Kaggle Jane Street竞赛¶

1 引言¶

Kaggle上对冲基金赞助的竞赛不少，可能成为了一种新式内卷，也可能是真的想从Kaggler身上得到一些idea。
这次我们来学习的是刚刚结束的Jane Street赞助的比赛。

2 竞赛介绍¶

本次竞赛是一个分类问题，对每一条数据(一次交易机会)，我们需要给出是否行动(action)。如果执行交易，相应的收益就是return * weight，加总到每一天即为：

在投资领域，很多人追求的是高sharpe值(同时考虑了收益和风险)，它的具体计算如下所示：

我们最终的评价指标为：

3 具体代码¶

同样，我们一起来看一下开源的高分代码。

3.1 import packages¶

第一部分照例是导入一堆包。值得一提的是，由于本次数据量较大。代码使用了datatable进行数据读取。datatable据称是一个性能碾压pandas的高效多线程数据处理工具

import datatable as dtable
train = dtable.fread('/kaggle/input/jane-street-market-prediction/train.csv').to_pandas()

3.2 特征工程¶

由于本次提供的特征仍然是一些不知道含义的匿名特征。代码根据每个特征的分布人为地划分为了4种特征：Linear，Noisy，Negative和Hybrid。
最后的特征即为所有原始特征，加上每类特征的均值构造的特征。

train['f_Linear']=train[f_Linear].mean(axis=1)
train['f_Noisy']=train[f_Noisy].mean(axis=1)
train['f_Negative']=train[f_Negative].mean(axis=1)
train['f_Hybrid']=train[f_Hybrid].mean(axis=1)

3.3 确定label¶

训练集并没有直接给我们label，即是否action。它提供的是5种不同时间窗口的收益率(return)。代码构造label的方式是判断若有大于3个收益为正，即执行交易(action=1)。

resp_cols = ['resp', 'resp_1', 'resp_2', 'resp_3', 'resp_4']
y = np.stack([(train[c] > 0).astype('int') for c in resp_cols]).T

train['action'] = (y.mean(axis=1) > 0.5).astype('int')

3.4 模型训练¶

关于模型部分，方案使用了一个XGBoost模型，并用HyperOpt进行了参数优化。
关于cv的使用，它使用了适合于此类时间序列问题的PurgedGroupTimeSeriesSplit，从下图中可以很直观的看到。验证集永远在训练集后面，并且中间隔了一小段时间。

4 小结¶

可以看到本次开源方案并不复杂，也仍有很多空间可以提升，如分析特征含义，使用神经网络模型，优化题目给出的评价指标等等。但是，在信噪比较低的金融世界中，这些方法是否有用仍是一个问号。

Comments