Получение альфа-версии является главным приоритетом каждого трейдера, инвестора и финансового учреждения. Тем не менее, есть ли способ гарантировать получение альфы в каждой сделке? Хотя нет ничего определенного, альтернативные данные или данные, которые обычно не связаны с рынками и предполагаемым тикером, могут привести к некоторым интересным результатам.
Отказ от ответственности. Ничто в этой статье не является финансовым или инвестиционным советом и предназначено исключительно для изучения мира альтернативных данных и платформы Hazlo.
Что такое альтернативные данные?
Наборы альтернативных данных — это информация о конкретной компании, опубликованная источниками за пределами компании, которая может предоставить уникальную и своевременную информацию об инвестиционных возможностях — Википедия.
Хотя нет строгой границы, разграничивающей альтернативные данные, они могут относиться к информации, которая имплицитно коррелирует с чем-то другим. В этом случае мы будем использовать данные о потреблении электроэнергии в юго-восточном штате Австралии — Виктория — и использовать их для понимания цен на акции крупнейшего поставщика электроэнергии в штате, AGL (AGL: ASX).
Набор данных
Набор данных для этого руководства доступен на странице разработчиков GitHub здесь. Чтобы загрузить: перейдите к файлу .csv, нажмите Raw в правом верхнем углу и нажмите ctrl+save/cmd+save.
Он включает ежедневную информацию о потреблении в штате в целом, от спроса до рекомендованной розничной цены, а также некоторые другие показатели штата, такие как температура, которые могут повлиять на использование. Наконец, он включает цену открытия для AGL на следующий день.
Начнем — загружаем наш набор данных
Мы можем перейти на страницу нашего набора данных и просто загрузить его, нажав кнопку загрузки на центральной вкладке: добавить некоторый контекст, теги и вуаля, наш набор данных очищен и готов к серьезному построению модели.
Изучая набор данных, мы можем увидеть, как ваш кластер определил типы признаков в данных и вменил их :)
Здорово, мы загрузили набор данных — и мы можем добавить к нему больше в разделе «Доступ к API». Мы все настроены на создание моделей.
Создание проекта
На странице проекта мы теперь можем запустить собственный кластер машинного обучения одним нажатием кнопки. Мы выберем Open в качестве целевого столбца и все — на этот раз нам не нужно возиться с невыбранными столбцами :)
Обучение проекта заняло около минуты, и результаты выглядят довольно хорошо.
Мы также можем посмотреть, как различные функции влияют на конечный результат нашего модельного кластера.
Наш модельный кластер имеет 4 различных алгоритма, работающих в унисон, чтобы получить прогнозируемую цену акций.
Прогнозирование
Вот и все, мы создали наш набор данных, обучили наши модели, и теперь мы готовы прогнозировать цены на акции. Вы можете использовать интерактивные или необработанные формы, доступные на вкладке прогноза проекта — аналогичным образом вы также можете интегрировать свои любимые API-интерфейсы непосредственно в систему.
Интерактивные формы хороши только для тестирования системы; однако, если вы хотите вводить более точные значения и с большей скоростью, лучше использовать API.
Вы можете просмотреть мой проект ниже и надеюсь, что этот урок помог вам немного глубже погрузиться в Hazlo :)
