Su período de espera favorito no tiene que ser para siempre …
El Oráculo de Omaha dijo una vez:
“El precio es lo que paga, el valor es lo que obtiene”.
Warren Buffet
Pero, ¿cómo puede estar seguro de que está pagando un precio justo por una inversión? ¿Cómo puede sacar el máximo provecho de una situación justa o injusta?
Este artículo le mostrará cómo puede aumentar fácilmente su certeza con Aprendizaje automático transparente e interpretable. Para hacer esto, utilizaremos la plataforma automatizada Data Science de Mind Foundry AuDaS que aumenta los analistas y los transforma en Data Science Heroes.
Recopilación de datos
Los inversores de valor a menudo utilizan estimaciones del rendimiento de una empresa para tomar sus decisiones. Estos datos a menudo requieren una suscripción, pero empecé una prueba de día gratis con YCharts que obtiene sus estimaciones de S&P Global .
En el caso de estudio, nos centraremos en Infosys líder mundial en servicios de tecnología y consultoría.
Para mayor claridad, solo consideraremos los datos diarios de abril de 2017 a diciembre de 2018 de 8 fuentes que son:
- 12 meses adelante Relación de precio a ganancias estimaciones que dan una indicación de cuánto están dispuestos a pagar los inversionistas por dólar de ganancias.
- Relación de precio a futuro de 12 meses estimaciones que dan una indicación del valor que reciben los inversores
- 12 Meses de Ganancia de Precio a Ganado que determina la relación relativa entre el precio de una acción, las ganancias generadas por acción y el crecimiento esperado de la compañía. un PEG superior a 1 generalmente sugiere que una compañía está sobrevaluada.
- Relación precio / libro que compara el precio de mercado de las acciones con su valor en libros.
- Margen EBIDTA final de 12 meses que evalúa la rentabilidad de un La rentabilidad operativa de la empresa como porcentaje de sus ingresos totales.
- Retorno de 12 meses del rendimiento sobre activos que representa el porcentaje de ganancia que una empresa obtiene en relación con sus recursos generales.
- Precio y volumen de cierre
luego derivó los siguientes valores:
- Promedio móvil de 7/35/100 días
- Su tasa de cambios
Calificando los datos
El siguiente paso es atribuir para cada instantánea diaria de valores de medición, una puntuación que representará nuestra opinión sobre si la empresa es una buena compra o no. Para mayor claridad, utilizamos reglas simples para calificar cada fila de datos:
- Si el Precio de Cierre> 100MA: sumaremos 1 a la puntuación y si no, restaremos 1
- Si la tasa de cambio de 35 días MA> 0 agregaremos 1 a la puntuación y si no, restaremos 1
- Si la tasa de cambio de la MA de 100 días> 0 agregaremos 1 a la puntuación y si no, ‘ ll restar 1
Estas reglas se pueden reemplazar con cualquier tesis de inversión que siga.
Modelado de los datos con aprendizaje automático
Ahora que los datos de entrada están completos y calificados, necesitamos construir un modelo que pueda proporcionar información útil. a los analistas de inversiones. Teniendo en cuenta que los inversores tienden a reaccionar menos a los movimientos diarios del mercado, optamos por pronosticar el puntaje de Infosy dentro de 30 días. Esto pareció un período razonable pero se puede cambiar a tu gusto. En la práctica, esto significó crear un retraso de 30 días en la hoja de cálculo de excel entre las entradas en T y la puntuación (T + 30).
Luego cargamos los datos en AuDaS:
AuDaS proporciona automáticamente un marco seguro y razonable para entrenar una solución robusta de Aprendizaje automático. Esto garantiza que los resultados se pueden generalizar a nuevos datos.
A continuación, debe hacer clic en Ir y AuDaS comenzará a buscar un canal de Data Science óptimo para usted. También revela el algoritmo y los parámetros que ha elegido.
AuDaS realiza la búsqueda de una manera eficiente, utilizando el optimizador bayesiano de Mind Foundry, OPTaaS que está disponible como una oferta separada y se utiliza en los principales fondos de cobertura cuantitativos a nivel mundial.
Durante la optimización, se proporciona la relevancia de la característica del modelo. La relevancia relativa de la característica mide qué información el algoritmo encontró más útil y variará para cada algoritmo.
Las características principales en este ejemplo son las siguientes:
- Tasa de cambio del MA de 35 días
- MA de 7 días [19659024] Relación de PEG
Después de algunas iteraciones más, AuDaS pudo encontrar un modelo con una precisión de clasificación del 92%. ¡Esto significa que AuDaS pudo aprender una relación en los datos que puede predecir el puntaje de Infosys con 30% de adelanto, con un 92%! Esta precisión se puede aumentar infundiendo la conciencia del contexto de los analistas, lo que podría afectar la puntuación. ¡Es por eso que Machine Learning debe aumentar los analistas, no automatizarlos!
Un video completo con comentarios se puede ver a continuación:
https://medium.com/media/4b8cf52d30e5e574e0c6a302311f0f0/href
Por favor, no lo haga. no dude en comunicarse con si es un analista o desea ver una demostración en vivo de AuDaS
Si todavía tiene curiosidad, también puede leer otro artículo de Investment a continuación:
Aumento de analistas de inversión con Data Science
Descargo de responsabilidad : Esta comunicación es solo para fines informativos. No lo hace y no pretende constituir un consejo de inversión o una oferta o solicitud para la compra o venta de cualquier instrumento financiero o como una confirmación oficial de cualquier transacción. Todos los precios de mercado, los datos y otra información no están garantizados en cuanto a su integridad o exactitud y están sujetos a cambios sin previo aviso.
Equipo y recursos
Mind Foundry es un spin-out de la Universidad de Oxford fundado por el profesor Stephen Roberts y Michael Osborne, que tiene 35 años por persona en análisis de datos. El equipo de Mind Foundry está compuesto por más de 30 investigadores de Aprendizaje automático de clase mundial e ingenieros de software de élite, muchos de ellos ex postdoctorados de la Universidad de Oxford. Además, Mind Foundry tiene un acceso privilegiado a más de 30 doctores en doctorado de Oxford University Machine Learning a través de su estado de spin-out. Mind Foundry es una compañía de cartera de la Universidad de Oxford y sus inversores incluyen Oxford Sciences Innovation el Oxford Technology and Innovations Fund, the University of Oxford Innovation Fund y Parkwalk Advisors .
Value Investing with Machine Learning se publicó originalmente en Towards Data Science en Medium, donde las personas continúan la conversación resaltando y respondiendo a esta historia. .