Ingeniería de variables para datos financieros

Dar al modelo entradas comparables

Un precio de 250 no significa nada para un modelo: depende de la acción y tiende a subir con el tiempo, así que los valores de 2020 nunca se parecen a los de 2010. La ingeniería de variables convierte los datos en bruto en entradas comparables en el tiempo y entre activos: rendimientos en vez de precios, volatilidad en vez de rangos, puntuaciones estandarizadas en vez de niveles. Las buenas variables aportan más al resultado que la elección del modelo, y cada una debe describir solo lo que se sabía ese día.

import numpy as np

prices = np.array([100.0, 101.0, 99.0, 102.0, 104.0, 103.0, 106.0])

window = 3
momentum = np.full(len(prices), np.nan)
momentum[window:] = prices[window:] / prices[:-window] - 1          # the return over the last 3 days
print(np.round(momentum, 4))                                        # nan for the first 3 days: no price 3 days back

Ventanas que miran atrás

La mayoría de las variables son estadísticos de una ventana retrospectiva: los últimos n valores hasta hoy inclusive. El momentum compara hoy con hace n días; la volatilidad móvil es la desviación típica de los últimos n rendimientos; el z-score móvil dice a cuántas desviaciones de la ventana está hoy respecto a la media de la ventana. Con sliding_window_view se obtienen todas las ventanas como filas de una matriz y se calcula el estadístico a lo largo de un eje, sin bucle. Los primeros n - 1 días no tienen ventana completa y quedan nan.

import numpy as np

prices = np.array([100.0, 101.0, 99.0, 102.0, 104.0, 103.0, 106.0])
returns = np.diff(prices) / prices[:-1]
window = 3

windows = np.lib.stride_tricks.sliding_window_view(returns, window)        # every 3-day window as a row
vol = np.full(len(returns), np.nan)
vol[window - 1:] = windows.std(axis=1, ddof=1)
print(np.round(vol, 4))                                                    # nan nan then one value per complete window

p_windows = np.lib.stride_tricks.sliding_window_view(prices, window)
z = np.full(len(prices), np.nan)
z[window - 1:] = (prices[window - 1:] - p_windows.mean(axis=1)) / p_windows.std(axis=1, ddof=1)
print(np.round(z, 3))                                                      # how unusual each price is for its last 3 days

# Features put prices of different stocks on the same footing
import numpy as np

cheap = np.array([5.0, 5.2, 5.1, 5.4, 5.5])
dear = np.array([500.0, 520.0, 510.0, 540.0, 550.0])           # ten times the price, the same movements
print(cheap[-1] / cheap[-3] - 1, dear[-1] / dear[-3] - 1)        # identical momentum, about 0.0784 for both
print(dear[-1] - dear[-3], cheap[-1] - cheap[-3])                # price changes (40.0 and 0.4) would not be comparable

El objetivo mira hacia delante

Lo que predice el modelo es el objetivo, normalmente el rendimiento de los siguientes h días: prices[t + h] / prices[t] - 1. Es la única columna autorizada a mirar hacia delante, y es nan en los últimos h días porque el futuro aún no ha ocurrido; elimina esas filas antes de entrenar. Un error común es una variable que contiene el objetivo por accidente, como una ventana centrada, un estadístico calculado con todos los datos o un rendimiento futuro reutilizado como entrada. La prueba es simple: una variable del día t no debe cambiar al añadir días posteriores.

import numpy as np

def forward_return(prices, horizon):
    out = np.full(len(prices), np.nan)
    out[:-horizon] = prices[horizon:] / prices[:-horizon] - 1
    return out

def momentum(prices, window):
    out = np.full(len(prices), np.nan)
    out[window:] = prices[window:] / prices[:-window] - 1
    return out

prices = np.array([100.0, 101.0, 99.0, 102.0, 104.0, 103.0, 106.0])
print(np.round(momentum(prices, 2), 4))                 # looks back: known on each day
print(np.round(forward_return(prices, 2), 4))           # looks forward: the target, nan for the last 2 days

# The prefix test: a feature computed on the first 5 days equals the first 5 values of the full computation
print(np.allclose(momentum(prices[:5], 2), momentum(prices, 2)[:5], equal_nan=True))      # True

• Convierta los precios en variables comparables: momentum prices[t] / prices[t - n] - 1, volatilidad móvil, z-score móvil, cada uno sobre una ventana retrospectiva que incluye hoy.
• sliding_window_view da cada ventana como fila, así que los estadísticos no necesitan bucle; los primeros n - 1 días quedan nan.
• El rendimiento futuro prices[t + h] / prices[t] - 1 es el objetivo, nunca una variable; compruebe cada variable con la prueba del prefijo.

A continuación: la validación walk-forward, probar un modelo en el orden en que realmente fluye el tiempo.

Lab: qué se califica

• Medir la tendencia con momentum25 pts
• Seguir el riesgo reciente con rolling_vol25 pts
• Decir cuán inusual es hoy con rolling_zscore25 pts
• Definir el objetivo con forward_return25 pts