Applying Machine Learning to investment management. Building a strategy to consistently beat the benchmark

Abstract

The aim of this work is to build a portfolio that is able to outperform the S&P 500 stock index. This portfolio will be composed by units of the Exchange Trading Funds of the most important sectors of the U.S. economy. The time series of the unit price of the ETFs and the stock index will be obtained with a depth of 10 years. Likewise, it will be attempted to incorporate additional variables that can provide predictive power to the model, such as inflation or gross domestic product. Next, regression machine learning models will be trained in order to determine, for each month, the portfolio that can provide the maximum return. The obtained models will undergo a backtest to determine their predictive capacity. First, a cross-validation will be carried out; if the result is satisfactory, a backtest will be done by means of an out-ofsample sample. Finally, the selected models will be compared with other risk-oriented portfolio management models such as an equal-weighted portfolio or an efficient frontier limit portfolio.

L’objectiu d’aquest treball és construir una cartera que sigui capaç d’obtenir una rendibilitat superior a la de l'índex borsari S&P 500. La cartera estarà omposada pels Exchange Trading Funds dels sectors m´es importants de l’economia d’Estats Units. La profunditat històrica de cotitzacions de l’índex de referència i dels ETFs serà de 10 anys. A banda, s’intentaran incorporar altres variables que aportin poder predictiu al model, com per exemple la inflació o el producte interior brut. Seguidament, s’entrenaran models d’aprenentatge automàtic de regressió per tal de, a cada mes, determinar la composició de la cartera que aporti una rendibilitat màxima. Al model obtingut se li durà a terme un exercici de backtest per tal de determinar la seva capacitat predictiva. Primerament es durà a terme una validació creuada; si el resultat és satisfactori, es durà a terme un backtest mitjan¸cant una mostra out-of-sample. Finalment, els models seleccionats seran comparats amb altres estratègies de gestió de carteres orientades a la gestió de riscos, tals com una cartera amb pesos iguals, o en el límit de frontera eficient.