Using Fundamental Analysis and an Ensemble of Classifier Models Along with a Risk-Off Filter to Select Outperforming Companies (eBook)

Using Fundamental Analysis and an Ensemble of Classifier Models Along with a Risk-Off Filter to Select Outperforming Companies (eBook)

Moura ManuelNeves Rui
Moura ManuelNeves Rui
Prezzo:
€ 131,03
Compra EPUB
Prezzo:
€ 131,03
Compra EPUB

Formato

:
EPUB
Cloud: Scopri di più
Lingua: en
Editore: Springer
Collana: Synthesis Lectures on Technology Management & Entrepreneurship
Codice EAN: 9783031620614
Anno pubblicazione: 2024
Scopri QUI come leggere i tuoi eBook

Note legali

NOTE LEGALI

a) Garanzia legale, Pagamenti, Consegne, Diritto di recesso
b) Informazioni sul prezzo
Il prezzo barrato corrisponde al prezzo di vendita al pubblico al lordo di IVA e al netto delle spese di spedizione
Il prezzo barrato dei libri italiani corrisponde al prezzo di copertina.
I libri in inglese di Libraccio sono di provenienza americana o inglese.
Libraccio riceve quotidianamente i prodotti dagli USA e dalla Gran Bretagna, pagandone i costi di importazione, spedizione in Italia ecc.
Il prezzo in EURO è fissato da Libraccio e, in alcuni casi, può discostarsi leggermente dal cambio dollaro/euro o sterlina/euro del giorno. Il prezzo che pagherai sarà quello in EURO al momento della conferma dell'ordine.
In ogni caso potrai verificare la convenienza dei nostri prezzi rispetto ad altri siti italiani e, in moltissimi casi, anche rispetto all'acquisto su siti americani o inglesi.
c) Disponibilità
I termini relativi alla disponibilità dei prodotti sono indicati nelle Condizioni generali di vendita.

Disponibilità immediata
L'articolo è immediatamente disponibile presso Libraccio e saremo in grado di procedere con la spedizione entro un giorno lavorativo.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Disponibile in giorni o settimane (ad es. "3-5-10 giorni", "4-5 settimane" )
L'articolo sarà disponibile entro le tempistiche indicate, necessarie per ricevere l'articolo dai nostri fornitori e preparare la spedizione.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Prenotazione libri scolastici
Il servizio ti permette di prenotare libri scolastici nuovi che risultano non disponibili al momento dell'acquisto.

Attualmente non disponibile
L'articolo sarà disponibile ma non sappiamo ancora quando. Inserisci la tua mail dalla scheda prodotto attivando il servizio Libraccio “avvisami” e sarai contattato quando sarà ordinabile.

Difficile reperibilità
Abbiamo dei problemi nel reperire il prodotto. Il fornitore non ci dà informazioni sulla sua reperibilità, ma se desideri comunque effettuare l'ordine, cercheremo di averlo nei tempi indicati. Se non sarà possibile, ti avvertiremo via e-mail e l'ordine verrà cancellato.
Chiudi

Descrizione

This book develops a quantitative stock market investment methodology using financial indicators that beats the benchmark of S&P500 index. To achieve this goal, an ensemble of machine learning models is meticulously constructed, incorporating four distinct algorithms: support vector machine, k-nearest neighbors, random forest, and logistic regression. These models all make use of financial ratios extracted from company financial statements for the purposes of predictive forecasting. The ensemble classifier is subject to a strict testing of precision which compares it to the performance of its constituent models separately. Rolling window and cross-validation tests are used in this evaluation in order to provide a comprehensive assessment framework. A risk-off filter is developed to limit risk during uncertain market periods, and consequently to improve the Sharpe ratio of the model. The risk adjusted performance of the final model, supported by the risk-off filter, achieves a Sharpe ratio of 1.63 which surpasses both the model’s performance without the filter that delivers Sharpe ratio of 1.41 and the one from the S&P500 index of 0.80. The substantial increase in risk-adjusted returns is accomplished by reducing the model’s volatility from an annual standard of deviation of 15.75% to 11.22%, which represents an almost 30% decrease in volatility.