Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
株式のシステムトレード初心者の最初の一歩(評価方法を中心に)
Search
tomo
March 21, 2023
Technology
1
940
株式のシステムトレード初心者の最初の一歩(評価方法を中心に)
マケデコで2022/9/28(水) に開催した「初心者向け株式分析セミナー: データ分析/モデル作成から評価まで全部!」で利用した資料の一部です
tomo
March 21, 2023
Tweet
Share
More Decks by tomo
See All by tomo
マケデコ プログラミングに頼らないExcelシートと生成AIによる日本株データ分析 発表資料
gamella
1
1.2k
アドベントカレンダーのお礼とマーケットAI開発プロジェクトにおけるプロジェクトマネジメントのエッセンス 補講
gamella
1
930
JPX Tokyo Stock Exchange Prediction Award Ceremony 解法総評
gamella
2
2.5k
J-Quants表彰会資料 - 上位入賞者解法総評 #JQuants
gamella
1
3k
LDAを利用した予測モデル構築 - J-Quants ニュース分析チャレンジ!発表資料
gamella
1
24k
為替短期予測を支える基盤技術 - データエンジニアミーティング資料
gamella
4
3.6k
Other Decks in Technology
See All in Technology
神回のメカニズムと再現方法/Mechanisms and Playbook for Kamikai scrumat2025
moriyuya
4
590
「AI駆動PO」を考えてみる - 作る速さから価値のスループットへ:検査・適応で未来を開発 / AI-driven product owner. scrummat2025
yosuke_nagai
4
630
PLaMo2シリーズのvLLM実装 / PFN LLM セミナー
pfn
PRO
2
1k
いまさら聞けない ABテスト入門
skmr2348
1
210
Exadata Database Service on Dedicated Infrastructure(ExaDB-D) UI スクリーン・キャプチャ集
oracle4engineer
PRO
2
5.5k
社内報はAIにやらせよう / Let AI handle the company newsletter
saka2jp
6
910
Function calling機能をPLaMo2に実装するには / PFN LLMセミナー
pfn
PRO
0
960
Where will it converge?
ibknadedeji
0
190
AI ReadyなData PlatformとしてのAutonomous Databaseアップデート
oracle4engineer
PRO
0
210
about #74462 go/token#FileSet
tomtwinkle
1
420
"プロポーザルってなんか怖そう"という境界を超えてみた@TSUDOI by giftee Tech #1
shilo113
0
100
LLM時代にデータエンジニアの役割はどう変わるか?
ikkimiyazaki
4
890
Featured
See All Featured
Why Our Code Smells
bkeepers
PRO
339
57k
GitHub's CSS Performance
jonrohan
1032
460k
A Tale of Four Properties
chriscoyier
160
23k
The Power of CSS Pseudo Elements
geoffreycrofte
79
6k
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
34
6.1k
Imperfection Machines: The Place of Print at Facebook
scottboms
269
13k
The Cult of Friendly URLs
andyhume
79
6.6k
Unsuck your backbone
ammeep
671
58k
Thoughts on Productivity
jonyablonski
70
4.9k
A designer walks into a library…
pauljervisheath
209
24k
Building Flexible Design Systems
yeseniaperezcruz
329
39k
Transcript
株式のシステムトレー ド初心者の最初の一歩 (評価方法を中心に) Tomoya Kitayama STRICTLY CONFIDENTIAL
投資戦略設計の基本コンセプト 株式投資の戦略を立案する場合、投資する株式の銘柄選択を助けるた めのスコアをまず設計すること 多い スコアが高い銘柄を投資対象に 組み入れる スコア 未来の収益率に対して相関 あることを期待値として、スコア 高
い銘柄を投資対象に組み入れる ただし、スコア 高 てもリスク 高 い銘柄を購入しす ると、リターン/ リスクでみたと に収益 悪化するの で、スコアはリスクで調整する(標準 偏差で割る、など)こと 多い スコアが低い銘柄 投資対象か ら除外する スコアが未来 収益率に対して、相関が ある場合 、スコアが低いこと 値下が りする可能性が高いことを示す ある投資対象 グループに投資する場 合もそ なかからスコアが低い銘柄を除 外するような使い方もある。 設計したスコア を利用し投資 意思決定を行う
スコアはどうやって作るのか? 手法 説明 テクニカル分析 移動平均乖離率などそもそも銘柄全体を通して比較できるテクニカ ル分析 そ ままスコアになる。また、試してみるとわかるが、移動 平均乖離率 結構きちんとこ
後 評価手法を使うとそこそこ効果 があることなどもわかります。 ファンダメンタル分析 ROEなどファンダメンタルから銘柄間で比較可能な正規化したスコア を生成する手法。ある種 王道 アプローチであり、多数先行研究 があります。個人的に 投資指標として ROEというレポートとか わかりやすくて好きです。 オルタナティブデータ から 生成 あまり個人投資家 皆様が触る機会も少ないと思います で、今回 セミナーで オルタナティブデータ推進協議会にも協力いただき、 詳しく説明いたします。 機械学習モデル 後半 セッションでど ようにスコアを生成するかを詳しく説明しま す。今後 AMAを聞く上で 基礎知識になれ 幸いです! 銘柄間で比較可能なスコアをつ って評価をする手法はいろんなケースで利用で ます!
スコアはどうやって評価するのか? 1 投資戦略の評価を行う際は、 ならずその投資戦略の用途(デイトレード、長期 投資など)に合致した評価手法を採用する必要 あります。 # エントリー価格 エグジット価格 用途
A 次 営業日 始値/ 後場 始値 次 営業日 終値 スコア 有効性が当日限りにおいて有効かどうかを検証す るために計測。イントラデイトレード 基本スコアであり、 もっとも機械学習としても再現性が高い。 B 次 営業日 終値 2営業日後 終値 スコア 有効性が日をまたいで有効かどうかを計測しま す。スイングトレードやスコア 基本性能を計測するために 利用します。Kaggleで採用したスコア。 C 次 営業日 終値 1週間以降 終値 計測された有効性が複数日付をまたいで有効かどうかを計 測します。ど くらい 期間を対象とするか 戦略によって 変わります。 D 2営業日後 終値 1ヶ月以上先 長い 期間 終値 エントリー 価格に2営業日後 終値を使うことで次 日に 発生するアノマリー的な動きに収益性が依存しないことを 検証するために利用。 4半期ベースなど 長期的な投資に おける有効性を検証する場合に採用。
スコアはどうやって評価するのか? 2 スプレッドリターンは銘柄群に対するスコアの分位を利用した評価方法であり、スコアを生成し たと に上位X%、下位X%の銘柄に投資し続けて取得で るリターン(収益率)の差分を評価する 手法。おそらく最もクオンツの中で利用している検証方法 Aラン キング Top
20% Botto m 20% パフォーマンスのよいスコアとは、 - Top 20%の銘柄はオレンジのように勝ち続ける - Bottom 20%の銘柄は緑のように負け続ける このPLの差分 大 いと価値 高い 累積PLの期待値
スコアはどうやって評価するのか? 3 算出されたスコア 将来のリターンに対して有益な情報を含んでいた場合、スコア 高い銘柄ほど将来の収益率 高いとしたら、順位相関 0より大 (もし はマイナ スの効果を期待するなら0より小さ
)なる。 Numeraiでも採用している評価方法(今はTCもあるので、ちょっと状況は異なる) Aラ ンキ ング Bラ ンキ ング 順位相関であれ ば、分布の仮定 不要となり、 EDA時にクイッ クに検証を実施 可能 オルタナティブデータ ら計算 した各銘柄のスコア 将来の各銘柄のリターン 順位 相関 線形相関を、XとYの分布 正規分布である保証はないた め使う局面 限定される つまり生成したスコア 各銘柄の将来のリターンに対して、順序 似通っている ものを設計すれば良い
ここまでの内容をどのように計算するか • ここまでの各種計算方法は様々なライブラリにすでになっています。もちろん自分で Pythonで実装するのもOK。 • 例えば、マイクロソフト 提供しているクオンツライブラリ qlibなど 有名です。 https://github.com/microsoft/qlib
ここ 差異を計測 する
Thank You! STRICTLY CONFIDENTIAL