The following paper describes three proprietary financial indicators based on technical analysis of stock market data, which form the basis of the algorithmic trading strategies discussed further. These strategies were developed using machine learning techniques and are based on indications of random forest classifiers. Their simulations were carried out using the qf-lib package, and due to the extensive size of the input data and the computational complexity of the presented algorithms, a high-performance computer (HPC) was used for this purpose.
The paper discusses the background and details of the project including how the data and algorithms were selected and prepared, the optimisation methodology and strategy performance analysis used, and how the project was implemented. An evaluation of the results in terms of their business value is also presented.
The results of the calculations confirmed the validity of using a combination of the presented indicators as a description of price data of listed companies sufficient to construct on their basis not only investment decision support tools, but also effective automated algorithmic trading strategies.
The proposed solutions are of practical importance for the CERN Pension Fund team, and therefore further development of the project is intended.
Poniższa praca przedstawia opis trzech autorskich wskaźników finansowych bazujących na analizie technicznej danych giełdowych, stanowiących podstawę omówionych dalej strategii handlu algorytmicznego. Strategie te opracowane zostały przy użyciu technik uczenia maszynowego i opierają się na wskazaniach klasyfikatorów lasu losowego. Symulacje ich przebiegu przeprowadzono przy użyciu pakietu qf-lib, a z uwagi na obszerny rozmiar danych wejściowych oraz złożoność obliczeniową przedstawionych algorytmów wykorzystano w tym celu komputer dużej mocy (KDM).
W pracy omówiono tło dziedzinowe oraz szczegóły realizacji projektu obejmujące sposób selekcji oraz przygotowania danych i algorytmów, zastosowaną metodykę optymalizacji i analizy wydajności strategii, a także sposób implementacji projektu. Przedstawiono również ocenę wyników pod kątem ich użyteczności biznesowej.
Rezultaty obliczeń potwierdziły zasadność zastosowania kombinacji zaprezentowanych wskaźników jako opisu danych cenowych spółek giełdowych wystarczającego do skonstruowania na ich podstawie nie tylko narzędzi wspomagania decyzji inwestycyjnych, ale również skutecznych zautomatyzowanych strategii handlu algorytmicznego.
Zaproponowane rozwiązania mają praktyczne znaczenie dla zespołu CERN Pension Fund, zatem planowane są dalsze prace nad rozwojem projektu.
