スタイルローテーション戦略のサーベイ - stockedge.jpの技術メモ
株式投資の戦略でスタイルローテーション戦略というものがある。その名の通り、投資スタイル*1を動的に変化させることで市場平均を超えるリターンを狙う戦略のことである。 以前ある目的で書いた文章がスタイルローテーション戦略について結構まとまったサーベイになっているのだけれど、残念ながらお蔵入り状態になっている。このままだと勿体無いのでここで公開してしまうことにした。原文から一部切り取ったりしているので、ちょっと歯切れの悪い文章になっているけど、どうかご容赦を。 バリュー株効果と小型株効果 株式市場には小型株効果とバリュー株効果というアノマリー現象が存在することが知られている。小型株効果は、時価総額が高い株で構成されたポートフォリオより、時価総額が低い株で構成されたポートフォリオのほうが高いリターンとなる現象である。バリュー株効果は、株式の時価簿価比率が高い株で構成されたポートフォリオより、時価簿
日経平均株価の方向性の簡単な予測方法 - stockedge.jpの技術メモ
を紹介する*1。手数料を考えると恐らく儲からない（少なくともこの手法単体では厳しい）ので、過剰な期待はしないように。 ※この記事を読む人は下にあるFacebookのコメント欄まで読んでください。 やりかた 日経平均株価の四本値を説明変数、翌日の終値を目的変数として、random forestなどで予測する。 ただし初値で（初値以外の）四本値および翌日の終値を割っておく。割った後、初値は説明変数から除外する。 また割られた翌日の終値を１以上か否かで分割し二値のカテゴリ変数とする。 ちなみに、この手法はこの論文に載っていた手法をちょっと変えたものなので興味があればこちらもどうぞ。 Rでやってみる RのrandomForestを使い、実際に試してみる。 OOBエラーを見ると、OOBでの正解率は70.83%。 testデータでの正解率は66.8%となっている。 なおクラスバランスはおおむね50/5
株価の予測は当たりやすい時と当たりにくい時がある - stockedge.jpの技術メモ
stockedge.jpの株価予測に面白い性質があるので紹介する。 以下のグラフは、株価予測を100回行うごとに勝率を計算してその時系列をプロットしたものである。使用したのは2011年5月13日から2015年8月25日までのデータ（35860サンプル）。 グラフをよく見ると、勝率が低くなるとしばらくの間低い期間が続き、高くなるとしばらくの間高い期間が続く、という傾向があるように見える。要は、勝率の時系列に自己相関があるように見える。 実際、どの程度自己相関があるのかをRのacf関数で計算してみた。 > #ratesは勝率の時系列 > acf(rates, plot=F) Autocorrelations of series ‘rates’, by lag 0 1 2 3 4 5 6 7 8 9 10 1.000 0.506 0.415 0.449 0.321 0.241 0.271 0.2
市場平均に勝てることは既に実証されている！？ Online Portfolio Selectionについて - stockedge.jpの技術メモ
ポートフォリオ最適化と聞くとMarkowitzの平均分散モデルを思い浮かべる人が多いかもしれない。しかし最近はオンラインポートフォリオ選択（Online Portfolio Selection、以下OLPS）という手法が研究されており、これが目覚ましい成果を挙げている。その成果の割にはOLPSの存在があまり知られていない気がするので、ここで紹介したい。 突破口を開いたAnticor 事の発端は2004年に公開されたこの論文。 [1107.0036] Can We Learn to Beat the Best Stock 著者らはAnticorというアルゴリズムを提案している。このアルゴリズムを使うと、市場平均リターンを超えるリターンを得られる上に、そのリターンは最も値上がりした個別株のリターンすらも超えるというのだ。 Anticorでは、ある一つの株価の時系列には負の自己相関があり、複数の
Rのrugarchで株価のボラティリティを予測する - stockedge.jpの技術メモ
クオンツ達の間では、株価の予測は難しいが株価のボラティリティ（値動きの激しさ）を予測することは比較的簡単だとよく言われている。 この記事では実際にRのrugarchパッケージを使って株価のボラティリティ予測を試してみる。 CRAN - Package rugarch ボラティリティ予測に使うのはexponential GARCH（以下eGARCH）というモデル。以下13.2 Extensions of the GARCH Modelより引用（意訳してます）。 を平均0分散1の確率変数のiid系列として、一般的なexponential GARCHモデルは以下の数式で表される。*1 とはパラメータ。 なぜこのeGARCHを使うのかというと、通常のGARCHでは株価のボラティリティをモデル化するのに問題があるため。EGARCHモデルについてより引用する。 株式市場では、株価が上がった日の翌日より
stockedge.jpのサイト公開以後の勝率を発表します - stockedge.jpの技術メモ
推奨銘柄無料公開ブログにて公開している予測情報の、サイト公開以後から2015年5月1日現在に至る期間の勝敗を集計する。 なお、サイト公開以後の予測だけを集計している（完全なフォワードテストとなっている）ので、この集計結果に後知恵バイアスが入る余地はない。 勝率 勝ち回数 負け回数 信頼度による条件 54.19% 2733 2310 なし 60.81% 748 482 60以上 62.21% 135 82 70以上 63.63% 21 12 80以上 もし私の集計結果が信用ならない場合は、当サイトの予測情報をCSVファイルに変換するScalaスクリプトを公開しますのスクリプトなどを用いて予測情報をスクレイピングし、自分で集計してほしい。 自分で集計を行うという方のため、以下に勝率を計算する際の細々したことを書いておく。 予測日の定義 予測を公開した日のこと。ただし、寄り付きが行われる翌日の午
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
推奨銘柄無料公開ブログ
http://arxiv.org/pdf/1312.6350v1.pdf