Overview

StockPickingModel is the AI-powered data tool for smart decision-making process in the stock market. Our research team have developed a model for market inefficiency exploitation (researchers call it no-arbitrage condition violation). Stock portfolio can be designed with the tool to ’beat the market’. The Stock-Picking Model for stock ranking is based on expected risk-adjusted returns.

The model focuses on a representative universe of US stocks DJIA, SP100, SP500 and Russel 2000 with investment horizons ranging 1-week, 1-month, 3-moths and 6-months.

Predictor Types

Firm-Specific: The model uses firm-specific and macro predictors. The statistical firm-specific variables include momentum, statistical moments, trading volumes, technical analysis indicators, dividend payout yield, standardised unexplained volume (SUV) and autoregressive factors. Fundamental firm-specific variables include financial ratios, market capitalisation, dividend yield and others.

Macro predictors: Yahoo indices, stock indices returns, realised volatility, bond indices data, financial activity measures, commercial banking indicators, monetary data, employment data, national income, international trade and others.

Method

The goal is to develop a model to estimate the following value: yi,t = rt,i − µr,t, where µr,t = 1/N XNi=1rt,i

There are nine submodels, all of them are estimated on the crosssectional dataset of NxT size and tested with: ridge linear regression, elastic-net linear regression, feed-forward neural network with continuous targets, elastic-net logistic regression, feed-forward neural network with binary targets.

Results

The compound annual growth rate is 17.69 % while the maximum drawdown is -13.72 % during the 2008 – 2020 period. The selection and testing is full-sample so there is no overfitting in the model.

Conclusions

The results show excessive rate of return in comparison to the benchmarks (stock indices DJIA, SP500). The model is reinforcing with Bayesian procedure (Dynamic Bayesian Selection of Factors) to identify valid factors (with positive expected returns).

Practical Use

Stockpicking Model doporučuje nejvhodnější akcie pro sestavení long&short portfolia. V našem vlastním portfoliu držíme v pozici Long (spekulujeme na růst) vždy 20 akcií, u kterých předpokládáme největší růst, a 20 akcií v pozici Short (spekulujeme na pokles), u kterých očekáváme největší pokles. Nižší počet akcií v rámci testování dosahoval vyšší výkonnosti, ale zároveň větších propadů, a naopak. 40 akcií bylo proto zvoleno jako ideální portfolio.

Long pozice kupujeme za přibližně 750 USD (tedy pokud například akcie Apple Inc. [AAPL] stojí 351 USD, kupujeme 2 akcie za 702 USD), Short pozice za přibližně 500 USD. Portfolio rebalancujeme vždy jednou měsíčně. Vybíráme z indexu S&P 100, zahrnujícího akcie 100 největších na burze obchodovaných podniků v USA.

Výkonnost v reálném provozu představujeme v tabulce. Za první měsíc ostrého provozu jsme dosáhli 5 % zhodnocení.

Acknowledgements

The model was developed in cooperation with CYRRUS ADVISORY, a.s., Mendel University in Brno and University of Economics in Prague.
 
Uživatelům dáváme k dispozici analytický report, jakožto výstup vyvíjeného software pro analytiky na kapitálových trzích. V žádném případě se nejedná o investiční doporučení. CYRRUS ADVISORY, a.s. neposkytuje žádné finanční služby. Bezplatně jsou výstupy poskytovány z důvodu ověření zájmu o tento typ služby a další vývoj uživatelsky přívětivějších aplikací v oblasti nástrojů pro koncové uživatele typu B2C.

 

Vstoupit
 

Backtested portfolio performance graph