Примечание редакторам Data Science. Хотя мы разрешаем независимым авторам публиковать статьи в соответствии с нашими правилами и рекомендациями, мы не поддерживаем вклад каждого автора. Не стоит полагаться на работы автора без консультации с профессионалами. См. Подробности в наших Условиях для читателей.
Существует множество статей и инструкций по созданию моделей машинного обучения для прогнозирования цен на акции. Я здесь не для того, чтобы заявлять, что они ошибаются или заблуждаются. На самом деле, я думаю, это замечательно, что так много людей проявили интерес к попыткам решить давнюю проблему и что вклад в такие языки программирования, как Python, теперь можно развернуть относительно сложной модели машинного обучения. в считанные минуты помогли в определенной степени «демократизировать» инвестирование. Вместо этого эта статья призвана показать доказательства, подтверждающие идею о том, что цены на акции, скорее всего, невозможно предсказать. В частности, в статье будет использоваться Python, чтобы подчеркнуть идею о том, что цены на акции в большей или меньшей степени следуют случайному блужданию. Основная идея статьи заключается в том, что случайное блуждание не исключает возможности обойти рынок и не поддерживает отказ от инвестиционных моделей, но должно сигнализировать о том, что эти модели следует строить с особой осторожностью и усердием и постоянно пересматривать. Во многих случаях процесс построения торгового алгоритма длится всю жизнь.
Обзор теории случайного блуждания
Теория случайного блуждания цен на акции имеет долгую историю, впервые она была представлена в середине 19 века, а затем популяризована в середине 20 века такими фигурами, как Юджин Фама и Бертон Малкиел, последний из которых сделал случайное блуждание. Обычное место в теории ходьбы в инвестиционных кругах с его классикой Случайное блуждание по Уолл-стрит. В своей простейшей форме теория утверждает, что цены на акции нельзя предсказать, потому что изменения цен на акции случайны. Теория предполагает, что финансовые рынки эффективны. То есть вся общедоступная информация включается в текущую цену акций, поскольку участники рынка рационально стремятся максимизировать прибыль. Если какая-либо аномалия существует, она будет быстро использована и устранена, что приведет к более эффективному состоянию. Например, предположим, что рынок считает, что акции Apple недооценены. Теория случайного блуждания предполагает, что участники рынка немедленно начнут действовать, покупая акции, что, в свою очередь, приведет к тому, что они больше не будут недооценены. Благодаря этой идеальной эффективности цены на акции устанавливаются соответствующим образом и отражают всю доступную информацию. Новые новости - это единственное, что может изменить цену акции, а поскольку цикл новостей непредсказуем, цены на акции движутся случайным образом.
Как вы, наверное, заметили, гипотеза случайного блуждания (RWH) делает несколько предположений, главным из которых является то, что финансовые рынки эффективны. Однако сам факт существования пузырей, похоже, ставит под сомнение это предположение и, следовательно, теорию случайного блуждания. Кроме того, теория породила сферу поведенческих финансов, одним из главных сторонников которой был Ричард Талер, целью которой было показать, что инвесторы во многих ситуациях далеки от рациональных участников, что, в свою очередь, означает, что рынки вряд ли могут быть эффективными. когда его действующие лица часто действуют иррационально.
Несмотря на эти (законные) возражения, гипотеза случайного блуждания поддерживается значительным количеством эмпирических данных, и в оставшейся части этой статьи некоторые из них будут освещены с помощью Python. Код можно найти здесь
Демонстрация случайного блуждания с помощью Python
Поскольку цены на акции следуют случайному блужданию, согласно RWH, цена акции сегодня является лучшим предсказателем ее цены на завтра. Чтобы проверить это утверждение, мы можем сравнить запаздывающие цены на конкретную акцию в течение различных интервалов с самой последней ценой акции, чтобы определить, являются ли они индикатором сегодняшней цены.
Опять же, идея состоит в том, чтобы оценить, является ли сегодняшняя цена лучшим индикатором завтрашней цены. Если это так, то цены на акции устанавливаются соответствующим образом, и поэтому они будут перемещаться случайным образом. С другой стороны, если запаздывающие цены практически не имеют отношения к сегодняшней цене, то сегодняшняя цена не является лучшим предсказателем цены акции - возможно, прошлые цены - и, следовательно, рынок неэффективен. Используя линейную регрессию для оценки этого, мы видим, что цены с запаздыванием имеют чрезвычайно сильную связь с сегодняшней ценой. В этом конкретном примере цены DocuSign с запаздыванием указывают на сегодняшнюю цену.
Если применить этот анализ ко всем акциям Nasdaq 100, то окажется, что это явление широко распространено. Каждая модель линейной регрессии для каждой акции в Nasdaq 100 имеет оценку r-квадрат 0,99, что указывает на то, что модель объясняет почти все вариации данных. То есть ряд лаговых цен, в частности lagged_1, полностью объясняет самую последнюю цену:
Означает ли это, что инвесторы не могут выбирать акции
Одним из выводов RWH является то, что традиционные методы, используемые для выбора акций, такие как технический и фундаментальный анализ, бесполезны. Оба метода подразумевают, что инвесторы могут использовать эти методы для разработки прибыльных торговых стратегий, но RWH считает, что это, как правило, обречено на провал, потому что трейдеры будут использовать и, следовательно, нейтрализовать эти аномалии, делая рынок эффективным. Тем не менее, эта гипотеза допускает некоторые случаи выбора акций, когда аналитик будет работать лучше, чем инвестор, который следует простой политике« покупай и держи , если он сможет быстрее выявлять ситуации, в которых есть существенные расхождения между фактическими ценами. и внутренние ценности, чем у других аналитиков и инвесторов, и если он сможет лучше предсказать возникновение важных событий и оценить их влияние на внутренние ценности ».
Заключение
Да, теория случайного блуждания пользуется эмпирической поддержкой и устанавливает очень высокую планку для алгоритмов, позволяющих последовательно определять траекторию движения цен акций. Но это не означает автоматически, что амбиции по построению инвестиционных моделей будут отброшены. Даже RWH позволяет некоторым трейдерам выполнять внешние операции. Джим Симмонс - прекрасный пример преодоления разногласий. Он потратил годы, пытаясь решить рынок, используя один подход за другим, разбрызгивая, прежде чем, наконец, прорваться через годы и бесчисленные часы совершенствования своего подхода. И даже сейчас его фирма занимается своими сделками только половину времени. Дело не в том, чтобы отговорить вас от построения следующей модели машинного обучения, а в том, чтобы реалистично сформулировать ожидания и побудить вас участвовать в ней надолго.
Дальнейшее чтение
Случайные колебания цен на фондовых рынках
