S&P 500 Market Regime Classification
تجربة تصنيف لأنظمة السوق قصيرة الأجل
يصيغ هذا المشروع سلوك S&P 500 كمشكلة تصنيف ثلاثية ويختبر ما إذا كانت المؤشرات الفنية تستطيع توقع نظام السوق في اليوم التالي.
PythonyfinanceScikit-learnLogistic RegressionRandom ForestSVM
التحدي
- تصنيف السوق قصير الأجل noisy وغالبًا يتأثر بالفئات الأكثر تكرارًا.
- قد يحقق النموذج دقة مقبولة لكنه يفشل في فصل الأنظمة الصاعدة والهابطة.
- يلزم تقييم زمني لتجنب نتائج مضللة.
تصميم النظام
بيانات S&P 500
مؤشرات فنية
نماذج تصنيف
تسمية النظام
البيانات والمدخلات
بيانات مؤشر S&P 500 من 2020-01-01 إلى 2024-01-01 مع العائد اليومي وSMA_20 وSMA_50 والتقلب المتحرك 20 يومًا.
المنهجية التقنية
- تصنيف عوائد اليوم التالي إلى صاعد، جانبي، أو هابط باستخدام حدود ±0.5%.
- مقارنة Logistic Regression وRandom Forest وSVM.
- استخدام نسخ مضبوطة بتقييم يراعي السلاسل الزمنية.
- تفسير الدقة والدقة المتوازنة معًا.
التقييم والنتائج
مؤشرات رئيسية
956 مشاهدة للنمذجة
مؤشرات رئيسية
3 أنظمة سوق
مؤشرات رئيسية
أفضل دقة 52.08%
- بلغت أفضل دقة نحو 52.08% بينما بقيت الدقة المتوازنة قريبة من الثلث.
- مالت النماذج إلى فئة السوق الجانبية الأكثر تكرارًا.
- توضح النتيجة أن المؤشرات البسيطة قد تنظّم التحليل لكنها ضعيفة لتوقع نظام اليوم التالي.
التنفيذ والكود
محور التنفيذ
يربط التنفيذ بين تجهيز البيانات، النمذجة، التقييم، وتفسير النتائج ضمن سير عمل منظم يوضح القرارات التقنية.
نطاق المشروع والاستخدام المسؤول
يهدف التحليل إلى النمذجة والتقييم، وليس إلى تقديم توصية استثمارية. أي استخدام تداولي فعلي يتطلب ضوابط مخاطر، احتساب تكاليف تنفيذ، تحققًا خارج العينة، ومراقبة مستمرة.
التطوير القادم
- إضافة خصائص أوسع تتعلق بالاقتصاد الكلي والتقلب.
- اختبار آفاق زمنية أطول وحدود تصنيف مختلفة.
- استخدام معايرة الاحتمالات وتقرير يراعي عدم اليقين.
القيمة التقنية
يوضح المشروع تفسيرًا منضبطًا لإشارات تعلم آلة مالية ضعيفة دون المبالغة في نتائج تصنيف noisy.