Инвестиции в ценность с помощью машинного обучения
Ваш любимый период владения не обязательно должен длиться вечно ...
[ОБНОВЛЕНИЕ: я основал техническую компанию. Вы можете узнать больше здесь]
Оракул из Омахи однажды сказал:
«Цена - это то, что вы платите, ценность - это то, что вы получаете».
Уоррен Баффет
Но как вы можете быть уверены, что платите справедливую цену за вложения? Как извлечь максимальную пользу из справедливой или несправедливой ситуации?
Эта статья покажет вам, как легко повысить свою уверенность с помощью прозрачного и интерпретируемого машинного обучения. Для этого мы будем использовать автоматизированную платформу анализа данных AuDaS компании Mind Foundry, которая дополняет аналитиков и превращает их в героев науки о данных.
Сбор данных
Ценностные инвесторы часто используют оценки результатов деятельности компании для принятия решений. Эти данные часто требуют подписки, но я начал бесплатную дневную пробную версию с YCharts, оценки которого получены от S&P Global.
В качестве примера мы сосредоточимся на Infosys, мировом лидере в области технологических услуг и консалтинга.
Для ясности мы будем рассматривать только ежедневные данные с апреля 2017 года по декабрь 2018 года из 8 источников, а именно:
- Расчетная оценка отношения будущей цены к прибыли за 12 месяцев, которая дает представление о том, сколько инвесторы готовы платить за доллар прибыли.
- Расчетное соотношение цены и продаж за 12 месяцев, которое дает представление о ценности, которую инвесторы получают от акций.
- Отношение прибыли к росту по скользящей цене за 12 месяцев, которое определяет относительный компромисс между ценой акции, полученной прибылью на акцию и ожидаемым ростом компании. PEG выше 1 обычно предполагает, что компания переоценена.
- Соотношение цены к балансовой стоимости, при котором рыночная цена акций сравнивается с их балансовой стоимостью.
- 12-месячная скользящая маржа EBIDTA, которая оценивает рентабельность операционной рентабельности фирмы как процент от ее общего дохода.
- Отслеживаемая рентабельность активов за 12 месяцев, которая представляет собой процент прибыли, получаемой компанией, по отношению к ее общим ресурсам.
- Цена закрытия и объем
Затем мы получили следующие значения:
- Скользящие средние за 7/35/100 дней
- Скорость их изменений
Оценка данных
Следующий шаг - присвоить каждому ежедневному снимку стоимостных показателей оценку, которая будет отражать наше мнение о том, является ли компания хорошей покупкой или нет. Для ясности мы использовали простые правила для оценки каждой строки данных:
- Если цена закрытия ›100MA: мы прибавим 1 к счету, а если нет, то вычтем 1
- Если скорость изменения 35-дневной MA ›0, мы добавим 1 к баллу, а если нет, мы вычтем 1
- Если скорость изменения 100-дневной скользящей средней ›0, мы добавим 1 к баллу, а если нет, мы вычтем 1
Эти правила можно заменить любым инвестиционным тезисом, которому вы следуете.
Моделирование данных с помощью машинного обучения
Теперь, когда входные данные завершены и оценены, нам нужно построить модель, которая может предоставить полезную информацию для инвестиционных аналитиков. Учитывая, что стоимостные инвесторы обычно меньше реагируют на ежедневные движения рынка, мы решили спрогнозировать рейтинг Infosy через 30 дней. Это казалось разумным сроком, но его можно изменить по своему усмотрению. На практике это означало создание 30-дневного запаздывания в таблице Excel между входными данными в точке T и оценкой (T + 30).
Затем мы загрузили данные в AuDaS:
AuDaS автоматически генерирует некоторые гистограммы данных, которые могут быть полезны для визуального осмысления данных. Мы также можем увидеть, как различные атрибуты распределяются по другим столбцам, что иногда может выявить интересные взаимосвязи.
Затем мы попросим AuDaS создать классификатор, который может прогнозировать столбец оценки (T + 30).
AuDaS автоматически предоставляет безопасную и разумную основу для обучения надежному решению для машинного обучения. Это гарантирует, что результаты могут быть обобщены на новые данные.
Затем вам нужно щелкнуть Go, и AuDaS начнет поиск оптимального конвейера Data Science для вас. Он также показывает выбранный алгоритм и параметры.
AuDaS выполняет поиск эффективно, используя байесовский оптимизатор Mind Foundry, OPTaaS, который доступен как отдельное предложение и используется ведущими глобальными хедж-фондами Quantitative.
Во время оптимизации обеспечивается актуальность функции модели. Относительная релевантность функции определяет, какую информацию алгоритм нашел наиболее полезной, и будет варьироваться для каждого алгоритма.
Основными особенностями этого примера являются:
- Скорость изменения 35-дневной скользящей средней
- 7 дней МА
- Соотношение ПЭГ
После еще нескольких итераций AuDaS удалось найти модель с точностью классификации 92%. Это означает, что AuDaS смогла определить взаимосвязь в данных, которая может предсказать оценку Infosys на 30 дней вперед с 92%! Эта точность может быть увеличена за счет осознания аналитиками контекста, который может повлиять на оценку. Вот почему машинное обучение должно дополнять аналитиков, а не автоматизировать их!
Полное пошаговое видео с комментариями можно посмотреть ниже:
Если вы аналитик или хотите увидеть живую демонстрацию AuDaS, не стесняйтесь обращаться к нам с отзывами!
Если вам все еще интересно, вы также можете прочитать другую статью об инвестициях ниже:
Заявление об ограничении ответственности: это сообщение носит исключительно информационный характер. Он не является и не предназначен для того, чтобы представлять собой инвестиционный совет, предложение или ходатайство о покупке или продаже любого финансового инструмента или в качестве официального подтверждения какой-либо транзакции. Полнота или точность всех рыночных цен, данных и другой информации не гарантируется, и они могут быть изменены без предварительного уведомления.
Команда и ресурсы
Mind Foundry - дочернее предприятие Оксфордского университета, основанное профессорами Стивеном Робертсом и Майклом Осборном, у которых 35 человеко-лет в области анализа данных. Команда Mind Foundry состоит из более 30 исследователей машинного обучения мирового уровня и элитных инженеров-программистов, многие из которых в прошлом были докторантами Оксфордского университета. Кроме того, Mind Foundry имеет привилегированный доступ к более чем 30 кандидатам машинного обучения Оксфордского университета благодаря своему статусу отделения. Mind Foundry является портфельной компанией Оксфордского университета, и ее инвесторами являются Oxford Sciences Innovation, Оксфордский фонд технологий и инноваций, Инновационный фонд Оксфордского университета и Parkwalk Advisors.
