株式のシステムトレード初心者の最初の一歩(評価方法を中心に)

マケデコで2022/9/28(水) に開催した「初心者向け株式分析セミナー: データ分析/モデル作成から評価まで全部！」で利用した資料の一部です

Transcript

1. 株式のシステムトレー
   ド初心者の最初の一歩
   (評価方法を中心に)
   Tomoya Kitayama
   STRICTLY CONFIDENTIAL
   

   View Slide

2. 投資戦略設計の基本コンセプト
   株式投資の戦略を立案する場合、投資する株式の銘柄選択を助けるた
   めのスコアをまず設計すること 多い
   スコアが高い銘柄を投資対象に
   組み入れる
   スコア 未来の収益率に対して相関
   あることを期待値として、スコア 高
   い銘柄を投資対象に組み入れる
   ただし、スコア 高 てもリスク 高
   い銘柄を購入しす ると、リターン/
   リスクでみたと に収益 悪化するの
   で、スコアはリスクで調整する(標準
   偏差で割る、など)こと 多い
   スコアが低い銘柄 投資対象か
   ら除外する
   スコアが未来 収益率に対して、相関が
   ある場合 、スコアが低いこと 値下が
   りする可能性が高いことを示す
   ある投資対象 グループに投資する場
   合もそ なかからスコアが低い銘柄を除
   外するような使い方もある。
   設計したスコア
   を利用し投資
   意思決定を行う
   

   View Slide

3. スコアはどうやって作るのか？
   手法 説明
   テクニカル分析 移動平均乖離率などそもそも銘柄全体を通して比較できるテクニカ
   ル分析 そ ままスコアになる。また、試してみるとわかるが、移動
   平均乖離率 結構きちんとこ 後 評価手法を使うとそこそこ効果
   があることなどもわかります。
   ファンダメンタル分析 ROEなどファンダメンタルから銘柄間で比較可能な正規化したスコア
   を生成する手法。ある種 王道 アプローチであり、多数先行研究
   があります。個人的に 投資指標として ROEというレポートとか
   わかりやすくて好きです。
   オルタナティブデータ
   から 生成
   あまり個人投資家 皆様が触る機会も少ないと思います で、今回
   セミナーで オルタナティブデータ推進協議会にも協力いただき、
   詳しく説明いたします。
   機械学習モデル 後半 セッションでど ようにスコアを生成するかを詳しく説明しま
   す。今後 AMAを聞く上で 基礎知識になれ 幸いです！
   銘柄間で比較可能なスコアをつ って評価をする手法はいろんなケースで利用で ます！
   

   View Slide

4. スコアはどうやって評価するのか？ 1
   投資戦略の評価を行う際は、 ならずその投資戦略の用途(デイトレード、長期
   投資など)に合致した評価手法を採用する必要 あります。
   # エントリー価格 エグジット価格 用途
   A
   次 営業日 始値/
   後場 始値
   次 営業日 終値
   スコア 有効性が当日限りにおいて有効かどうかを検証す
   るために計測。イントラデイトレード 基本スコアであり、
   もっとも機械学習としても再現性が高い。
   B 次 営業日 終値 2営業日後 終値
   スコア 有効性が日をまたいで有効かどうかを計測しま
   す。スイングトレードやスコア 基本性能を計測するために
   利用します。Kaggleで採用したスコア。
   C 次 営業日 終値 1週間以降 終値
   計測された有効性が複数日付をまたいで有効かどうかを計
   測します。ど くらい 期間を対象とするか 戦略によって
   変わります。
   D 2営業日後 終値
   1ヶ月以上先 長い
   期間 終値
   エントリー 価格に2営業日後 終値を使うことで次 日に
   発生するアノマリー的な動きに収益性が依存しないことを
   検証するために利用。 4半期ベースなど 長期的な投資に
   おける有効性を検証する場合に採用。
   

   View Slide

5. スコアはどうやって評価するのか？ 2
   スプレッドリターンは銘柄群に対するスコアの分位を利用した評価方法であり、スコアを生成し
   たと に上位X%、下位X%の銘柄に投資し続けて取得で るリターン(収益率)の差分を評価する
   手法。おそらく最もクオンツの中で利用している検証方法
   Aラン
   キング
   Top
   20%
   Botto
   m
   20%
   パフォーマンスのよいスコアとは、
   - Top 20%の銘柄はオレンジのように勝ち続ける
   - Bottom 20%の銘柄は緑のように負け続ける
   このPLの差分 大
   いと価値 高い
   累積PLの期待値
   

   View Slide

6. スコアはどうやって評価するのか？ 3
   算出されたスコア 将来のリターンに対して有益な情報を含んでいた場合、スコア
   高い銘柄ほど将来の収益率 高いとしたら、順位相関 0より大 (もし はマイナ
   スの効果を期待するなら0より小さ )なる。
   Numeraiでも採用している評価方法(今はTCもあるので、ちょっと状況は異なる)
   Aラ
   ンキ
   ング
   Bラ
   ンキ
   ング
   順位相関であれ
   ば、分布の仮定
   不要となり、
   EDA時にクイッ
   クに検証を実施
   可能
   オルタナティブデータ ら計算
   した各銘柄のスコア
   将来の各銘柄のリターン
   順位
   相関
   線形相関を、XとYの分布
   正規分布である保証はないた
   め使う局面 限定される
   つまり生成したスコア 各銘柄の将来のリターンに対して、順序 似通っている
   ものを設計すれば良い
   

   View Slide

7. ここまでの内容をどのように計算するか
   • ここまでの各種計算方法は様々なライブラリにすでになっています。もちろん自分で
   Pythonで実装するのもOK。
   • 例えば、マイクロソフト 提供しているクオンツライブラリ qlibなど 有名です。
   https://github.com/microsoft/qlib
   ここ 差異を計測
   する
   

   View Slide

8. Thank You!
   STRICTLY CONFIDENTIAL
   

   View Slide