Квантитативне моделювання портфельних стратегій з використанням alpha-сигналів на основі машинного навчання та бектестингу

Abstract

У статті запропоновано кватативну модель побудови ML-based alpha сигналів та їх інтеграції у процедуру портфельного бектестингу в межах се редньострокового інвестиційного горизонту. Дослідження базується на що денних фінансових часових рядах ліквідних інструментів фондового ринку США та передбачає формування структурованого простору ознак, що вклю чає price-based, volatility-based та агреговані внутрішньоденні характерис тики. Навчання моделей організовано у часово узгодженому режимі з викори станням rolling або expanding схем та строгого розділення train/validation/test вибірок, що мінімізує інформаційний витік і забезпечує коректність оціню вання прогнозної здатності. Alpha-сигнали генеруються у дискретні моменти ребалансування як умовні оцінки очікуваної доходності на заданому горизонті та інтегруються у процедуру формування портфеля. Ефективність підходу оцінюється через портфельний бектестинг із використанням стандартних ризик-орієнтова них метрик. Запропонований алгоритмічний pipeline поєднує машинне нав чання та портфельний аналіз у єдину експериментальну систему та забезпе чує методологічну основу для оцінювання інвестиційної доцільності ML-based стратегій.