Construir o pipeline honesto
Neste projeto final você constrói um modelo mensal de ações dos preços brutos ao veredicto, e cada passo é escolhido para não se enganar. Você transforma fechamentos diários em preços de fim de mês, constrói três variáveis que só usam o passado (momento, retorno do último mês e volatilidade) e um rótulo que olha três meses à frente, e padroniza variáveis e rótulos dentro de cada mês para que o modelo aprenda a ordenar ações e não a cronometrar o mercado. Depois corta o tempo em dobras walk-forward com purga e embargo, ajusta um modelo Ridge do scikit-learn no passado de cada dobra, pontua cada mês de teste com o coeficiente de informação e por fim embaralha uma variável por vez para ver qual o modelo realmente usa.
ICₜ=ρ(rank(pₜ), rank(yₜ)), train: j<a-H-e, Iⱼ=IC-ICⱼ
O que dizem os dados reaisNas 54 ações com histórico completo, desde 2000, um modelo mensal com rótulo de 3 meses e embargo de 3 meses é testado em 257 meses em 10 blocos walk-forward. O coeficiente de informação médio é 0,033 com estatística t de 2,45, e 56% dos meses são positivos. Embaralhar a volatilidade dentro de cada mês de teste remove todo o sinal (importância 0,033), enquanto embaralhar o momento ou o retorno do último mês não muda nada (cerca de -0,003). O modelo se apoia numa só variável. Uma floresta aleatória no mesmo painel pontua 0,102 na amostra e -0,008 em testes walk-forward, e a penalidade ridge não importa: o IC é 0,033 para todo α de 0,01 a 10⁴. Tirar o embargo muda o IC em 0,0001, porque rótulos de três meses se sobrepõem pouco.
- Ordenar dentro de cada mês: padronize variáveis e rótulos dentro do mês para que o modelo ordene ações.
- Purga, embargo e depois pontuação: ajustar só no passado de cada dobra e pontuar cada mês de teste pelo seu IC.
- Pergunte o que o modelo usou: um teste de permutação mostra se o sinal é uma variável ou várias.
Simplificações para lembrarA amostra só tem grandes empresas que sobreviveram a todo o período, então tem viés de sobrevivência e seu sinal pode estar superestimado. Não há custos de operação, nem construção de carteira, e só um modelo linear. Um IC de 0,033 é um resultado estatístico e não uma estratégia, e uma única variável carregar tudo é motivo de cautela.
Lab: o que é avaliado
- Preços de fim de mês10 pts
- O painel de variáveis e rótulos20 pts
- Padronizar dentro de cada mês10 pts
- Centrar o rótulo5 pts
- Dobras walk-forward com purga15 pts
- A correlação de postos de um mês5 pts
- Pontuar um modelo Ridge mês a mês15 pts
- Qual variável o modelo usa10 pts
- O estudo completo10 pts