eiten

Eiten - กลยุทธ์การลงทุนอัลกอริทึมสำหรับทุกคน

Eiten เป็นชุดเครื่องมือโอเพนซอร์สโดย Tradytics ที่ใช้กลยุทธ์การลงทุนทางสถิติและอัลกอริทึมต่างๆเช่น พอร์ตการลงทุน eigen , พอร์ตการลงทุนความแปรปรวนขั้นต่ำ , พอร์ตการลงทุนอัตราส่วนชาร์ปสูงสุด และอัลกอริ ทึมทางพันธุกรรม ช่วยให้คุณสร้างพอร์ตการลงทุนของคุณเองด้วยชุดหุ้นของคุณเองที่สามารถเอาชนะตลาดได้ กรอบการทดสอบที่เข้มงวดที่รวมอยู่ใน Eiten ช่วยให้คุณมีความมั่นใจในพอร์ตการลงทุนของคุณ

หากคุณต้องการพูดคุยเกี่ยวกับเครื่องมือเหล่านี้ในเชิงลึกและพูดคุยเกี่ยวกับเครื่องมือเพิ่มเติมที่เรากำลังดำเนินการโปรดเข้าร่วมช่อง Discord ของเราที่เรามีเครื่องมืออีกมากมายเช่นกัน

คำอธิบายไฟล์

เส้นทาง	คำอธิบาย
คน	โฟลเดอร์หลัก
└ตัวเลข	ตัวเลขสำหรับที่เก็บ GitHub นี้
└หุ้น	โฟลเดอร์เพื่อเก็บรายการหุ้นของคุณที่คุณต้องการใช้เพื่อสร้างพอร์ตการลงทุนของคุณ
└กลยุทธ์	มีกลยุทธ์มากมายที่ใช้ใน Python
backtester.py	โมดูลการทดสอบย้อนกลับที่ทั้งการทดสอบ backtest และไปข้างหน้าทดสอบพอร์ตการลงทุนทั้งหมด
data_loader.py	โมดูลสำหรับการโหลดข้อมูลจาก Yahoo Finance
พอร์ตโฟลิโอ _manager.py	ไฟล์หลักที่ใช้ในพวงของอาร์กิวเมนต์และสร้างพอร์ตการลงทุนหลายอย่างให้คุณ
Simulator.py	เครื่องจำลองที่ใช้ผลตอบแทนทางประวัติศาสตร์และ Monte Carlo เพื่อจำลองราคาในอนาคตสำหรับพอร์ตการลงทุน
Strategy_Manager.py	จัดการกลยุทธ์ที่นำไปใช้ในโฟลเดอร์ 'กลยุทธ์'

แพ็คเกจที่จำเป็น

คุณจะต้องติดตั้งแพ็คเกจต่อไปนี้เพื่อฝึกอบรมและทดสอบรุ่น

• Scikit-learn
• นม
• TQDM
• เงินทุน
• แพนด้า
• คนขี้เกียจ

คุณสามารถติดตั้งแพ็คเกจทั้งหมดโดยใช้คำสั่งต่อไปนี้ โปรดทราบว่าสคริปต์ถูกเขียนขึ้นโดยใช้ Python3

 pip install -r requirements.txt

สร้างพอร์ตการลงทุนของคุณ

ให้เราดูว่าเราสามารถใช้กลยุทธ์ทั้งหมดที่ให้ไว้ในชุดเครื่องมือเพื่อสร้างพอร์ตการลงทุนของเราได้อย่างไร สิ่งแรกที่คุณต้องทำคือแก้ไขไฟล์ stocks.txt ในโฟลเดอร์ หุ้น และเพิ่มหุ้นที่คุณเลือก ขอแนะนำให้เก็บรายการเล็ก ๆ ไว้ที่ใดก็ได้ระหว่าง 5 ถึง 50 หุ้นควรจะดี เราได้ใส่รายชื่อหุ้นขนาดเล็กที่มีหุ้นเทคโนโลยีมากมายเช่น AAPL, MSFT, TSLA ฯลฯ ให้เราสร้างพอร์ตการลงทุนของเราตอนนี้ นี่คือคำสั่งหลักที่คุณต้องเรียกใช้

 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

คำสั่งนี้จะใช้ข้อมูลรายวัน 5 ปีสุดท้ายไม่รวม 90 วันที่ผ่านมาและสร้างพอร์ตการลงทุนหลายรายการให้คุณ จากพอร์ตการลงทุนเหล่านั้นจะทดสอบพวกเขาจากข้อมูลตัวอย่าง 90 วันและแสดงประสิทธิภาพของแต่ละพอร์ต ในที่สุดมันจะเปรียบเทียบประสิทธิภาพกับดัชนีตลาดที่คุณเลือกซึ่งเป็น QQQ ที่นี่ ลองดำน้ำในแต่ละพารามิเตอร์โดยละเอียด

• IS_TEST : ค่าที่กำหนดหากโปรแกรมจะเก็บข้อมูลแยกต่างหากสำหรับการทดสอบในอนาคต เมื่อเปิดใช้งานสิ่งนี้ค่าของ future_bars ควรมีขนาดใหญ่กว่า 5
• Future_bars : นี่คือแท่งที่เครื่องมือจะแยกออกระหว่างการสร้างพอร์ตโฟลิโอและจะส่งต่อการทดสอบพอร์ตการลงทุนในชุดที่ยกเว้น สิ่งนี้เรียกว่าข้อมูลตัวอย่าง
• data_granularity_minutes : คุณต้องการใช้ข้อมูลเม็ดเล็กจำนวนเท่าใดในการสร้างพอร์ตการลงทุนของคุณ สำหรับพอร์ตการลงทุนระยะยาวคุณควรใช้ข้อมูลรายวัน แต่ในระยะสั้นคุณสามารถใช้ข้อมูลระดับรายชั่วโมงหรือระดับนาที ค่าที่เป็นไปได้ที่นี่คือ 3600, 60, 30, 15, 5, 1. 3600 หมายถึงทุกวัน
• history_to_use : ไม่ว่าจะใช้จำนวนบาร์ประวัติศาสตร์ที่เฉพาะเจาะจงหรือใช้ทุกสิ่งที่เราได้รับจาก Yahoo Finance สำหรับข้อมูลระดับนาทีเราจะได้รับข้อมูลในอดีตถึงหนึ่งเดือนเท่านั้น สำหรับรายวันเราได้รับข้อมูลประวัติศาสตร์ 5 ปี หากคุณต้องการใช้ข้อมูลที่มีอยู่ทั้งหมดค่าควรเป็น ทั้งหมด แต่ถ้าคุณต้องการใช้ประวัติขนาดเล็กลงคุณสามารถตั้งค่าเป็นค่าจำนวนเต็มเช่น 100 ซึ่งจะใช้เพียง 100 บาร์สุดท้ายเพื่อสร้างพอร์ตการลงทุน
• Apply_noise_filtering : สิ่งนี้ใช้ทฤษฎีเมทริกซ์แบบสุ่มเพื่อกรองเมทริกซ์ความแปรปรวนร่วมจากการสุ่มจึงทำให้พอร์ตการลงทุนดีขึ้น ค่า 1 จะเปิดใช้งานและ 0 จะปิดการใช้งาน
• Market_index : ดัชนีใดที่คุณต้องการใช้เพื่อเปรียบเทียบพอร์ตการลงทุนของคุณ สิ่งนี้ควรเป็น สายลับ ส่วนใหญ่ แต่เนื่องจากเราวิเคราะห์หุ้นเทคโนโลยีเราจึงใช้ QQQ
• only_long : ไม่ว่าจะใช้พอร์ตโฟลิโอที่ยาวเท่านั้นหรือเปิดใช้งานการขายระยะสั้นเช่นกัน พอร์ตการลงทุนที่ยาวเท่านั้นที่แสดงให้เห็นว่ามีประสิทธิภาพที่ดีขึ้นโดยใช้เทคนิคอัลกอริทึม
• eigen_portfolio_number : Eigen Portfolio ที่จะใช้ ค่าใด ๆ ระหว่าง 1-5 ควรทำงาน พอร์ต Eigen แรก (1) แสดงถึงพอร์ตการตลาดและควรทำหน้าที่เหมือนกับดัชนีพื้นฐานเช่น Spy หรือ QQQ อันที่สองคือมุมฉากและไม่เกี่ยวข้องกับตลาดและมีความเสี่ยงและรางวัลมากที่สุด สิ่งต่อไปนี้มีความเสี่ยงและรางวัลลดลง อ่านเพิ่มเติมเกี่ยวกับ eigen-portfolios
• Stocks_File_Path : ไฟล์ที่มีรายการหุ้นที่คุณต้องการใช้ในการสร้างพอร์ตโฟลิโอของคุณ

ตัวอย่างการสร้างผลงานบางส่วน

นี่คือตัวอย่างบางส่วนสำหรับการสร้างพอร์ตการลงทุนประเภทต่าง ๆ

• ทั้งพอร์ตการลงทุน ระยะยาวและระยะสั้น โดยการวิเคราะห์ข้อมูล 90 วัน ล่าสุดและรักษา 30 วันสุดท้าย เป็นข้อมูลการทดสอบ สิ่งนี้จะให้ข้อมูลการก่อสร้างพอร์ตโฟลิโอ 60 วันและการทดสอบ 30 วัน

 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

• พอร์ตการลงทุนที่ยาว เพียง 60 นาที ของ 30 วัน ที่ผ่านมา ไม่มีการทดสอบในอนาคต เปรียบเทียบผลลัพธ์กับดัชนี สายลับ แทน qqq

 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

• อย่าใช้การกรองเสียงรบกวน บนเมทริกซ์ความแปรปรวนร่วม ใช้ Eigen Portfolio แรก (พอร์ตการตลาด) และเปรียบเทียบกับ SQQQ

 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

กลยุทธ์พอร์ตโฟลิโอ

ปัจจุบันกลยุทธ์พอร์ตโฟลิโอที่แตกต่างกันได้รับการสนับสนุนโดย Toolkit

1. พอร์ตการลงทุน
   1. พอร์ตการลงทุนเหล่านี้เป็นมุมฉากและไม่เกี่ยวข้องกับตลาดโดยทั่วไปจึงให้รางวัลสูงและอัลฟ่า อย่างไรก็ตามเนื่องจากพวกเขาไม่เกี่ยวข้องกับตลาดพวกเขาจึงสามารถให้ความเสี่ยงได้อย่างมาก พอร์ตการลงทุนครั้งแรกถือว่าเป็นพอร์ตการตลาดซึ่งมักถูกละเว้น อันที่สองไม่เกี่ยวข้องกับผู้อื่นและให้ความเสี่ยงและรางวัลสูงสุด เมื่อเราลดจำนวนความเสี่ยงและรางวัลจะลดลง
2. พอร์ตโฟลิโอความแปรปรวนขั้นต่ำ (MVP)
   1. MVP พยายามลดความแปรปรวนของพอร์ตโฟลิโอให้น้อยที่สุด พอร์ตการลงทุนเหล่านี้มีความเสี่ยงและรางวัลต่ำที่สุด
3. พอร์ตโฟลิโออัตราส่วนชาร์ปสูงสุด (MSR)
   1. MSR แก้ปัญหาการเพิ่มประสิทธิภาพที่พยายามเพิ่มอัตราส่วนชาร์ปของพอร์ตโฟลิโอให้สูงสุด มันใช้ผลตอบแทนที่ผ่านมาในระหว่างกระบวนการปรับให้เหมาะสมซึ่งหมายความว่าหากผลตอบแทนที่ผ่านมาไม่เหมือนกับผลตอบแทนในอนาคตผลลัพธ์อาจแตกต่างกันไปในอนาคต
4. อัลกอริทึมทางพันธุกรรม (GA) พอร์ตโฟลิโอ
   1. นี่คือการใช้งานพอร์ตโฟลิโอที่ใช้ GA ของเราเองซึ่งพยายามเพิ่มอัตราส่วนชาร์ปให้มากที่สุด แต่ในทางที่แข็งแกร่งกว่าเล็กน้อย สิ่งนี้มักจะให้พอร์ตการลงทุนที่แข็งแกร่งกว่าอื่น ๆ

เมื่อคุณเรียกใช้คำสั่งด้านบนเครื่องมือของเราจะสร้างพอร์ตการลงทุนจากกลยุทธ์เหล่านี้ทั้งหมดและมอบให้คุณ ให้เราดูพอร์ตการลงทุนที่เกิดขึ้น

ผลงานที่เกิดขึ้น

เพื่อจุดประสงค์ผลลัพธ์เหล่านี้เราจะใช้ 9 หุ้นในไฟล์หุ้น/หุ้น txt เมื่อเราเรียกใช้คำสั่งข้างต้นเราจะได้รับน้ำหนักพอร์ตโฟลิโอสำหรับกลยุทธ์ทั้งสี่ เพื่อวัตถุประสงค์ในการทดสอบคำสั่งข้างต้นใช้ข้อมูลห้าปีล่าสุดจนถึงวันที่ 29 เมษายน ข้อมูลที่เหลือสำหรับปีนี้ใช้สำหรับการทดสอบไปข้างหน้าเช่นกลยุทธ์พอร์ตโฟลิโอไม่สามารถเข้าถึงได้เมื่อสร้างพอร์ตการลงทุน

จะเกิดอะไรขึ้นถ้าพอร์ตการลงทุนของฉันต้องการหุ้นที่แตกต่างกัน? : สิ่งที่คุณต้องทำคือเปลี่ยนหุ้นในไฟล์ stocks.txt และเรียกใช้เครื่องมืออีกครั้ง นี่คือคำสั่งสุดท้ายอีกครั้งที่เราเรียกใช้เพื่อรับพอร์ตการลงทุนของเรา:

 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

น้ำหนักพอร์ตโฟลิโอ

เราจะเห็นได้ว่าพอร์ตโฟลิโอของไอเกนกำลังให้น้ำหนักมากแก่ TSLA ในขณะที่คนอื่น ๆ กำลังแบ่งน้ำหนักของพวกเขาอย่างสม่ำเสมอมากขึ้น ปรากฏการณ์ที่น่าสนใจที่เกิดขึ้นที่นี่คือการป้องกันความเสี่ยงด้วย SQQQ ที่กลยุทธ์ทั้งหมดได้เรียนรู้โดยอัตโนมัติ เครื่องมือทุกอย่างกำลังกำหนดน้ำหนักบวกให้กับ SQQQ ในขณะเดียวกันก็กำหนดน้ำหนักบวกให้กับหุ้นอื่น ๆ ซึ่งบ่งชี้ว่ากลยุทธ์จะพยายามป้องกันพอร์ตการลงทุนโดยอัตโนมัติจากความเสี่ยง เห็นได้ชัดว่านี่ไม่สมบูรณ์แบบ แต่เพียงแค่ความจริงที่ว่ามันเกิดขึ้นนั้นน่าหลงใหล ให้เราดูผลการทดสอบ backtest ในช่วงห้าปีที่ผ่านมาก่อนวันที่ 29 เมษายน 2020

ผลการทดสอบ backtest

การทดสอบย้อนหลังดูน่าสนใจ เส้นประสีดำคือดัชนีตลาดเช่น qqq บรรทัดอื่น ๆ คือกลยุทธ์ การใช้อัลกอริทึมทางพันธุกรรมที่กำหนดเองของเราดูเหมือนว่าจะมีผลลัพธ์ backtest ที่ดีที่สุดเพราะมันเป็นกลยุทธ์อื่น ๆ ขั้นสูง พอร์ตโฟลิโอที่ชั่งน้ำหนัก TSLA มากที่สุดมีความผันผวนมากที่สุด แต่ผลกำไรก็สูงมากเช่นกัน ในที่สุดตามที่คาดไว้ MVP มีความแปรปรวนขั้นต่ำและในที่สุดผลกำไรน้อยที่สุด อย่างไรก็ตามเนื่องจากความแปรปรวนต่ำมากจึงเป็นผลงานที่ดีสำหรับผู้ที่ต้องการอยู่อย่างปลอดภัย ส่วนที่น่าสนใจที่สุดมาต่อไปให้เราดูผลการทดสอบไปข้างหน้าหรือในอนาคตสำหรับพอร์ตการลงทุนเหล่านี้

ผลการทดสอบไปข้างหน้า

ผลลัพธ์เหล่านี้มาจากวันที่ 29 เมษายน 2020 ถึง 4 กันยายน 2020 พอร์ตโฟลิโอของ Eigen ทำงานได้ดีที่สุด แต่ก็มีความผันผวนมากมาย ยิ่งไปกว่านั้นผลตอบแทนเหล่านั้นส่วนใหญ่เกิดจาก TSLA rocketing ในช่วงไม่กี่เดือนที่ผ่านมา หลังจากนั้นอัลกอริทึม GA ของเราทำงานได้อย่างมีประสิทธิภาพเนื่องจากเอาชนะดัชนีตลาด อีกครั้งตามที่คาดไว้ MVP มีความเสี่ยงต่ำที่สุดและให้รางวัลและค่อยๆเพิ่มขึ้นใน 4-5 เดือน สิ่งนี้แสดงให้เห็นถึงประสิทธิภาพและพลังของกลยุทธ์การเพิ่มประสิทธิภาพพอร์ตโฟลิโออัลกอริทึมเหล่านี้ซึ่งเราได้พัฒนาพอร์ตการลงทุนที่แตกต่างกันสำหรับโปรไฟล์ความเสี่ยงและรางวัลที่แตกต่างกัน

บทสรุปและการอภิปราย

เรายินดีที่จะแบ่งปันชุดเครื่องมือนี้กับชุมชนการค้าและหวังว่าผู้คนจะชอบและมีส่วนร่วม เช่นเดียวกับทุกสิ่งในการซื้อขายกลยุทธ์เหล่านี้ไม่สมบูรณ์แบบ แต่พวกเขาอยู่บนพื้นฐานของทฤษฎีที่เข้มงวดและผลลัพธ์เชิงประจักษ์ที่ยอดเยี่ยม โปรดดูแลเมื่อทำการซื้อขายกับกลยุทธ์เหล่านี้และจัดการความเสี่ยงของคุณเสมอ ผลลัพธ์ข้างต้นไม่ได้เลือกเชอร์รี่ แต่ตลาดได้รั้นอย่างมากในช่วงไม่กี่เดือนที่ผ่านมาซึ่งนำไปสู่ผลลัพธ์ที่แข็งแกร่งที่แสดงไว้ข้างต้น เราอยากให้ชุมชนลองใช้กลยุทธ์ที่แตกต่างและแบ่งปันกับเรา

ขอบคุณเป็นพิเศษ

ขอขอบคุณเป็นพิเศษกับบล็อกของ Scott Rome พอร์ตการลงทุน Eigen และแนวคิดพอร์ตโฟลิโอความแปรปรวนขั้นต่ำมาจากโพสต์บล็อกของเขา รหัสสำหรับการกรองค่า eigen ของเมทริกซ์ความแปรปรวนร่วมนั้นส่วนใหญ่ได้รับจากหนึ่งในโพสต์ของเขา

ใบอนุญาต

ผลิตภัณฑ์โดย Tradytics

ลิขสิทธิ์ (c) 2020--, tradytics.com