Lab · B · Cross-sectionele rangschikking
De interne resultaten van het model dat de vraag beantwoordt „welk aandeel zal het beter doen dan de andere”.
Belang van kenmerken
Wat het is: Het aandeel van elk kenmerk in de beslissingen van het model: momentum, omkeer, volatiliteit, volume, sommen van residuele rendementen, momentum ten opzichte van de sector en de voorloopscore op de graaf.
Welke gegevens het voeden: Het engineB-resultaat van de gekozen run; de variantiereductie van het gradient-boosted-tree-model in de laatste walk-forward-fold. De ridge-coëfficiënt is het teken van hetzelfde kenmerk in het lineaire model.
Wat het laat zien: Het relatieve belang van de kenmerken bij de gekozen horizon.
Wat je eruit kunt concluderen: Domineert bij de 21-dagenhorizon één kenmerk (12-maandsmomentum) met een negatieve coëfficiënt, dan wijst dat erop dat het model de mechanische omkeer heeft geleerd die in de opbouw van het residuele rendement zit. Controleer dit met de tabel „residueel / ruw rendement” op het scherm Prestaties.
Informatiecoëfficiënt
Wat het is: Voor elke dag de Spearman-correlatie tussen de door het model voorspelde rang en de rang van het gerealiseerde residuele rendement; de gestippelde lijn is het gemiddelde.
Welke gegevens het voeden: Het engineB-resultaat van de gekozen run; alleen de voorspellingen in de walk-forward-testvensters.
Wat het laat zien: Balken van de dagelijkse informatiecoëfficiënt, het gemiddelde, de t-statistiek en het aantal dagen.
Wat je eruit kunt concluderen: Een klein positief gemiddelde (0,02–0,05) is realistisch. Een zeer grote waarde (zoals 0,2) betekent dat eerst naar lekkage of een artefact moet worden gezocht; in deze applicatie is de bron van zo'n waarde de definitie van het residuele rendement.
De hier gegeven beleggingsinformatie, commentaren en aanbevelingen vallen niet onder beleggingsadvies. Beleggingsadvies wordt verleend op grond van een beleggingsadviesovereenkomst tussen een cliënt en beleggingsondernemingen, vermogensbeheerders of banken die geen deposito's aannemen. De signalen hier worden met statistische modellen uit historische gegevens gemaakt, voor iedereen gelijk getoond en zijn niet persoonlijk; ze passen mogelijk niet bij uw financiële situatie of uw risico- en rendementsvoorkeuren. Beleggingsbeslissingen nemen uitsluitend op basis van de hier gegeven informatie leidt daarom mogelijk niet tot resultaten die aan uw verwachtingen voldoen.