Aradaki fark veri değil, bağımsız gözlem
İlk bakılacak yer ölçek.
Onlar ABD piyasasında 30 binden fazla hisse ve yaklaşık altmış yıllık aylık veri kullanıyor. Yüzlerce özellik var.
Bizim elimizde 567 hisse ve on dört yıl var.
Bu “bizde daha az veri var” demek gibi görünüyor ama mesele daha ince. Makine öğrenmesi modellerinin ihtiyacı satır sayısı değil, bağımsız gözlem sayısı.
Aynı ay içindeki bütün hisseler aynı piyasa şokuna maruz kalıyor. Kur bir günde yüzde 10 hareket ettiğinde 567 hissenin hepsi bundan etkileniyor. Yani o aydaki 567 satır, 567 bağımsız bilgi parçası değil. Gerçek bağımsız birim sayısı ay sayısına yakın.
Bizde bu birkaç yüz. Onlarda yedi yüzün üstünde ve her ayda kat kat fazla kesitsel çeşitlilik var.
Esnek modeller veri açlığı çeker. Aç kaldıklarında sinyal yerine gürültüyü öğrenirler. Bizim yaşadığımız tam olarak buydu.
İkinci fark: tahmin edilecek şeyin öngörülebilirliği
Aylık hisse getirilerinde açıklanabilen varyans oranı her piyasada düşüktür. Gelişmekte olan bir piyasada daha da düşük oluyor.
Türkiye’de 2018 kur şoku, 2020 pandemi, 2021 sonrası hızlı yükseliş ve enflasyon muhasebesine geçiş art arda geldi. Her biri hisseler arası ilişkileri farklı biçimde bozdu.
Model bu dönemlerin birinden öğrenip diğerine uyguladığında, öğrendiği ilişki artık geçerli değil. ABD verisinde altmış yıl boyunca da rejim değişiklikleri var elbette, ama örneklem o kadar uzun ki model birçok rejimi birden görüyor ve ortalamasını alabiliyor.
Asıl ilginç kısım: aslında aynı şeyi buluyoruz
Makalenin bulgularından biri şu: test ettikleri bütün yöntemler aynı baskın tahmin sinyalleri üzerinde birleşiyor. Momentum, likidite ve volatilite varyasyonları.
Şimdi bizim kompozit skorumuzun içine bakın.
Volatilite var, hatta en güçlü faktörümüz o. Hacim oranı ve likidite ölçüleri var. Fiyatın 52 haftalık zirveye oranı, yani momentum var.
Yani onların yüzlerce özellikle, sinir ağlarıyla ve altmış yıllık veriyle bulduğu baskın sinyaller, bizim elle koyduğumuz faktörlerle büyük ölçüde aynı.
Bu bize şunu düşündürdü. Belki de makine öğrenmesinin bizim ölçeğimizdeki katkısı, hangi faktörlerin önemli olduğunu bulmaktı. O iş zaten yapılmış ve sonucu yayınlanmış durumda. Biz sonucu doğrudan kullanabiliyoruz.
Modeli kurmadan modelin öğrettiği şeyi alabiliyorsunuz.
Ağırlıkları fit etmemenin değeri
Random forest’ı bıraktıktan sonra yaptığımız şey çok daha basit.
Her ay, her özelliği kesitsel olarak standartlaştırıyoruz. Sonra teorinin söylediği işaretle topluyoruz. Volatilite eksi işaretle giriyor çünkü düşük volatilite iyi. Zirveye yakınlık artı işaretle. Ve böyle devam.
Kritik nokta şu: ağırlıklar veriden öğrenilmiyor. Hepsi eşit, işaretler teoriden geliyor. Optimize edilecek tek bir parametre yok.
Bu ilk bakışta ilkel görünüyor. Neden elinizdeki veriyi kullanıp en iyi ağırlıkları bulmayasınız.
Cevap şu: fit edilmiş her parametre, örnek dışında bozulabilecek bir noktadır. Fit edilmemiş modelin bozulacak bir parametresi yoktur.
Sonuçlar bunu destekledi. Kesitsel tahmin gücümüz 0,023’ten 0,072’ye çıktı ve Sharpe oranı her test döneminde iyileşti.
Random forest’ı sadece 2021 sonrası için gösteriyoruz çünkü örnek dışı testi orada yaptık. Diğer dönemler eğitim verisinin içindeydi ve oradaki sonuçlar anlamsız olurdu.
Ne zaman makine öğrenmesi denenmeli
Kendi deneyimimizden çıkardığımız pratik ölçütler şunlar.
Gerçek bağımsız gözlem sayınız binlerle ifade ediliyorsa deneyebilirsiniz. Yüzlerle ifade ediliyorsa muhtemelen zaman kaybı.
Doğrusal olmayan gerçek bir etkileşim beklemek için sebebiniz varsa anlamlı. Sadece “belki bir şey bulur” diye kurulan model genelde bulmuyor.
Örnek dışı testiniz gerçekten örnek dışı olmalı. Aynı veriyi hem model seçiminde hem testte kullanıyorsanız aldığınız sonuç sahte ve bunu fark etmek zor.
Ve sonucu her zaman basit bir alternatifle karşılaştırın. Basit alternatifi yenmiyorsa karmaşıklığın bedeli boşa gidiyor demektir.
İki bulgu aslında çelişmiyor
Onların mesajı: yeterli veri ve doğru kurulumla makine öğrenmesi gerçek katkı sağlıyor, ve baskın sinyaller momentum, likidite, volatilite.
Bizim mesajımız: bizim ölçeğimizde o baskın sinyalleri doğrudan kullanmak, onları yeniden keşfetmeye çalışmaktan daha iyi sonuç veriyor.
İkisi bir arada okununca iyi bir çalışma yöntemi çıkıyor ortaya. Büyük çalışmaların bulduğu faktörleri alın, kendi ölçeğinizde basit ve dayanıklı biçimde uygulayın.
Kaynaklar
- Gu, Kelly & Xiu, Empirical Asset Pricing via Machine Learning, Review of Financial Studies 33(5), 2223-2273
- NBER working paper versiyonu
Bu yazı bilgilendirme amaçlıdır, yatırım tavsiyesi değildir. Sonuçlarımız hayatta kalma yanlılığı içeren bir veri setinden, getiriler nominal TL ve işlem maliyeti dahil değil.