Random Forest для отбора акций: что работает, а что нет

Мария Соколова управляет портфелем на 15 миллионов рублей, используя модель Random Forest для ежемесячной ребалансировки. Она рассказала о своем подходе и неожиданных находках.

Выбор признаков

Модель анализирует 47 признаков для каждой акции из индекса Мосбиржи. Среди них: технические индикаторы, фундаментальные мультипликаторы, волатильность и корреляции с секторами. Интересно, что самым важным признаком оказалось не P/E или RSI, а изменение институционального владения за последние 90 дней.

Неожиданное открытие

Первые полгода модель показывала результаты хуже индекса. Проблема крылась в несбалансированности классов - растущих акций было втрое больше падающих. После применения SMOTE для балансировки выборки точность выросла с 51% до 63%.

Реальная производительность

За 18 месяцев портфель обогнал индекс на 12.4%. Модель содержит 200 деревьев глубиной до 15 уровней. Мария переобучает её каждый месяц на скользящем окне в три года. Комиссии съедают около 0.8% годовой доходности, но результат все равно превосходит пассивное инвестирование.