Využití strojového učení v oblasti kvantitativních investic se postupně dostává do popředí a jeho správné použití povzbuzuje mnohé k prozkoumání světa investování. Abychom vytvářeli tržní výhody a mohli tak umožnit našim uživatelům těšit se z procesu výběru těch správných akcií, vybíráme užitečná data, která jsou vhodná k tomu, aby nám poskytla nejen nástroj založený na umělé inteligenci, ale také interpretovatelnost a transparentnost procesů a výsledků. Naše výpočty zahrnují data shromážděná za posledních 30 let, což nám umožňuje získat robustnější a spolehlivější výsledky.

Kolik funkcí naše StockPicking Lab využívá?

Při výpočtu výsledků a přípravě seznamu podhodnocených a nadhodnocených akcií v naší aplikaci StockPicking Lab používáme pro každé aktivum, akcii a ticker 2237 funkcí. Velmi zajímavé číslo, hlavně když vezmeme v potaz, že nejlepší finanční analytici používají pro předpovědi výkonnosti akcií přibližně 100 funkcí.

A odkud pochází všechny využívané funkce?

Z již zmíněných 2237 funkcí je 793 z nich odvozeno z tzv. dat OHLCV (Open, High, Low, Close a Volumes), jež zobrazují 5 nejběžnější datových typů používaných ve finanční analýze. Abychom si tato data mohli přehrát do vizuální podoby, využíváme k tomu svíčkové grafy – ty nám umožňují zvážit obrovské množství situací již odehraných v minulosti.

Zbývajících 1444 funkcí je generováno z fundamentálních dat.

Jak přesně jsme se k tomuto číslu dopracovali?

Používáme 76 fundamentů, z těchto funkcí odvozujeme další funkce na základě dvou „pozic“ – absolutních a relativních. Výsledek pak násobíme devíti časovými horizonty. Tyto funkce pak zahrnují například ukazatel operativního cash flow společností na akciovém trhu a slouží k indikaci, zda společnost dokáže generovat dostatečný kladný peněžní tok k udržení a růstu své činnosti, nebo je možné, že bude vyžadovat externí financování pro další kapitálovou expanzi, což přirozeně ovlivňuje cenu akcií. Mezi tyto funkce patří tedy samotná fundamentální data a také z nich odvozené ukazatele, jako je měření provozního toku za posledních 252 dní (počet obchodních dní za rok na amerických akciových a opčních trzích).

Je třeba poznamenat, že oceňujeme pouze celková data. V případě, že nemáme úplná data pro každou jednotlivou akcii, neimplementujeme danou funkci pro žádnou z akcií. Do budoucna rozhodně plánujeme použít ještě více prediktorů k získání bohaté sady dat, pro kterou je potřeba provádět kontinuální datové inženýrství.

Abychom získali jasný obraz o velikosti dat použitých pro výpočty, dáme vám několik tipů:

Výpočetní paměť obsahuje při každé rebalanci 225937 sloupců. Každý sloupec má přibližně 8500 řádků. Celkem je v datové sadě zahrnuto přibližně 1 920 464 500 čísel.

Když vezmeme v úvahu, že každé číslo zabírá 4 až 8 B paměti, celkem 7,5 GB paměti je potřeba pouze pro 100 akcií (S&P100). Průměrný počítač by ke správě tohoto druhu úkolů potřeboval přibližně 2 dny. Navíc rozšíření akciového portfolia na 500 akcií (S&P 500) by potřebovalo 64 GB, protože datová sada vzrůstá exponenciálně. Kromě toho je také nutné ukládat mezi výpočty.

Všechny tyto informace nám tak dohromady říkají, že využívání velkého množství datových faktorů, které vysoce korelují s tržními výnosy, nám umožňují ve StockPicking Lab generovat více robustní a spolehlivé predikce.

V rámci výzkumu využitelného mimo jiné v aplikaci StockPicker jsme se v posledních dnech zabývali výběrem proměnných vstupujících do modelu. Když je proměnných moc, model má horší schopnost generalizovat a tím pádem je méně robustní a náchylnější k chybám.

• Metoda je podrobněji popsána v anglické verzi příspěvku.

• Potřebujete extrahovat informace z vašich dat, neváhejte se s námi poradit.

Již je tomu rok (03. 06. 2020 – 28. 05. 2021), co aplikujeme strategii „StockPicker“ na reálných účtech u Interactive Brokers. Dovolujeme si proto přinést detailnější výsledky, včetně grafů  a srovnání s benchmarkem, v našem případě Indexem S&P 500. (Pokračování textu…)

Výpočty podhodnocených a nadhodnocených akcií aktuálně provádíme v rámci proof of concept řešení, které je postaveno na komerčním software s vnitřními omezeními.

Připravujeme proto nový robustní produkční systém, ve kterém dokážeme využít synergií s již existujícími komponentami z dalších oblastí, například pro postprocessing výsledků. (Pokračování textu…)

Přinášíme první report výsledků roku 2021.

Za měsíc leden dosáhl náš systém založený na portfoliu 20 relativně nejvíce podhodnocených akcií z indexu S&P 100 v pozici Long a 20 relativně nejvíce nadhodnocených akcií v pozici Short, přičemž výpočet nad/podhodnocení probíhá dle analýzy makroperdiktorů a firemně specifických prediktorů, viz níže, zhodnocení 4.1 %. Index S&P 500 za stejné období klesl o 1.1 %.

Výkonnost systému je při ročním přepočtu 39.52 %. Detailní výsledky si můžete prohlédnout zde.

Zároveň si můžete v naší aplikaci StockPickingLab , případně v aplikaci partnerské firmy StockPicker.eu zobrazit aktuální report s přepočtem na měsíc únor.

Faktory, které mají vliv na rozhodování modelu (nyní pro únorový výběr akcií, výpočet proběhl 31. 1. 2021).

Variable	Coeff	Weight
Constant	0,01%	0,03%
Autocorrelation 5	1,79%	6,46%
Momentum 252 - 22	3,43%	12,40%
USD Volume Relative Change 22 vs 44	-1,48%	5,35%
CCI 4	-2,74%	9,91%
SUV Resid 252	0,76%	2,73%
SUV Coef 126	-1,38%	4,99%
SUV Coef 104 Weeks	-1,32%	4,78%
AR LogPrice 52 Weeks	2,49%	9,00%
DividendPerShare DPS	-2,22%	8,01%
EarningsPerShare EPS	0,22%	0,79%
MarketCapitalization MV	-2,83%	10,20%
OperatingCashFlow OperatingCF	0,50%	1,81%
SalesPerShare SPS	-0,14%	0,52%
PriceBookValueRatio PTBV Change 126 Days	-0,46%	1,65%
PriceCashFlowRatio PCF Change 126 Days	-1,27%	4,60%
PriceEarningsRatio PE Position 66 Days	-1,05%	3,78%
PriceBookValueRatio PTBV Position 252 Days	-3,60%	13,01%

Systém Momentum Formula II v lednu neobchodoval z důvodu přetrvávající chyby Interative Brokers při umísťování stoplossů.

Spouštíme sekci StockPickingLab, prostřednictvím které získáte přístup k relativně nejvíce podhodnoceným a nadhodnoceným akciím v rámci indexu  S&P 100.

• Výsledky systému Stock Picker v reálném provozu si můžete prohlédnout zde. Průměrný roční výnos dosahuje 17,69 %, zatímco maximální pokles hodnoty dosahuje  -13,72 %.
• Faktory, které mají vliv na rozhodování modelu si můžete prohlédnout v předchozím článku.
• Detailní informace a vstup do systému získáte pod tímto odkazem.

Uživatelům dáváme k dispozici analytický report, jakožto výstup vyvíjeného software pro analytiky na kapitálových trzích. V žádném případě se nejedná o investiční doporučení. Neposkytujeme žádné finanční služby. Naší činností je vývoj software založeného na metodách AI. Model vyvíjíme ve spolupráci s Mendelovou univerzitou v Brně a Vysokou školou ekonomickou v Praze. Pro více informací či spolupráci s naší společností nás neváhejte kontaktovat.