模型分析

“交易和排名(Trades and Rankings)”页面上的橙色条和蓝线代表什么?

全球历史记录(Global History)下的橙色条显示了股票池里所有股票的位置。 蓝线是给定股票当时的位置。 公司历史记录(Company History)下的图表显示了股票相对于其自身历史记录的位置。 在这两种情况下,数字都是使用z分数计算的。

global-history

为什么“排名(rankings)”选项卡上的某些功能为绿色,而其他功能为红色?

总体而言,这些功能推动了机器在每只股票上的排名。 绿色表示机器将给定功能视为肯定。 红色表示该功能是负面的。 根据机器,颜色越深,在给定时间的系数越高,则正或负的因素就越大。

green-red

 

为什么我买的最多的股票不是排名最高的股票?

机器通过两步分析过程。 首先,机器从头到尾对您的股票池的所有股票进行排名。 其次,根据您的目标和投资组合设置,构建投资组合。 例如,如果您选择了优化程序,则机器将更改投资组合中的持股和权重,以降低风险。

为什么在“图形指标(Graphed Metric)”下的“因子(Factor)”下拉菜单中删除了一些因子?

划掉的因素就是图表上未显示的那些因素。 您可以通过单击添加和删除其中列出的任何一个。

x-factors

什么是“图形指标"(Graphed Metric)下拉菜单上的“机器1-机器10 (Machine 1-10)”?

机器1-机器10是由机器挑选的您的投资组合受影响因素。例如,在2020年3月,机器1可能是COVID-19。机器正在航空股票,邮轮股票,饭店股票等之间寻找一种规律。实际上,机器正在跟踪许多其他因素。目前,第二次世界大战可能是第125因子,但如果战争爆发,它将迅速升至前十名。这些机器学习的因素可以帮助您识别和潜在地控制您的投资组合可能未受到跟踪的因素。


基本上,机器1-10是当时机器定义的十大风险因素。实际上,它们离“此时此刻影响市场的前十大篮子”有点接近。在影响市场表现方面,每个因素的重要性都次于前一个,并且不能保证它们在未来仍然很重要。如果当您减少对这些因子的投资时,回报率和波动率下降表明它们在未来会继续影响投资组合表现。因此,思考的方式可能是机器1可能是在COVID-19峰值时从主篮进行的工作,但在正常情况下,机器1可能处于“开启/关闭风险”状态,而机器2可能是动量或类似动量。这就是为什么如果一路来到机器10号,就会对许多这些篮子产生负面影响-因此,您的回报率会下降是有道理的。如果您只选择了1、2、3,则可能会减少很多风险(例如,选择所有10个机器因素会将您从14%转移到6.5%,而排名前三的风险则将您从14%转移到9.5%),而对回报率的影响却不是很明显。

machine 1-10

为什么我的重复模型(duplicate model)没有得到相同的结果?

我们的机器学习算法是不确定性的(non-deterministic),因此如果您重新运行它们,则可能会有一些变化。

总体而言,该机器正在尝试找到一种“最佳”解决方案,以解决“使用此数据赚钱的正确方法是什么”的问题。 问题是,它可能会卡在局部最小值中。 这些算法大多数工作的方式是向它们引入一定程度的随机性,以尝试确保其脱离这些局部最小值-但这不是保证。 结果,您最终会得到不同的结果。 总体而言,从分位数的角度来看,结果可能非常相似。 但是,如果您采用的是更集中的方法(即仅选择排名非常靠前的股票),那么结果可能会大不相同。


pasted image 0 (2)

机器沿着曲线移动,试图找到全局最小值,但是您会看到它可能卡在局部最小值上,因为要达到真正的全局最小值,就需要在局部最小值和全局最大值之间爬过那个山。 因此,如果它尝试跳得太小并最终到达全局最大值和局部最小值之间,它将认为“此结果更糟,我最好向左移动而不是向右移动”,并且永远不会达到全局最小值。