Analyse mit maschinellem Lernen für ein diversifiziertes marktneutrales Portfolio
Aus dem Englischen übersetzt. Maßgeblich ist der englische Text. Auf Englisch lesen
Das Portfolio
Zusammensetzung des Portfolios:
- Insgesamt 149 Assets, die sich zu 4 Sektoren zusammenfassen lassen
- Aufteilung nach Sektoren:
- Agrar & Lebendvieh: 53
- Metalle: 23
- Öl: 60
- Strom & Gas: 13
- Jedes Asset hat zwei Datensätze (1 für Kauf, 1 für Verkauf)
- Signalklasse: unausgewogen (< 0.30) vs. ausgewogen (>= 0.30)
- In allen Sektoren ist die Mehrheit der Datensätze unausgewogen.
- Auch zwischen den Datensätzen für Kauf- und Verkaufssignale ist die Verteilung der Unausgewogenheit einheitlich
- In allen Sektoren ist die Mehrheit der Datensätze unausgewogen.
Analyseansatz
- Für jeden Asset-Datensatz haben wir 6 Algorithmen mit Abstimmung der Hyperparameter modelliert und dabei 0.5 als Standardschwelle für positive Prognosen verwendet.
- Modelltypen:
- Extreme Gradient Boosting (XGBoost)
- LightGBM (LGBM)
- CatBoost (CAT)
- Random Forests (RF)
- Extra Trees (ET)
- Entscheidungsbaum (Decision Tree, DT)
- Kennzahlen:
- Minimierung falsch positiver Ergebnisse (False Positives, FP)
- Minimierung falsch negativer Ergebnisse (False Negatives, FN)
- Wir ordnen jedes Modell anhand eines gewichteten Durchschnitts in eine Rangfolge ein
- Die Minimierung falsch positiver Ergebnisse hat ein Ranggewicht von 2 Einheiten
- Die Minimierung falsch negativer Ergebnisse hat ein Ranggewicht von 1 Einheit
- Da jeder Datensatz eine eigene Verteilung binärer Signale hat, erstellen wir die Rangfolge aller Modelle für jeden Datensatz anhand beider Kennzahlen.
- Für jede Kombination aus Sektor und Signaltyp berechnen wir den durchschnittlichen gewichteten Rang über die betreffenden Datensätze und legen die endgültige Rangfolge der Modelle fest.
Beobachtungen auf der Long-Seite
Allgemeine Beobachtungen:
- CAT erscheint in allen 4 Sektoren unter den ersten 3 der Rangfolge
- Agrar & Lebendvieh (Rang 2)
- Metalle (Rang 1)
- Öl (Rang (3)
- Strom & Gas (1)
- RF und LGBM erscheinen in 3 Sektoren unter den ersten 3
- RF:
- Agrar & Lebendvieh (Rang 1)
- Öl (Rang 2)
- Strom & Gas (2)
- LGBM
- Agrar & Lebendvieh (Rang 3)
- Metalle (Rang 3)
- Strom & Gas (3)
- RF:
- XGB und DT prognostizieren tendenziell aggressiver und minimieren FN besser. Wegen der höheren Gewichtung der Minimierung von FP schneiden sie im gewichteten Gesamtrang jedoch schlechter ab.
- Detaillierte Ergebnisse im nächsten Abschnitt
| Sektor | Modell | Endrang | Gewichteter Durchschnittsrang |
|---|---|---|---|
| Agrar & Lebendvieh | RF | 1 | 2.9057 |
| CAT | 2 | 3.2925 | |
| LGBM | 3 | 3.5031 | |
| ET | 4 | 3.6101 | |
| XGB | 5 | 3.6258 | |
| DT | 6 | 4.0629 | |
| Metalle | CAT | 1 | 3.0797 |
| ET | 2 | 3.0870 | |
| LGBM | 3 | 3.4855 | |
| XGB | 4 | 3.6377 | |
| RF | 5 | 3.6957 | |
| DT | 6 | 4.0145 | |
| Öl | ET | 1 | 3.3079 |
| RF | 2 | 3.3139 | |
| CAT | 3 | 3.3194 | |
| LGBM | 4 | 3.5667 | |
| XGB | 5 | 3.6750 | |
| DT | 6 | 3.7722 | |
| Strom & Gas | CAT | 1 | 2.7949 |
| RF | 2 | 3.0513 | |
| LGBM | 3 | 3.5000 | |
| ET | 4 | 3.7692 | |
| XGB | 5 | 3.8333 | |
| DT | 6 | 4.0513 |
Long-Allokationen (detaillierte Rangergebnisse)
| Sektor | Modell | Endrang | Gewichteter Durchschnittsrang | Rang falsch positiv | Gewicht Rang falsch positiv | Gewichteter Rang falsch positiv | Rang falsch negativ | Gewicht Rang falsch negativ | Gewichteter Rang falsch negativ |
|---|---|---|---|---|---|---|---|---|---|
| Agrar & Lebendvieh | RF | 1 | 2.9057 | 1.811320755 | 2 | 3.6226 | 5.094339623 | 1 | 5.0943 |
| CAT | 2 | 3.2925 | 2.537735849 | 2 | 5.0755 | 4.801886792 | 1 | 4.8019 | |
| LGBM | 3 | 3.5031 | 3.716981132 | 2 | 7.4340 | 3.075471698 | 1 | 3.0755 | |
| ET | 4 | 3.6101 | 3.773584906 | 2 | 7.5472 | 3.283018868 | 1 | 3.2830 | |
| XGB | 5 | 3.6258 | 3.933962264 | 2 | 7.8679 | 3.009433962 | 1 | 3.0094 | |
| DT | 6 | 4.0629 | 5.226415094 | 2 | 10.4528 | 1.735849057 | 1 | 1.7358 | |
| Metalle | CAT | 1 | 3.0797 | 2.652173913 | 2 | 5.3043 | 3.934782609 | 1 | 3.9348 |
| ET | 2 | 3.0870 | 2.173913043 | 2 | 4.3478 | 4.913043478 | 1 | 4.9130 | |
| LGBM | 3 | 3.4855 | 3.826086957 | 2 | 7.6522 | 2.804347826 | 1 | 2.8043 | |
| XGB | 4 | 3.6377 | 3.956521739 | 2 | 7.9130 | 3 | 1 | 3.0000 | |
| RF | 5 | 3.6957 | 3.130434783 | 2 | 6.2609 | 4.826086957 | 1 | 4.8261 | |
| DT | 6 | 4.0145 | 5.260869565 | 2 | 10.5217 | 1.52173913 | 1 | 1.5217 | |
| Öl | ET | 1 | 3.3079 | 2.491525424 | 2 | 4.9831 | 4.940677966 | 1 | 4.9407 |
| RF | 2 | 3.3139 | 2.908333333 | 2 | 5.8167 | 4.125 | 1 | 4.1250 | |
| CAT | 3 | 3.3194 | 2.916666667 | 2 | 5.8333 | 4.125 | 1 | 4.1250 | |
| LGBM | 4 | 3.5667 | 3.858333333 | 2 | 7.7167 | 2.983333333 | 1 | 2.9833 | |
| XGB | 5 | 3.6750 | 4.316666667 | 2 | 8.6333 | 2.391666667 | 1 | 2.3917 | |
| DT | 6 | 3.7722 | 4.45 | 2 | 8.9000 | 2.416666667 | 1 | 2.4167 | |
| Strom & Gas | CAT | 1 | 2.7949 | 1.538461538 | 2 | 3.0769 | 5.307692308 | 1 | 5.3077 |
| RF | 2 | 3.0513 | 2.153846154 | 2 | 4.3077 | 4.846153846 | 1 | 4.8462 | |
| LGBM | 3 | 3.5000 | 3.461538462 | 2 | 6.9231 | 3.576923077 | 1 | 3.5769 | |
| ET | 4 | 3.7692 | 4.384615385 | 2 | 8.7692 | 2.538461538 | 1 | 2.5385 | |
| XGB | 5 | 3.8333 | 4.230769231 | 2 | 8.4615 | 3.038461538 | 1 | 3.0385 | |
| DT | 6 | 4.0513 | 5.230769231 | 2 | 10.4615 | 1.692307692 | 1 | 1.6923 |
Beobachtungen auf der Short-Seite
Allgemeine Beobachtungen:
- RF & CAT erscheinen in allen 4 Sektoren unter den ersten 3 der Rangfolge
- RF:
- Agrar & Lebendvieh (Rang 1)
- Metalle (Rang 2)
- Öl (Rang 2)
- Strom & Gas (2)
- CAT
- Agrar & Lebendvieh (Rang 3)
- Metalle (Rang 3)
- Öl (Rang 3)
- Strom & Gas (3)
- RF:
- ET erscheint in 3 Sektoren unter den ersten 3. Wir haben jedoch festgestellt, dass ET bei der Prognose positiver Signale eher konservativ ist. Das deckt sich mit unserem Fokus auf die Minimierung falsch positiver Ergebnisse, bedeutet aber auch, dass ET nur wenige bzw. unzureichende positive Signale liefert.
- Agrar & Lebendvieh (Rang 3)
- Metalle (Rang 1)
- Öl (Rang (1)
- LGBM belegt in 3 Sektoren durchweg Rang 4 (knapp außerhalb der ersten 3) und erreichte nur bei Strom & Gas Rang 3.
- XGB und DT prognostizieren tendenziell aggressiver und minimieren FN besser. Wegen der höheren Gewichtung der Minimierung von FP schneiden sie im gewichteten Gesamtrang jedoch schlechter ab.
- Detaillierte Ergebnisse im nächsten Abschnitt
| Sektor | Modell | Endrang | Gewichteter Durchschnittsrang |
|---|---|---|---|
| Agrar & Lebendvieh | RF | 1 | 2.9937 |
| CAT | 2 | 3.1698 | |
| ET | 3 | 3.3805 | |
| LGBM | 4 | 3.5881 | |
| XGB | 5 | 3.7170 | |
| DT | 6 | 4.1509 | |
| Metalle | ET | 1 | 2.6667 |
| RF | 2 | 2.9855 | |
| CAT | 3 | 3.3478 | |
| LGBM | 4 | 3.6812 | |
| XGB | 5 | 4.0000 | |
| DT | 6 | 4.3188 | |
| Öl | ET | 1 | 2.6667 |
| RF | 2 | 2.9889 | |
| CAT | 3 | 3.3611 | |
| LGBM | 4 | 3.6861 | |
| XGB | 5 | 4.0750 | |
| DT | 6 | 4.1667 | |
| Strom & Gas | RF | 1 | 2.6410 |
| CAT | 2 | 3.2821 | |
| LGBM | 3 | 3.4615 | |
| XGB | 4 | 3.5641 | |
| ET | 5 | 3.9487 | |
| DT | 6 | 4.1026 |
Short-Allokationen (detaillierte Rangergebnisse)
| Sektor | Modell | Endrang | Gewichteter Durchschnittsrang | Rang falsch positiv | Gewicht Rang falsch positiv | Gewichteter Rang falsch positiv | Rang falsch negativ | Gewicht Rang falsch negativ | Gewichteter Rang falsch negativ |
|---|---|---|---|---|---|---|---|---|---|
| Agrar & Lebendvieh | RF | 1 | 2.9937 | 1.9434 | 2 | 3.8868 | 5.0943 | 1 | 5.0943 |
| CAT | 2 | 3.1698 | 2.4623 | 2 | 4.9245 | 4.5849 | 1 | 4.5849 | |
| ET | 3 | 3.3805 | 3.0472 | 2 | 6.0943 | 4.0472 | 1 | 4.0472 | |
| LGBM | 4 | 3.5881 | 3.9057 | 2 | 7.8113 | 2.9528 | 1 | 2.9528 | |
| XGB | 5 | 3.7170 | 4.1321 | 2 | 8.2642 | 2.8868 | 1 | 2.8868 | |
| DT | 6 | 4.1509 | 5.5094 | 2 | 11.0189 | 1.4340 | 1 | 1.4340 | |
| Metalle | ET | 1 | 2.6667 | 1.0000 | 2 | 2.0000 | 6.0000 | 1 | 6.0000 |
| RF | 2 | 2.9855 | 2.0000 | 2 | 4.0000 | 4.9565 | 1 | 4.9565 | |
| CAT | 3 | 3.3478 | 3.1304 | 2 | 6.2609 | 3.7826 | 1 | 3.7826 | |
| LGBM | 4 | 3.6812 | 3.9130 | 2 | 7.8261 | 3.2174 | 1 | 3.2174 | |
| XGB | 5 | 4.0000 | 5.0000 | 2 | 10.0000 | 2.0000 | 1 | 2.0000 | |
| DT | 6 | 4.3188 | 5.9565 | 2 | 11.9130 | 1.0435 | 1 | 1.0435 | |
| Öl | ET | 1 | 2.6667 | 1.0000 | 2 | 2.0000 | 6.0000 | 1 | 6.0000 |
| RF | 2 | 2.9889 | 2.0000 | 2 | 4.0000 | 4.9667 | 1 | 4.9667 | |
| CAT | 3 | 3.3611 | 3.1000 | 2 | 6.2000 | 3.8833 | 1 | 3.8833 | |
| LGBM | 4 | 3.6861 | 4.1833 | 2 | 8.3667 | 2.6917 | 1 | 2.6917 | |
| XGB | 5 | 4.0750 | 5.0833 | 2 | 10.1667 | 2.0583 | 1 | 2.0583 | |
| DT | 6 | 4.1667 | 5.5500 | 2 | 11.1000 | 1.4000 | 1 | 1.4000 | |
| Strom & Gas | RF | 1 | 2.6410 | 1.3077 | 2 | 2.61538 | 5.30769 | 1 | 5.3077 |
| CAT | 2 | 3.2821 | 2.3077 | 2 | 4.61538 | 5.23077 | 1 | 5.2308 | |
| LGBM | 3 | 3.4615 | 3.5385 | 2 | 7.07692 | 3.30769 | 1 | 3.3077 | |
| XGB | 4 | 3.5641 | 3.7692 | 2 | 7.53846 | 3.15385 | 1 | 3.1538 | |
| ET | 5 | 3.9487 | 4.8462 | 2 | 9.69231 | 2.15385 | 1 | 2.1538 | |
| DT | 6 | 4.1026 | 5.2308 | 2 | 10.4615 | 1.84615 | 1 | 1.8462 |
Schlussfolgerungen
- Unsere Rangfolge stützt sich auf zwei primäre Kennzahlen mit gewichtetem Rang
- Minimierung falsch positiver Ergebnisse (2 Rangeinheiten)
- Minimierung falsch negativer Ergebnisse (1 Rangeinheit)
- Nach dem Rangverfahren gibt es im Allgemeinen keinen Modellalgorithmus, der die anderen durchweg übertrifft.
- CAT, RF und LGBM schneiden jedoch tendenziell besser ab als die übrigen
- XGBoost und DT prognostizieren tendenziell aggressiver. Das minimiert tendenziell FN, erhöht aber eher FP.
- ET erwies sich als von Natur aus zu „konservativ“. ET mag andere Modelle bei der Minimierung von FP übertreffen, erzeugt aber nicht genügend positive Signale.