ساخت و ارزیابی داده مالی مصنوعی
خلاصه
این فصل روشهای تولید داده مالی مصنوعی و راههای سنجش سودمندی خروجی را مرور میکند. از محدود بودن مسیرهای واقعی بازار و این خطر آغاز میکند که جستوجوهای مکرر استراتژی، عملکرد ظاهری بکتست را بزرگنمایی کنند. روشهای پایه شبیهسازیِ تفسیرپذیر، از جمله بوتاسترپ و مدلهای تصادفی، را با مولدهای یادگرفتهشده مانند GANها، مدلهای انتشار و مدلهای زبانی برای جدولهای ساختیافته مقایسه میکند. نمونهها سری بازده، ریسک دنبالهای، ساختار زمانی، مشاهدات نامنظم و دادههای مالی با انواع متغیرهای ترکیبی را دربرمیگیرند.
ارزیابی بر پایه وفاداری، سودمندی در مراحل بعد و حریم خصوصی سازماندهی شده است؛ این اهداف ممکن است با یکدیگر تعارض داشته باشند. سنجههای تشخیصی شامل واقعیتهای سبکی، وابستگی، رفتار شرطی، مقایسههای مبتنی بر وظیفه مانند آموزش با داده مصنوعی و آزمون با داده واقعی، و بررسیهای حریم خصوصیاند. هشدار اصلی فصل این است که نمونههای باورپذیر ممکن است در رویدادهای نادر یا هنگام تغییر وابستگی ناکام بمانند و مدلهای یادگرفتهشده ممکن است اطلاعات را افشا کنند، سوگیری را تقویت کنند، بیشبرازش کنند یا تنوع سناریویی اندکی تولید کنند. مسیرهای مصنوعی میتوانند تحلیل پایداری را گسترش دهند، اما جای شواهد بازار واقعی یا اعتبارسنجی دقیق را نمیگیرند.
ایدههای کلیدی
- جستوجوهای تطبیقی و مکرر استراتژی بر سابقه تاریخی محدود میتوانند عملکرد بکتست را اغراقآمیز نشان دهند.
- روشهای بوتاسترپ و شبیهسازی تصادفی، معیارهای مرجعِ قابلتفسیر برای مولدهای یادگرفتهشده فراهم میکنند.
- انتخاب مولد باید با ساختار داده و وظیفهای که در مراحل بعد انجام میشود تناسب داشته باشد.
- داده مصنوعی را از نظر وفاداری، سودمندی و حریم خصوصی بسنجید، زیرا این اهداف ممکن است با هم بدهبستان داشته باشند.
- نمونههای باورپذیر همچنان ممکن است در بازتولید رویدادهای دنبالهای، تغییر وابستگی یا پویایی شرطی ناکام بمانند.
برچسبها
متن کامل
# ETF Universe (Yahoo Finance) # ETF Universe (Yahoo Finance) 100 diversified ETFs spanning nine thematic categories — the red-thread universe for the Ch6 momentum strategy and the ETF case study that runs through Ch11-20. Daily OHLCV back to 2006. ## Dataset - **Source**: Yahoo Finance, pulled via the `yfinance` Python package. - **Coverage**: 2006-01-01 → present, daily OHLCV. - **Symbols**: 100 ETFs across 9 categories. - **Size on disk**: ~29 MB. - **Runtime**: ~2-3 minutes for a full refresh (yfinance uses public Yahoo Finance endpoints with light rate-limiting). - **API key**: not required. - **License / attribution**: Yahoo Finance data is free for personal and educational use (https://policies.yahoo.com/us/en/yahoo/terms/index.htm). Redistribution of the raw OHLCV is not permitted; derived analytics (returns, features, model outputs) are fine. When publishing results, cite Yahoo Finance as the source. ## Categories | Group | Count | Symbols | | ------------------------ | ----- | ------------------------------------------------------------------------------------------------ | | US Equity — Broad | 10 | SPY, QQQ, IWM, DIA, VTI, MDY, IJR, RSP, IVW, IVE | | US Equity — Style | 10 | VTV, VUG, MTUM, QUAL, VLUE, USMV, DVY, SDY, VIG, SCHD | | US Sectors | 13 | XLB, XLC, XLE, XLF, XLI, XLK, XLP, XLU, XLV, XLY, XLRE, VNQ, IYR | | International Developed | 18 | EFA, VEA, VGK, IEFA, ACWI, ACWX, EWJ, EWG, EWU, EWT, EWH, EWQ, EWL, EWN, EWI, EWP, EWC, EWA | | Emerging Markets | 11 | EEM, VWO, IEMG, FXI, MCHI, EWZ, EWY, EWW, INDA, EZA, THD | | Fixed Income | 15 | AGG, BND, BNDX, TLT, IEF, SHY, GOVT, BIL, LQD, VCSH, HYG, JNK, TIP, EMB, MUB | | Commodities | 9 | GLD, IAU, SLV, PPLT, USO, UNG, DBC, GSG, DBA | | Specialty | 10 | IBB, XBI, SMH, SOXX, KRE, XME, OIH, XRT, ITB, ITA | | Currency | 4 | UUP, FXE, FXY, FXB | Full symbol list + category tagging: `config.yaml`. ## Download ```bash uv run python data/etfs/market/download.py # all 100 ETFs uv run python data/etfs/market/download.py --symbol SPY # single symbol uv run python data/etfs/market/download.py --dry-run # plan only ``` Output layout under `$ML4T_DATA_PATH/etfs/market/`: ``` etf_universe.parquet # consolidated 100-ETF daily OHLCV (loader target) ohlcv_1d/ticker=<TICKER>/... # hive-partitioned per-symbol bars (provider-native) etf_universe_dictionary.parquet # symbol metadata (symbol, group, description) etf_universe_metadata.json # dataset metadata (row counts, date span) ``` ## Loading ```python from data import load_etfs df = load_etfs() # all 100 ETFs df = load_etfs(symbols=["SPY", "QQQ", "IWM"]) df = load_etfs(start_date="2020-01-01", end_date="2024-12-31") ``` Schema (canonical): | Column | Type | Description | | ----------- | -------- | ------------- | | `symbol` | String | ETF ticker | | `timestamp` | Date | Trading date | | `open` | Float | Opening price | | `high` | Float | High price | | `low` | Float | Low price | | `close` | Float | Closing price | | `volume` | Int | Trading volume| ## Consumers - **Ch2**: `01_etf_eda.py`. - **Ch6**: `01_etfs_setup.py` (strategy definition). - **Ch8**: `01_price_volume_features.py`, `03_structural_cross_instrument_features.py`, `05_feature_selection.py`, `06_robustness_sensitivity.py`, `07_event_studies.py`. - **Ch16**: `06_framework_parity.py`, `09_performance_reporting.py`, `11_sharpe_ratio_inference.py`. - **Ch18**: `01_cost_taxonomy.py`, `03_market_impact_calibration.py`, `06_ml4t_execution_demo.py`. - **`case_studies/etfs/`**: full pipeline from `01_feasibility_analysis.py` through `20_strategy_analysis.py` — the flagship reader case study.
با ذکر منبع و مطابق مجوز اثر، بهطور کامل نمایش داده میشود. مجوز: MIT
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخهای از اثر منبع نیست.