eitenダウンロードeitenソースコードのダウンロード

eiten

その他のソースコード

1.0.0

ダウンロード

EITEN-すべての人のためのアルゴリズム投資戦略

Eitenは、 Eigenポートフォリオ、最小分散ポートフォリオ、最大Sharpe比ポートフォリオ、および遺伝的アルゴリズムベースのポートフォリオなどのさまざまな統計的およびアルゴリズム投資戦略を実装する、Tradyticsによるオープンソースツールキットです。これにより、市場に勝つ可能性のある独自の株式セットで独自のポートフォリオを構築できます。 EITENに含まれる厳密なテストフレームワークを使用すると、ポートフォリオに自信を持つことができます。

これらのツールについて深く話し合い、私たちが取り組んでいるより多くのツールについて話したい場合は、もっと多くのツールがある私たちのDiscordチャンネルにも参加してください。

ファイルの説明

パス	説明
eiten	メインフォルダー。
└図	このgithubリポジトリの数字。
stocks株	ポートフォリオを作成するために使用するストックリストを保持するフォルダー。
└戦略	Pythonで実装された多数の戦略。
backtester.py	バックテストとフォワードの両方をすべてのポートフォリオをテストするバックテストモジュール。
data_loader.py	Yahoo Financeのデータを読み込むためのモジュール。
Portfolio_manager.py	多くの議論を取り入れ、あなたのためにいくつかのポートフォリオを生成するメインファイル。
Simulator.py	履歴リターンとモンテカルロを使用して、ポートフォリオの将来の価格をシミュレートするシミュレーター。
Strategy_manager.py	「戦略」フォルダーに実装された戦略を管理します。

必要なパッケージ

モデルをトレーニングおよびテストするには、次のパッケージをインストールする必要があります。

Scikit-Learn
numpy
TQDM
yfinance
パンダ
scipy

次のコマンドを使用してすべてのパッケージをインストールできます。スクリプトはPython3を使用して記述されたことに注意してください。

 pip install -r requirements.txt

ポートフォリオを構築します

Toolkitで与えられたすべての戦略を使用してポートフォリオを構築する方法を見てみましょう。最初に行う必要があるのは、 Stocks.txtファイルをStocksフォルダーに変更し、選択した在庫を追加することです。 5〜50株の間にリストを小さく保つことをお勧めします。 AAPL、MSFT、TSLAなどの多数のハイテク在庫を含む小さな株式リストをすでに掲載しています。今すぐポートフォリオを構築してみましょう。これは、実行する必要がある主なコマンドです。

 python portfolio_manager.py --is_test 1 --future_bars 90 --data_granularity_minutes 3600 --history_to_use all --apply_noise_filtering 1 --market_index QQQ --only_long 1 --eigen_portfolio_number 3 --stocks_file_path stocks/stocks.txt

このコマンドは、過去90日間を除く最後の5年間の毎日のデータを使用し、いくつかのポートフォリオを構築します。これらのポートフォリオに基づいて、90日間のサンプルデータでテストし、各ポートフォリオのパフォーマンスを表示します。最後に、パフォーマンスをここでQQQである市場指数の選択と比較します。各パラメーターの詳細に飛び込みましょう。

IS_TEST ：プログラムが将来のテストのために別のデータを保持するかどうかを決定する値。これが有効になっている場合、 future_barsの値は5を超える必要があります。
Future_Bars ：これらは、ポートフォリオビルディング中にツールが除外するバーであり、除外されたセットでポートフォリオを転送します。これは、サンプルデータからも呼ばれます。
data_granularity_minutes ：ポートフォリオの構築に使用する粒子データの量。長期的なポートフォリオでは、毎日のデータを使用する必要がありますが、短期的には、1時間ごとまたは分レベルのデータを使用できます。ここで考えられる値は、3600、60、30、15、5、1.3600です。
history_to_use ：特定の数の履歴バーを使用するか、Yahoo Financeから受け取ったすべてを使用するか。分レベルのデータの場合、最大1か月の履歴データしか受け取りません。毎日、5年分の履歴データを受け取ります。利用可能なすべてのデータを使用したい場合は、値がすべてである必要がありますが、より小さな履歴を使用する場合は、最後の100バーを使用してポートフォリオを構築する整数値EG 100に設定できます。
Apply_noise_filtering ：これは、ランダムマトリックス理論を使用して、ランダム性から共分散行列を除外し、より良いポートフォリオを生成します。 1の値はそれを有効にし、0はそれを無効にします。
Market_index ：ポートフォリオを比較するために使用するインデックス。これは主にスパイする必要がありますが、ハイテク在庫を分析したため、 QQQを使用しました。
only_long ：ロングのみのポートフォリオを使用するか、空売りを有効にするか。長いポートフォリオのみが、アルゴリズム技術を使用してパフォーマンスが向上することが示されています。
eigen_portfolio_number ：使用するEigenポートフォリオ。 1〜5の間の値は機能するはずです。最初のEigenポートフォリオ（1）は市場ポートフォリオを表し、SpyやQQQなどの基礎となるインデックスと同じように機能する必要があります。 2つ目は直交しており、市場に相関していないため、最大のリスクと報酬をもたらします。次のものはリスクと報酬を減らしました。 Eigen-Portfoliosの詳細をご覧ください。
stocks_file_path ：ポートフォリオを構築するために使用する株のリストを含むファイル。

いくつかのポートフォリオ構築の例

さまざまな種類のポートフォリオを構築するためのいくつかの例を以下に示します。

過去90日間のデータを分析し、過去30日間をテストデータとして保持することにより、長いポートフォリオと短いポートフォリオの両方。これにより、60日間のポートフォリオ構造データと30日間のテストが得られます。

 python portfolio_manager.py --is_test 1 --future_bars 30 --data_granularity_minutes 3600 --history_to_use 90 --apply_noise_filtering 1 --market_index QQQ --only_long 0 --eigen_portfolio_number 3 --stocks_file_path stocks/stocks.txt

過去30日間の60分のバーにある長いポートフォリオのみ。将来のテストはありません。 QQQの代わりに、結果をSPYインデックスと比較してください。

 python portfolio_manager.py --is_test 0 --future_bars 0 --data_granularity_minutes 60 --history_to_use all --apply_noise_filtering 1 --market_index SPY --only_long 1 --eigen_portfolio_number 3 --stocks_file_path stocks/stocks.txt

共分散行列にノイズフィルタリングを適用しないでください。最初のEigenポートフォリオ（Market Portfolio）を使用し、SQQQと比較してください。

 python portfolio_manager.py --is_test 1 --future_bars 90 --data_granularity_minutes 3600 --history_to_use all --apply_noise_filtering 0 --market_index SQQQ --only_long 1 --eigen_portfolio_number 1 --stocks_file_path stocks/stocks.txt

ポートフォリオ戦略

現在、4つの異なるポートフォリオ戦略がツールキットによってサポートされています。

固有ポートフォリオ
1. これらのポートフォリオは直交しており、一般的に市場と相関していないため、高い報酬とアルファが得られます。しかし、彼らは市場に無関係であるため、大きなリスクをもたらすこともできます。最初の固有ポートフォリオは、しばしば無視される市場ポートフォリオと見なされます。 2番目のものは他の人と相関していないため、最高のリスクと報酬を提供します。番号付けを下ると、リスクと報酬が減少します。
最小分散ポートフォリオ（MVP）
1. MVPは、ポートフォリオの分散を最小限に抑えようとします。これらのポートフォリオは最も低いリスクと報酬です。
最大シャープ比ポートフォリオ（MSR）
1. MSRは、ポートフォリオのシャープ比を最大化しようとする最適化問題を解決します。最適化プロセス中に過去のリターンを使用します。つまり、過去のリターンが将来のリターンと同じでない場合、結果は将来異なる場合があります。
遺伝的アルゴリズム（GA）ベースのポートフォリオ
1. これは、GAベースのポートフォリオの独自の実装であり、シャープ比を最大化しようとしますが、少し堅牢な方法です。これは通常、他のポートフォリオよりも堅牢なポートフォリオを提供します。

上記のコマンドを実行すると、私たちのツールはこれらすべての戦略からポートフォリオを生成し、それらを提供します。結果のポートフォリオをいくつか見てみましょう。

結果のポートフォリオ

これらの結果のために、株式/stocks.txtファイルの9つの株を使用します。上記のコマンドを実行すると、最初に4つの戦略すべてに対してポートフォリオウェイトを取得します。テストのために、上記のコマンドは、4月29日までの過去5年間の毎日のデータを使用しました。今年の残りのデータは、ポートフォリオを構築する際にポートフォリオ戦略がアクセスできなかったため、フォワードテストに使用されました。

私のポートフォリオに異なる在庫が必要な場合はどうなりますか？ ：必要なのは、stocks.txtファイルの在庫を変更して、ツールを再度実行することだけです。ポートフォリオを取得するために実行する最終コマンドは次のとおりです。

 python portfolio_manager.py --is_test 1 --future_bars 90 --data_granularity_minutes 3600 --history_to_use all --apply_noise_filtering 1 --market_index QQQ --only_long 1 --eigen_portfolio_number 3 --stocks_file_path stocks/stocks.txt

ポートフォリオウェイト

固有のポートフォリオはTSLAに大きな重みを与えている一方で、他のポートフォリオは重量をより均一に分割していることがわかります。ここで起こっている興味深い現象は、すべての戦略が自動的に学んだSQQQのヘッジです。すべてのツールはSQQQにある程度の重みを割り当て、他の株に正の重みを割り当てています。これは、戦略がリスクからポートフォリオを自動的にヘッジしようとしていることを示しています。明らかにこれは完璧ではありませんが、それが起こっているという事実だけが魅力的です。 2020年4月29日の過去5年前のバックテストの結果を見てみましょう。

バックテストの結果

バックテストはかなり励みに見えます。黒い点線は、市場指数、すなわちQQQです。他の行は戦略です。カスタム遺伝的アルゴリズムの実装は、他の戦略の高度なバージョンであるため、最良のバックテスト結果を持っているようです。 TSLAの重さを最も重くした固有ポートフォリオは最もボラティリティを持っていますが、その利益も非常に高くなっています。最後に、予想どおり、MVPには最小分散があり、最終的には最小の利益があります。ただし、分散は非常に低いため、安全を保ちたい人にとっては良いポートフォリオです。最も興味深い部分は次に来ます。これらのポートフォリオのフォワードまたは将来のテスト結果を見てみましょう。

フォワードテスト結果

これらの結果は、2020年4月29日から2020年9月4日までです。固有ポートフォリオは最高のパフォーマンスを発揮しましたが、多くのボラティリティもありました。さらに、これらのリターンのほとんどは、過去数か月のTSLAロケットによるものです。その後、GAアルゴリズムは市場指数を打ち負かしたため、非常に効果的に機能しました。繰り返しますが、予想通り、MVPはリスクと報酬が最も低く、4〜5か月でゆっくりと上昇しました。これは、さまざまな種類のリスクと報酬プロファイルのためにさまざまなポートフォリオを開発したこれらのアルゴリズムポートフォリオ最適化戦略の有効性と力を示しています。

結論と議論

このツールキットをトレーディングコミュニティと共有し、人々がそれを好み、貢献することを願っています。取引中のすべての場合と同様に、これらの戦略は完全ではありませんが、厳密な理論といくつかの大きな経験的結果に基づいています。これらの戦略と取引する際には注意して、常にリスクを管理してください。上記の結果は桜の選択ではありませんでしたが、過去数ヶ月で市場は非常に強気で、上記の強力な結果につながっています。私たちは、コミュニティがさまざまな戦略を試して、それらを私たちと共有することを望んでいます。