Koneoppiminen ja algoritmit treidauksen tukena

Kiitos Ripelein, Z1on ja Quante hyvistä vastauksista,

käyttääpä käydä vielä vastauksia läpi ajatuksella. Pari kohtaa oli haastavia osaamistasooni nähden :blush:

En shorttaamisesta oikein mitään tiedä, mutta rupesin miettimään saisikohan shorttaamalla jotain porftolion kanssa hyvin korreloivaa osaketta portfolion heiluntaa alas. Jos shortin odotusarvo olisi positiivinen, voisi olettaa ettei tuotto-odotus hirveästi kärsisi mutta shortin liikkeet olisivat usein päinvastaisia portfolioon nähden. Esimerkiksi nyt Finnair näyttää olevan Inderesin myy-suosituksessa.

Tsekkasin tosin juuri ettei Finnair sopisi tehtävään kovin hyvin, sen kurssi ei oikein korreloi portfolion muiden osakkeiden kanssa.

Kannattaa muuten myös tsekata tämä viestiketju, jos et jo ole niin tehnyt:

1 tykkäys

Aluksi kannattaa mun mielestä tehdä simulaatio inderesin ennusteiden käyttämisestä ennusteina yhdellä yhtiöllä. Arvioimista auttaa vertailuindeksi, mikä voisi olla tasahajautus yhtiöön tai yhtiöihin. Sitten lisää pari yhtiötä ja idean näyttäessä järkevältä kannattaa ottaa huomioon kulut ja lisäilee yhtiöitä. Kannattaa aina tarkistaa mahdollisimman kattavasti kaikki toiminnot. Jossain vaiheessa pitää alkaa miettiä varallisuuden huomioimista ja allokointi. Jos edelleen näyttää hyvältä niin testailua leikkirahalla ja uusimmilla tiedoilla.

Shorttaaminen on sen verran erilaista, että jättäisin sen odottamaan myöhempää käyttöä tässä vaiheessa. Kannattaa mieluummin keskittyä yhteen asiaan ja tehdä se niin hyvin kuin pystyy. Muutenkin usein aluksi hyviltä tuntuvat ideat ei sitten osoittaudukaan niin hyviksi kuin on ajatellut. Epäonnistumisista ei kannata kuitenkaan heti lopettaa kaikkea, vaan miettiä miksi jutut ei toimi ja miten ne voisi toimia. Toistamalla PDCA-sykliä (Plan, Do, Check, Act) hyviä ideoita alkaa pikkuhiljaa kertyä. Toisinaan on pystyttävä ottamaan taka-askeleita tuloksien osalta ja parannettava kokonaisuuden laatua. Osakeannit ja osingot voivat aiheuttaa esimerkiksi aika paljon lisätyötä. Testailusta voi jäädä virheitä koodiin, eikä niita aina ole niin helppo huomata. Olisi hyvä, että suhteellisen alussa keskittyy myös diagnostiikan miettimiseen eri toiminnoissa. Valmiiden moduulien käyttäminen on usein aika houduttelevaa, mutta joskus ne on mustia laatikoita, joita voi olla vaikea kehittää ja ymmärtää.

1 tykkäys

Kuukauden takaiseen verrattuna ennusteet on mennyt selvästi parempaan suuntaan. Alkuvuodesta mietein, että pitää osinkojenjako päivitellä, mutta se jäi näköjään tekemättä. Toteutuneet tuotot käytännössä siis vähän parempia. No tähän taulukkoon ne ei olisi joka tapauksessa päivittynyt, joten koitan lisätä reilun kuukauden päässä olevaan ennustejakson loppuun mennessä.

Viidestä positiivista tuottoa antaneesta osakkeesta kolme oli valittu salkkuun. Tasahajautuksella valinnat on tuottanut 6,53 %-yksillöä paremmin kuin tasahajautus kaikkiin yhtiöihin. Painotukset huomioiden 7,09 %-yksikköä parempi. Valintojen ennustevirheet 1,04 % pienemmät, mistä voi ajatella, että on valittu myös vähän pieniriskisempiä osakkeita.

Sovitetun regressiosuoran kertoimista nähdään ennusteiden olleen suhteellisen hyviä. Kulmakertoimen 0,8988 pitäisi olla optimitilanteessa 1,0. Negatiivisen vakion -0,1731 perusteella ennustevihe on isolta osalta johtunut osakemarkkinoiden laajasta laskusta. Tuotoissa on kuitenkin paljon mallilla selittämätöntä vaihtelua, koska vain 7,05% vaihtelusta pystytään selittämään.

Aikaisemmin täällä mainittiinkin yahoo_fin, jota voi käyttää reaaliaikaisten kurssien lähteenä useista markkinapaikoista. Toinen ilmeisesti suositumpi lisäpalikka on yfinance. Sillä voi vaikka ladata useamman tickerin intraday-datan alla olevaan tyyliin. Tuloksena on samalla tavalla Pandas dataframe.

import yfinance as yf
data = yf.download(tickers=['KCR.HE', 'UPM.HE'],
    period='1d', interval='15m', group_by='ticker',
    threads=False, progress=False, actions=False)
4 tykkäystä

Yfinance kautta saa näköjään ihan hyödyllistä dataa osingoista, osakeanneista ja tilinpäätöstiedoista. Tilinpäätöstiedoista on vissiin vain viimeisimpien kvartaalien/vuosien data saatavilla, mutta parempi se on kuin ei mitään. Päivittäinen kurssidata näyttäisi tulevan normaalisti.

Intraday data näyttäisi olevan rajoitettu 60 päivään, mutta kyllähän sillä alkuun pääsee. Hyödyntäminen on aika erilaista kuin päivittäisellä kurssidatalla ja on varmaan aika paljon erilaisia vaihtoehtoisia lähestymistapoja. Jos nyt joskus sattuisi tulemaan riittävästi vapaa-aikaa niin voisi koittaa tutustua paremmin.

2 tykkäystä

Ensimmäinen osariraportti Elisalta. Kehitys edelleen työnalla, joten saattaa esiintyä virheitä. Osarin julkaisusta raportin julkaisuun kesti suunnilleen 30min. Prosessikulku oln viellä automatisoimatta, mutta tulipa kirjattua se edes muistiin.

Elisa Report.pdf (1,2 Mt)

26.4 Ponssen, UPM-kymmene ja Talenomin uunituoreet analyysit lisätty oman projektin sivulle. Kolmivaiheinen ennustemenetelmä aiheuttaa pientä hyppyä joissakin tuottoennusteissa, mutta korjaantunee jossakin vaiheessa. Yhtiöanalyysit :: PredAI (webnode.fi)

27.4 Päivitetty myös päivän WithSecure, Huhtamäki, Cargotec, Konecranes, Valmet, Kone, Kemira ja Nokian Renkaiden analyysit. Hyvin haasteellinen aikajakso kyllä menossa. Mutta ainakin tästä saa erittäin hyvää oppia. Alla sijoituskohteet 91 päivän aikajaksolla.

28.4 Päivitetty Stora Enso, Metsä Board, Wärtsilä, Nokia, Orion Revenio ja QT analyysit.

29.4 Päivitetty Kesko, Neste, Fiskars ja Vaisala analyysit
Muutaman rivin koodilla tulosjulkaisu prosessia huomattavasti automaattisemmaksi. Helpottaa kyllä tekemistä huomattavasti. Toivottavasti tänään selvisin ilman suurempia virheitä.

Tänään täyttyin vuodenvaihteessa tehty ennustejakso. Suoriutuminen tasahajautukseen nähden hyvä vaikka tuotoksi muodostuikin -3,12% tasahajautuksella yhtiövalintoihin ja -2,6% painotukset huomioiden. Suoritus n. 11% parempi kuin tasahajautus kaikkiin yhtiöihin.

Tuottojen suunnista vain 42% ennustettiin oikein, mutta eipä sillon ollut tietoakaan Ukrainan sodasta. Yhtiövalinnoista kolme oli kolme parhaiten tuottanutta osaketta. Keskimääräinen ennustevirhe 20% prosenttia, joka oli n. 3 prosenttiyksilöä suurempi kuin In-sample testeissä

Kuvion kulmakerroin lähellä yhtä (0,9865) mihin voi olla tyytyväinen. Eli suurempia tuottoja ennustaessa oliva myös toteutuneet tuotot suurempia. Yleinen taso oli vain 19,33% prosenttia alempi. Tuottojen vaihtelusta 12,8% pystyttiin selittämään ennustemallilla, joten kehitysvaraa on edelleen.

Tulevat seurannat tapahtuukin sitten PredAI.fi viikkoraportissa kunhan saan viellä vähän asioita hoideltua ja ennusteiden arkistoinnista on kulunut 91 päivää. Se olisi suunnilleen 45 kaupankäyntipäivän kuluttua. Aineisto kasvanut nyt 32 yhtiöön ja 118 887 riviin.

3 tykkäystä