投資組合組成：

• 共 149 項資產，可彙總為 4 個類股
• 類股細分：
  • 農產品與畜產品：53
  • 金屬：23
  • 石油：60
  • 電力與天然氣：13
• 每項資產有兩個資料集（1 個用於買進，1 個用於賣出）
• 訊號類別：不平衡（< 0.30）對比平衡（>= 0.30）
  • 在所有類股中，大多數資料集均不平衡。
    
  • 即使在買進與賣出訊號資料集之間，訊號不平衡的分布也一致
    

整體觀察：

• CAT 在全部 4 個類股中均名列前 3 名
  • 農產品與畜產品（第 2 名）
  • 金屬（第 1 名）
  • 石油（第 3 名）
  • 電力與天然氣（第 1 名）
• RF 與 LGBM 在 3 個類股中名列前 3 名
  • RF：
    • 農產品與畜產品（第 1 名）
    • 石油（第 2 名）
    • 電力與天然氣（第 2 名）
  • LGBM
    • 農產品與畜產品（第 3 名）
    • 金屬（第 3 名）
    • 電力與天然氣（第 3 名）
• XGB 與 DT 的預測傾向較為積極，在最小化 FN 方面表現較佳。然而，由於最小化 FP 的權重較高，其整體加權排名較差。
  • 詳細結果請見下一張投影片

整體觀察：

• RF 與 CAT 在全部 4 個類股中均名列前 3 名
  • RF：
    • 農產品與畜產品（第 1 名）
    • 金屬（第 2 名）
    • 石油（第 2 名）
    • 電力與天然氣（第 2 名）
  • CAT
    • 農產品與畜產品（第 3 名）
    • 金屬（第 3 名）
    • 石油（第 3 名）
    • 電力與天然氣（第 3 名）
• ET 在 3 個類股中名列前 3 名。然而，我們注意到 ET 在預測任何正向訊號時傾向相對保守。這符合我們著重最小化偽陽性的方向，但也意味著其正向訊號稀少／不足。
  • 農產品與畜產品（第 3 名）
  • 金屬（第 1 名）
  • 石油（第 1 名）
• LGBM 在 3 個類股中始終排名第 4（僅次於前 3 名），僅在電力與天然氣類股排名第 3。
• XGB 與 DT 的預測傾向較為積極，在最小化 FN 方面表現較佳。然而，由於最小化 FP 的權重較高，其整體加權排名較差。
  • 詳細結果請見下一張投影片

• 我們的排名以兩項主要指標為基礎，並採用加權排名
  • 最小化偽陽性（2 個排名單位）
  • 最小化偽陰性（1 個排名單位）
• 依據此排名程序，整體而言，沒有任何一種模型演算法能始終優於其他演算法。
• 然而，CAT、RF 與 LGBM 的表現往往優於其他模型
• XGBoost 與 DT 在預測上傾向較為積極。這往往能使 FN 降至最低，但也較可能增加 FP。
• 我們觀察到 ET 本質上過於「保守」。雖然它在最小化 FP 方面可能優於其他模型，但無法產生足夠的正向訊號。