Random forest-based directional trading strategies with Kelly Criterion in the U.S. equity market

Abstract

Various strategies have been employed by investors seeking to beat the market. Developing a model that can accurately and consistently predict the direction of the market is one of the most lucrative ways to achieve excess returns. In recent years, machine learning techniques have received increased interest as they can lead to significant improvements in forecast accuracy. In this thesis, a random forest classifier is deployed to predict the direction of daily price movement of the S&P 500 and the Nasdaq-100 indices. According to the validation results, the model is generally better at predicting the S&P 500 returns. Three different trading strategies based on the predictions of the classifier are compared to the buy-and-hold strategy on the S&P 500 index. For two of the strategies, the Kelly criterion is used for determining the position size in order to maximize the expected geometric return. All three strategies outperform the buy-and-hold, also in risk-adjusted terms, when transaction costs are low, but clearly underperform the buy-and-hold when transaction costs are higher. Moreover, the empirical results do not support using the Kelly criterion for position sizing.

Monia erilaisia strategioita on hyödynnetty sijoittajien pyrkiessä voittamaan markkinat. Mallin kehittäminen, joka pystyy tarkasti ja säännöllisesti ennustamaan markkinoiden suunnan, on yksi houkuttelevimmista tavoista saavuttaa ylituottoa. Viime vuosina koneoppimismenetelmät ovat herättäneet kasvavaa kiinnostusta, koska ne voivat johtaa merkittäviin parannuksiin ennustetarkkuudessa. Tässä tutkielmassa käytetään random forest -luokittelualgoritmia ennustamaan S&P 500 - ja Nasdaq-100-indeksien päivittäisen hintaliikkeen suuntaa. Validointitulosten mukaan malli on yleisesti parempi ennustamaan S&P 500 -indeksin tuottoja. Kolmea erilaista luokittelualgoritmin ennusteisiin pohjautuvaa kaupankäyntistrategiaa verrataan osta ja pidä -strategiaan, kun sijoituskohteena on S&P 500. Kahden strategian osalta Kelly-kriteeriä käytetään määrittämään positiokoko, jotta geometrinen tuotto-odotus saataisiin maksimoitua. Kaikki kolme strategiaa suoriutuvat paremmin kuin osta ja pidä -strategia, myös riskikorjatuilla tuotoilla mitattuna, kun transaktiokustannukset ovat alhaiset, mutta ne suoriutuvat selvästi huonommin, kun transaktiokustannukset ovat korkeammat. Empiiriset tulokset eivät tue Kelly-kriteerin käyttöä positiokoon määrittämiseen.