सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

सिंथेटिक वित्तीय डेटा बनाना और उसका मूल्यांकन

लेख Machine Learning for Trading

सारांश

यह अध्याय सिंथेटिक वित्तीय डेटा बनाने के तरीकों और यह तय करने का सर्वेक्षण करता है कि परिणाम उपयोगी है या नहीं। यह वास्तविक बाज़ार मार्गों की सीमित संख्या और बार-बार रणनीति खोजने से दिखने वाला बैकटेस्ट प्रदर्शन बढ़ जाने के जोखिम से शुरू होता है। यह बूटस्ट्रैप और स्टोकेस्टिक मॉडल जैसे व्याख्यायोग्य सिमुलेशन आधारों की तुलना GAN, डिफ्यूज़न मॉडल और संरचित तालिकाओं के लिए भाषा मॉडल जैसे सीखे गए जनरेटर से करता है। उदाहरणों में रिटर्न शृंखला, पूँछ जोखिम, समयगत संरचना, अनियमित अवलोकन और मिश्रित-प्रकार का वित्तीय डेटा शामिल हैं।

मूल्यांकन विश्वसनीयता, आगे के उपयोग और गोपनीयता के आधार पर व्यवस्थित है, जिनमें टकराव हो सकता है। निदान में शैलीबद्ध तथ्य, निर्भरता, सशर्त व्यवहार, सिंथेटिक डेटा पर प्रशिक्षण और वास्तविक डेटा पर परीक्षण जैसी कार्य-आधारित तुलना, तथा गोपनीयता जाँच शामिल हैं। अध्याय की मुख्य सावधानी यह है कि विश्वसनीय दिखने वाले नमूने दुर्लभ घटनाओं या बदलती निर्भरता पर विफल हो सकते हैं; सीखे गए मॉडल जानकारी उजागर कर सकते हैं, पूर्वाग्रह बढ़ा सकते हैं, प्रशिक्षण डेटा पर ओवरफ़िट कर सकते हैं या नए परिदृश्य बहुत कम दे सकते हैं। सिंथेटिक मार्ग मज़बूती विश्लेषण का दायरा बढ़ा सकते हैं, लेकिन वे वास्तविक बाज़ार के प्रमाण की जगह नहीं लेते और सावधानीपूर्वक सत्यापन की आवश्यकता समाप्त नहीं करते।

मुख्य विचार

  • सीमित ऐतिहासिक रिकॉर्ड पर बार-बार अनुकूल रणनीति खोजने से बैकटेस्ट प्रदर्शन बढ़ा-चढ़ाकर दिख सकता है।
  • बूटस्ट्रैप और स्टोकेस्टिक सिमुलेशन विधियाँ सीखे गए जनरेटर के लिए व्याख्यायोग्य मानक देती हैं।
  • जनरेटर का चुनाव डेटा संरचना और आगे के कार्य के अनुरूप होना चाहिए।
  • सिंथेटिक डेटा की विश्वसनीयता, उपयोगिता और गोपनीयता जाँचें, क्योंकि इन लक्ष्यों में समझौता हो सकता है।
  • विश्वसनीय नमूने भी पूँछ घटनाएँ, निर्भरता में बदलाव या सशर्त गतिशीलता दोहराने में विफल हो सकते हैं।

टैग

पूरा पाठ
# 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.

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: MIT

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।