Machine Learning for Algorithmic Trading - Chapter 3

대체 데이터 평가를 위한 기준

목적 : 알파이며 이며 상관관계가 없는 투자 수익을 창출하는 트레이딩 신호에 대한 경쟁력 있는 검색에서

정보 이점을 제공하는 것이다.

대체 데이터 세트에서 추출한 신호는 독립적으로 또는 퀀트 전략의 일부분으로 다른 신호와 결합해 사용할수 있다.

 

자산군 : 기업 신용에 대한 대체 데이터 세트는 기업 지급을 모니터링하는 대안적 원천으로 성장하고 있다.

투자 스타일 : 대부분의 데이터 세튼은 특정 섹터와 주식에 추점을 맞춘다

• 전통적 측정치 대용 : 광범위한 경제 활동 또는 소비자 감성을 반영
• 고빈도 트레이더 : 뉴스를 포착하는 신호가 짧은 시간에 내에 이뤄지는데 관련성이 높다.

리스크 프리미엄 : 신용카드 지급, 소셜 미디어 감성 과 괕은 대체 데이터 세트는

가치, 모멘텀, 변동성의 질과 같은 주식시장에서의 전통적 리스크 프리미엄과 낮은 상관성을 갖는 신호를 생성한다.

이로인해 전통적 리스크 팩터에 기반을 둔 알고리즘 트레이딩과 결합하면 더 분산화된 리스크 프리미엄 포트폴리오 구축 가나ㅡㅇ

 

대체 데이터를 같이 사용하면 신호가 증분인지 직교인지, 즉 데이터 자체가 고요한지 평가하는것이 중요하다.

 

독점력 : 데이터 독점력이 있을수록, 데이터 처리하기가 더 어려울수록 알파 창출 능력을 가진 데이터 세트는 빠른 신호 붕괴를 겪지 않고 전략을 추진할 가능성이 높다.

 

투자기간 : 다양한 시나리오에서 데이터 세트의 예측력을 검증하는데는 가주 광범위한 기간이 매우 바람직하다

 

소셜 감성 데이터 : 트위터 데이터(Preis, Moat, Stanley 2013)

스톡트윗 : 정보 및 거래 아이디어 공유(Nasseri, Tucker, de Cesar 2015)

레이븐팩 : 프리미엄 뉴스 및 보도자료, 웹발행물 (Kolanovic and Krishnamachari, 2017)

 

149p 셀레늄을 통한 식당예약, 평점 데이터 세트 구축

스크래피, 스플래시 사용하여 자동화로 진전