Используя имеющиеся исторические данные, реализовать прототип торговой стратегии, провести backtest (учитывая transaction costs), оценить результат. Класс стратегий и используемый инструментарий могут быть любыми.
keywords: machine_learning, deep_learning, data_mining, survivorship_bias, data_snooping
Используя статистические тесты, раз в период осуществлять поиск коинтегрированных пар/троек активов вида:
Учитывая свойство возврата к среднему формировать динамический портфель из найденных комбинаций. Оценка текущего режима волатильности может быть использована, как фактор масштабирования размер позиции.
keywords: cointegration, stationarity_test, johansen_test, augmented_dickey_fuller_test
Используя list- или pairwise подход, раз в период решать задачу ранжирования акций, входящих в индекс S&P500. На основе полученного ранкинга формировать рыночно-нейтральный портфель. Ранжирование можно осуществлять внутри отдельных секторов.
keywords: learning_to_rank, pointwise, pairwise, listwise, RNN, LSTM
Языки программирования: Python, R