Peut-on créer un modèle d’apprentissage supervisé pour une stratégie CTA à l’aide des approches ci-dessous ?

• Découpage chronologique des données
  • Pour éviter les fuites de données et simuler un backtest rigoureux
• Suréchantillonnage aléatoire (non synthétique)
  • Pour traiter le déséquilibre des classes
• Modélisation avec transformation des variables par des algorithmes d’ensembles d’arbres

Principaux paramètres d’entrée :

• Dates
  • Début de la validation
  • Début de la période réservée (holdout)
  • Fin de la période réservée (holdout)
• Métrique d’optimisation (exactitude [Accuracy], précision [Precision], rappel [Recall], F1, log-perte négative [Neg Log Loss])
• Fréquence d’entraînement (année, trimestre, mois, jour)

Résultats :

• Signaux prédits, longs ou courts
• Métriques agrégées pour la validation et la période réservée
• Matrices de confusion pour la validation et la période réservée
• Hyperparamètres finaux du modèle

• Découpage chronologique des données en échantillons d’entraînement, de validation et réservé (holdout)
• Suppose un backtest avec un intervalle fixe de réentraînement du modèle
  • Annuel
  • Trimestriel
  • Mensuel
  • Quotidien
• Période de validation :
  • Les prédictions de cette période sont évaluées et servent au réglage des hyperparamètres
• Période réservée (holdout) :
  • Les prédictions de cette période sont enregistrées mais ne servent à aucun réglage

• La modélisation des signaux est un problème de classification binaire
• Les signaux des actifs CTA tendent à être très déséquilibrés (ratio d’environ 1:4)
  • Appliquer directement un modèle de ML conduirait à prédire la classe majoritaire la plupart du temps
• Démarche
  • La classe minoritaire fait l’objet d’un suréchantillonnage aléatoire non synthétique jusqu’à un ratio de 1:1
  • Le suréchantillonnage est mis en œuvre avec une graine aléatoire reproductible

Architecture du modèle

• Entrées -> modèle d’ensembles d’arbres de transformation des variables (FT, Feature Transformation) -> encodage one-hot -> modèle prédictif final

Modèle d’ensembles d’arbres FT :

• Utilise un algorithme d’ensembles d’arbres en apprentissage supervisé pour la transformation des variables
• Démarche :
  • Il est d’abord entraîné sur les données d’entraînement (et n’est jamais exposé aux données de test)
  • Il sert ensuite d’étape de transformation des variables, dans laquelle :
    • les données prétraitées sont fournies au modèle ;
    • les feuilles de chaque arbre servent de variables d’entrée au modèle suivant.
• Il aide à capter les relations non linéaires dans les données tout en jouant un rôle de régularisation

Modèle prédictif final :

• Algorithme de pointe d’arbres à gradient boosting
• Il reçoit les données transformées et encodées en one-hot de la couche précédente et effectue une prédiction de classification binaire

Précision = (vrais positifs)/(positifs prédits) pour l’ensemble des prédictions des périodes de validation et réservée, pour chaque sens de signal (long/short)

Graphique 1 : histogramme de la précision :

• 30 actifs x 2 sens de signal = 60
• Moyenne = 0.299
• Le mode se situe entre 0.30 et 0.35

Graphique 2 : diagramme en barres de la précision par actif

• Chaque actif a deux valeurs de précision (une par sens de signal)
• La plupart des actifs affichent des précisions similaires pour les deux sens de signal