19. seminarium QFRG – DSLab
Serdecznie zapraszamy do udziału w 19. seminarium QFRG – DSLab (Quantitative Finance Research Group oraz Data Science Lab), które odbędzie się 11 kwietnia br. w formie online, za pomocą platformy Google Meet.
Podczas seminarium mgr Jan Grudniewicz – absolwent magisterskiego programu “Informatyka i ekonometria” na Wydziale Nauk Ekonomicznych oraz dr hab. Robert Ślepaczuk - Kierownik Katedry Finansów Ilościowych WNE UW przedstawią wyniki badania dotyczącego zastosowania uczenia maszynowego w ilościowych strategiach inwestycyjnych na światowych giełdach.Wnioski z badań pokazują, że strategie ilościowe generują lepsze stopy zwrotu skorygowane o ryzyko niż strategie pasywne.
Spotkanie odbędzie się 11 kwietnia 2022 r. (poniedziałek) o godz. 17:00 online na platformie Google Meet. Spotkanie będzie prowadzone w języku angielskim. Prezentacja przewidziana jest na około 45 minut, a po niej zaplanowano dyskusję wokół przedstawionego badania.
Link do spotkania: meet.google.com/gnr-gfbh-fxc
Prosimy o zalogowanie się najpóźniej o godz. 16:50. Prezentacja rozpocznie się o godz. 17:00.
Abstrakt spotkania:
The thesis undertakes the subject of machine learning based quantitative investment strategies. Several technical analysis indicators were employed as inputs to machine learning models such as Neural Networks, K Nearest Neighbor, Regression Trees, Random Forests, Naïve Bayes classifiers, Bayesian Generalized Linear Models and Support Vector Machines. Models were used to generate trading signals on WIG20, DAX, S&P500 and selected CEE indices in the period between 2002-01-01 to 2020-10-30. Strategies were compared with each other and with the benchmark buy-and-hold strategy in terms of achieved levels of risk and return. Quality of estimation was evaluated on independent subsets and with the use of sensitivity analysis. The research results indicated that quantitative strategies generate better risk adjusted returns than passive strategies and that for the analyzed indices predominantly Bayesian Generalized Linear Model and Naïve Bayes were the best performing models. More comprehensive rank approach based on the results for all analyzed models and indices allowed the Bayesian Generalized Linear Model as the model which on average generated the best results.
------------
Seminaria QFRG – DSLab organizowane są cyklicznie przez zespoły badawcze Quantitative Finance Research Group oraz Data Science Lab.
QFRG jest miejscem prowadzenia badań i wymiany doświadczeń pomiędzy osobami zaangażowanymi w badanie zjawisk zachodzących w świecie inwestycji z perspektywy zarówno teorii, jak i praktyki, z pogranicza nauki i biznesu.
Działalność DSLab skupia się głównie na projektach akademickich, których celem jest pogłębianie wiedzy zespołu DSLab, dzielenie się nią z innymi osobami zainteresowanymi zagadnieniami Data Science oraz przygotowywanie publikacji naukowych i dydaktycznych.
