• Diagnostika modelu prostřednictvím křivek učení

    Diagnostika modelu prostřednictvím křivek učení
    Křivky učení zobrazují změny ve výkonnosti učení v průběhu času. Prostřednictvím revize křivek učení v průběhu trénování modelu je možné diagnostikovat problémy spojené s overfittingem a underfittingem, tedy chybami v modelování. Zároveň lze diagnostikovat, zda jsou tréninkové a validační datasety dostatečně reprezentativní a využít je pro sledování zobecňujícího chování „generalization…

    Číst dál

  • Feature Selection

    Feature Selection
    V rámci výzkumu využitelného mimo jiné v aplikaci StockPicker jsme se v posledních dnech zabývali výběrem proměnných vstupujících do modelu. Když je proměnných moc, model má horší schopnost generalizovat a tím pádem je méně robustní a náchylnější k chybám. Metoda je podrobněji popsána v anglické verzi příspěvku. Potřebujete extrahovat informace z vašich dat, neváhejte se s námi poradit.…

    Číst dál

  • Feature Binning and Quantile Transformation

    Feature Binning and Quantile Transformation
    V rámci výzkumu využitelného mimo jiné v aplikaci StockPicker jsme v posledních dnech implementovali metodu úpravy dat Feature Binning and Quantile Transformation, abychom si lépe klasifikovali data. Naše machine learingové modely díky uprgadované přípravě dat nyní dosahují lepších výsledků. O co jde si můžete detailně prohlédnout v následujících řádcích. Potřebujete extrahovat informace z vašich…

    Číst dál

  • Výsledky StockPicking strategie za první rok ostrého provozu

    Výsledky StockPicking strategie za první rok ostrého provozu
    Již je tomu rok (03. 06. 2020 – 28. 05. 2021), co aplikujeme strategii „StockPicker“ na reálných účtech u Interactive Brokers. Dovolujeme si proto přinést detailnější výsledky, včetně grafů  a srovnání s benchmarkem, v našem případě Indexem S&P 500. Na úvod připomeneme, jak naše strategie funguje: Na základě analýzy firemně-specifických…

    Číst dál

  • Výběr významných prediktorů z velkého množství časových řad

    Výběr významných prediktorů z velkého množství časových řad
    Výpočty podhodnocených a nadhodnocených akcií aktuálně provádíme v rámci proof of concept řešení, které je postaveno na komerčním software s vnitřními omezeními. Připravujeme proto nový robustní produkční systém, ve kterém dokážeme využít synergií s již existujícími komponentami z dalších oblastí, například pro postprocessing výsledků. Jedním z potřebných kroků, kterým jsme se v rámci preprocessingu* dat…

    Číst dál

  • SFA nově zobrazuje statistiku sentimentu

    SFA nově zobrazuje statistiku sentimentu
    Nasadili jsme novou verzi našeho software SFA (Summary of Financial Articles). Nově jsme přidali jednoduchou statistiku sentimentu (positive/negative/neutral) pro každý den. Statistiku je možné filtrovat pro vybrané tickery a pro vybraný časový interval. Díky tomu je možné sledovat vývoj sentimentu v čase pro jakoukoliv akcii. Korporátní klienti nemusí provádět žádné změny,…

    Číst dál