Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Exploratory Data Analysis of the Numerai Signa...

habakan
July 25, 2024
330

Exploratory Data Analysis of the Numerai Signals V1 Dataset

habakan

July 25, 2024
Tweet

Transcript

  1. 7 Numeraiのようなデータセットの構築への興味 MMC以外にも考えさせられる出来事がありました ・My Numerai recent return < My wife

    trading recent return ・JQuantsAPIでLSモデルを作るが、線形モデルで毎回学習結果が変わる  ・嫁に「お前のデータの RoEなんかおかしくね?」 と言われ   API経由で毎回収集し直している財務データが変わることに気づく
  2. 8 Numeraiのようなデータセットの構築への興味 MMC以外にも考えさせられる出来事がありました ・My Numerai recent return < My wife

    trading recent return ・JQuantsAPIでLSモデルを作るが、線形モデルで毎回学習結果が変わる  ・嫁に「お前のデータの RoEなんかおかしくね?」 と言われ   API経由で毎回収集し直している財務データが変わることに気づく ・株式データのデータ基盤として正しいデータ提供とは何か考え始める ・Main Tournamentの匿名性データで逃げてきた要素を  Signals V1を触りながらキャッチアップしたい ・売り切る前に下落してしまっているNMRをなんとかしたい
  3. 12 Main TournamentとSignalsの比較 Main Tournament (Rain) Signals V1 Dataset データ区分

    Train, Valid, Live Train, Valid, Live 特徴量数 2276 21 target数 48 22 Ticker情報 匿名化されている 匿名化されていない 日付変数 era date trainデータ数 2420521 2164693 validation データ数 2794929 3023759
  4. 13 ポイント: Ticker, eraの構造自体は似ている データ数は異なるが、 era数は一致している Main Tournament (Rain) Signals

    V1 Dataset trainデータ数 2420521 2164693 validation データ数 2794929 3023759 総データ数 5215450 5188452 train era数 574 522 validation era数 550 602 総era数 1124 1124
  5. 17 Signals V1の特徴量 24個の特徴量で構成されており、グループが存在 feature_adv_20d_factor feature_beta_factor feature_book_to_price_factor feature_country feature_dividend_yield_factor feature_earnings_yield_factor

    feature_exchange_code feature_growth_factor feature_impact_cost_factor feature_market_cap_factor feature_momentum_12w_factor feature_momentum_26w_factor feature_momentum_52w_factor feature_momentum_52w_less_4w_factor feature_ppo_60d_130d_country_ranknorm feature_ppo_60d_90d_country_ranknorm feature_price_factor feature_rsi_130d_country_ranknorm feature_rsi_60d_country_ranknorm feature_rsi_90d_country_ranknorm feature_trix_130d_country_ranknorm feature_trix_60d_country_ranknorm feature_value_factor feature_volatility_factor ranknormは国ごとに標準化 語尾にfactorがついているものは targetに対 してneutralなリスクファクター テクニカル以外の ファクターも含まれている https://forum.numer.ai/t/signals-v1-data-release/7050
  6. 27 Signals V1のTarget 24個の特徴量で構成されており、グループが存在 target target_raw_return_20 target_raw_return_60 target_factor_neutral_20 target_factor_neutral_60 target_factor_feat_neutral_20

    target_factor_feat_neutral_60 target_camille_20 target_camille_60 target_sydney_20 target_sydney_60 target_irina_20 target_irina_60 target_alexandra_20 target_alexandra_60 target_colleen_20 target_colleen_60 target_jean_20 target_jean_60 target_eleven_4 target_eleven_20 target_eleven_60 targetはtarget_factor_feat_neutral_20 リスクファクター? を直交化したtarget Main Tournamentのfeatures をさらに直交化 https://forum.numer.ai/t/new-signals-targets/5853 eleven系は旧target e.g. target_eleven_4 = target_4d
  7. 28 Corr Cumsum plot: target Targetとの相関を cumsumでplot ranknorm系がsharpが高い Corr Sharpe

    feature_ppo_60d_130d_country_ranknorm 0.2986 feature_ppo_60d_90d_country_ranknorm 0.2918 feature_rsi_90d_country_ranknorm 0.2839 Corr Sharpe上位3ファクター
  8. 29 Corr Cumsum plot: target_raw_return_20 データセットは提供されているが Corr Sharpe feature_earnings_yield_factor 0.2648

    feature_value_factor 0.2638 feature_dividend_yield_factor 0.2159 Corr Sharpe上位3ファクター
  9. 30 Corr Cumsum plot: target_factor_neutral_20 疑問:Factor Neutralなら無相関になるのではないか? Corr Sharpe feature_value_factor

    0.5263 feature_earnings_yield_factor 0.4348 feature_book_to_price_factor 0.3624 Corr Sharpe上位3ファクター
  10. 31 Corr Cumsum plot: target_feat_factor_neutral_20 疑問:Main Tournamentに含まれている Featなら無相関になるのでは? →Factor featureはMain

    Tournamentのデータに含まれていない? Corr Sharpe feature_adv_20d_factor 0.2322 feature_growth_factor 0.1396 feature_price_factor 0.1153 Corr Sharpe上位3ファクター
  11. 32 まとめ ・Main TournamentのEra期間はユニバースは大枠一致している  異なる点  ・Train, Validation期間は比率が異なっている  ・欠損値が存在する   欠損は古い期間に多いが、特徴量のグループごとに欠損は相関する ・SignalsではTickerごとに特徴量の分析ができる

     Tickerごとに分布の異なる特徴量も存在する ・Targetと特徴量の関係を分析し、直交化の方法を分析・考察した  ・線形ではranknorm系がtrainだと強い  ・factor系特徴量とtarget_factor_neutralizedで直交化されている   factorはおそらく一緒ではない?  ・factor系はMain Tournamentの直交化特徴量には含まれていない?