فرایندهای فشرده محاسباتی مورد نیاز در کوانتومی سرعت را از اولویت بالایی برخوردار میسازد و این امر به بهترین نحو ممکن با اس.اس. اس. ام حاصل میشود. خلاصه ای از کد زیر شامل, خطوط حذف شده اند برای صرفه جویی در فضا اما کد کامل را می توان در این فایل یافت:
الگوریتم های پیچیده با وجود, نتایج بسیار ضعیف بود:
این برای من ناامید کننده بود چرا که الگوریتم ظاهرا استادانه درست شده من استفاده می شود حتی نمی تواند ضرب و شتم یک استراتژی حرکت ساده. هنگامی که صندوق حدس و گمان با استراتژی حرکت ترکیب شد در واقع این بازده توسط بیش از 5000 واحد پایه (50%) کاهش می یابد.
