ポートフォリオの構成：

• 合計 149 の資産で、4 つのセクターに集約できます
• セクター別の内訳：
  • 農産物・畜産物：53
  • 金属：23
  • 石油：60
  • 電力・ガス：13
• 各資産は 2 つのデータセットを持ちます（買い用に 1 つ、売り用に 1 つ）
• シグナルのクラス：不均衡（< 0.30）と均衡（>= 0.30）
  • すべてのセクターで、データセットの大半は不均衡です。
    
  • 買いと売りのシグナルのデータセットの間でも、シグナルの不均衡の分布は一貫しています
    

全般的な観察結果：

• CAT は 4 つのセクターすべてで上位 3 位以内に入っています
  • 農産物・畜産物（2 位）
  • 金属（1 位）
  • 石油（3 位）
  • 電力・ガス（1 位）
• RF と LGBM は 3 つのセクターで上位 3 位以内に入っています
  • RF：
    • 農産物・畜産物（1 位）
    • 石油（2 位）
    • 電力・ガス（2 位）
  • LGBM
    • 農産物・畜産物（3 位）
    • 金属（3 位）
    • 電力・ガス（3 位）
• XGB と DT は予測がより積極的な傾向があり、FN の最小化では優れています。しかし、FP の最小化のウェイトがより高いため、全体の加重順位は低くなります。
  • 詳細な結果は次のスライドを参照

全般的な観察結果：

• RF と CAT は 4 つのセクターすべてで上位 3 位以内に入っています
  • RF：
    • 農産物・畜産物（1 位）
    • 金属（2 位）
    • 石油（2 位）
    • 電力・ガス（2 位）
  • CAT
    • 農産物・畜産物（3 位）
    • 金属（3 位）
    • 石油（3 位）
    • 電力・ガス（3 位）
• ET は 3 つのセクターで上位 3 位以内に入っています。ただし、ET は正のシグナルの予測において比較的保守的な傾向があることがわかりました。これは偽陽性の最小化を重視する方針と合致しますが、正のシグナルがまばら／不十分であることも意味します。
  • 農産物・畜産物（3 位）
  • 金属（1 位）
  • 石油（1 位）
• LGBM は 3 つのセクターで一貫して 4 位（上位 3 位のすぐ外）であり、3 位となったのは電力・ガスのみでした。
• XGB と DT は予測がより積極的な傾向があり、FN の最小化では優れています。しかし、FP の最小化のウェイトがより高いため、全体の加重順位は低くなります。
  • 詳細な結果は次のスライドを参照

• 2 つの主要な指標に基づく加重順位付けに焦点を当てました
  • 偽陽性の最小化（2 順位単位）
  • 偽陰性の最小化（1 順位単位）
• 順位付けの手順に基づくと、全般的に、他を一貫して上回るモデル・アルゴリズムはありません。
• ただし、CAT、RF、LGBM は他よりも良好なパフォーマンスを示す傾向があります
• XGBoost と DT は予測がより積極的な傾向があります。これにより FN は最小化されやすくなりますが、FP は増えやすくなります。
• ET は性質上「保守的」すぎることが観察されました。FP の最小化では他のモデルを上回る場合がありますが、十分な正のシグナルを生成しません。