Разработка AI-модели прогнозирования цен активов

Разработка AI-модели прогнозирования цен активов

Прогнозирование цен финансовых активов — задача с высокой шумностью и конкурентной средой. EMH (Efficient Market Hypothesis) в слабой форме говорит: прошлые цены уже учтены рынком. Но на практике micro-inefficiencies существуют, особенно на коротких горизонтах, в менее ликвидных активах и при аномалиях.

Постановка задачи

Не "предсказать цену", а "найти edge": Практическая цель — не точная цена через N дней, а сигнал с положительным ожидаемым значением после транзакционных издержек. Даже модель с MAPE 3% на акциях S&P500 бесполезна, если Sharpe ratio стратегии < 0.

Горизонты и их специфика:

• Intraday (минуты-часы): microstructure signals, order flow imbalance
• Short-term (1-5 дней): momentum, mean reversion
• Medium-term (1-4 недели): earnings, macro catalysts
• Long-term (месяцы): fundamental valuation, factor exposure

Features по категориям

Price-based (технический анализ):

• Returns: log returns за 1, 5, 10, 21 торговый день
• Momentum: 12-1 month momentum (Jegadeesh-Titman factor)
• RSI, MACD, Bollinger Band width — осцилляторы как функции от цены
• Volatility: realized volatility за 5/21/63 дней

Volume-based:

• Volume relative to 20-day average
• Price × Volume (доллар-объём)
• On-Balance Volume (OBV)
• VWAP deviation

Fundamental (для акций):

• P/E, P/B, EV/EBITDA
• EPS growth YoY
• Revenue growth
• Debt/Equity

Alternative data:

• Sentiment из Twitter/Reddit (NLP score)
• Google Trends для consumer stocks
• Satellite imagery (retail parking lots, commodity stores)
• Job postings growth (Glassdoor, LinkedIn)

Архитектура модели

Gradient Boosting (быстрый, интерпретируемый):

import lightgbm as lgb

# Cross-sectional ranking model
model = lgb.LGBMRanker(
    objective='lambdarank',
    n_estimators=500,
    learning_rate=0.05,
    max_depth=6
)

Ranking model: для каждого периода предсказываем порядок акций по доходности. Топ-децили покупаем, нижние — шортим (long-short equity strategy).

LSTM для последовательностей:

# Для одного инструмента с временным контекстом
model = Sequential([
    LSTM(64, return_sequences=True, input_shape=(60, n_features)),
    Dropout(0.2),
    LSTM(32),
    Dropout(0.2),
    Dense(1)
])

60 дней исторических данных → предсказание доходности на 5 дней вперёд.

Temporal Fusion Transformer: лучший выбор при наличии known future covariates (дата earnings, macro events calendar) и 100+ инструментов одновременно.

Правильная валидация

Purged Walk-Forward Cross-Validation:

• Training: t=0 до t=T
• Purge gap: T до T+embargo (устраняем look-ahead из overlapping labels)
• Test: T+embargo до T+embargo+H
• Embargo period: обычно равен горизонту прогноза

Метрики:

• IC (Information Coefficient): корреляция предсказанных и реальных рангов доходности
  • IC > 0.05 — слабый, IC > 0.10 — хороший
• ICIR (IC Information Ratio): IC / std(IC) — стабильность
• Sharpe ratio стратегии из сигнала — главная практическая метрика

Из модели в торговую стратегию

Модель → сигнал → позиция → PnL — цепочка с несколькими этапами потерь:

1. Signal generation: score ранжирования по universe акций
2. Portfolio construction: mean-variance optimization (Markowitz) или equal-weight децили
3. Risk управление: ограничения на sector/factor exposure, max position size
4. Transaction cost model: bid-ask spread, market impact (Almgren-Chriss)
5. Backtesting: с реальными TC и slippage — ключевое!

Реализация через Zipline / Backtrader / QuantConnect или кастомный backtester.

Распространённые ошибки:

• Survivorship bias: обучение только на ныне существующих акциях
• Look-ahead bias в фундаментальных данных (Compustat point-in-time данные)
• Игнорирование transaction costs — модель работает в backtest, не в продакшне

Сроки: базовая cross-sectional модель ранжирования с backtest — 6-8 недель. Полноценная система с alternative data, portfolio construction и transaction cost model — 3-5 месяцев.